KI/ML-Lösung für die Prognose und Bewertung von Anlagerisiken

Geschäftliche Aufgabe

Erstellung von Grafiken der Beliebtheit und der Einstellung der Nutzer zu Unternehmen und Persönlichkeiten des öffentlichen Lebens (Stimmungsanalyse) auf der Grundlage öffentlicher und privater Informationsquellen, wodurch die Genauigkeit von Prognosen und Risikobewertungen um 75% erhöht würde.

Vorgeschlagene Lösung

So erstellen Sie eine KI/ML-Lösung für:

• automatische Erfassung umfangreicher Daten (>100 TB) aus vielen Quellen — öffentlich (Medien, Twitter) und privat (E-Mail, Dropbox, Google Drive);
• NLP-Analyse aller gewonnenen Daten zur Identifizierung von Entitäten (Person, Unternehmen, Land usw.) und ihrer Einstellung (von negativ bis positiv) in Bezug auf die Zeit;
• Bereitstellung eines praktischen Suchwerkzeugs für eine umfangreiche Datenmenge;
• Bereitstellung einer benutzerfreundlichen Oberfläche für die Erstellung von Diagrammen über die Beliebtheit des Unternehmens und die Einstellung der Nutzer dazu.

1. Sammeln, analysieren und speichern Sie die Informationen, die Sie aus den folgenden Quellen erhalten haben, in Echtzeit:

Öffentlich:

• New York Times
• SEC.gov
• Ich suche Alpha
• Twitter

Privat:

• E-Mail
• Dropbox
• Google Drive
• Amazon S3
• Google Bigtable
• SQL-Datenbanken
• HTTP-Upload-Formular

2. Führen Sie eine NLP-Analyse durch, um Entitäten und den Stimmungswert für sie in Bezug auf die Zeit zu identifizieren.

3. Erfassen Sie die erhaltenen Informationen in separaten Datenbanken für die schnelle Suche, Analyse und Erstellung von Diagrammen mit Berichten.

4. Stellen Sie ein Benutzertool zur Verfügung, mit dem Sie Grafiken zur Beliebtheit des Unternehmens und zur Einstellung der Nutzer dazu erstellen können.

5. Eines der Hauptmerkmale dieser Lösung besteht darin, dass der Ablauf dieser Prozesse flexibel ist und ein Analyst den gewünschten Ablauf mithilfe der Benutzeroberfläche (UI) selbst erstellen kann, auch ohne Erfahrung mit Programmiersprachen.

Von Dysnix bereitgestellter Wert

Dieses Tool hilft nicht nur dabei, Informationen aus völlig unterschiedlichen Quellen zu sammeln und zu strukturieren, sondern auch, sich ein vollständiges Bild von den Veränderungen zu machen, die mit der Beliebtheit des Unternehmens oder der Person und der Einstellung der Menschen zu ihnen über einen langen Zeitraum zusammenhängen. Darüber hinaus können diese Informationen für die Prognose und Bewertung des Anlagerisikos verwendet werden.