opdrachten
Internationale Bank 4

Internationale Bank

Hieroo Amsterdam
Een belangrijk onderdeel van een goed werkend Client Lifecycle Management systeem voor een internationale bank in Amsterdam, is het centraliseren van de documentatie. Lieke en Rosalie onderzochten of het automatisch migreren van bank documenten van de lokale schijven naar één centraal documentatiesysteem, mogelijk is door het gebruik van Machine Learning.
De enthousiaste, creatieve en pro-actieve werkhouding van Lieke en Rosalie zorgt ervoor dat de complexe impact assessment rond machine learning richting het gewenste resultaat gaat.
Program Manager

Achtergrond
De internationale bank waar Lieke en Rosalie deze opdracht deden, richt zich op het transactieverkeer van beleggingen in internationale (hedge)fondsen en dus niet op het transactieverkeer van particulieren. Voor elke bank in Nederland is het belangrijk om de onboarding van klanten soepel te laten verlopen en de bank documenten goed en veilig te beheren.

Vraag
Na afloop van een data-opdracht die Lieke en Rosalie samen met Ruben deden bij deze internationale bank, was er de mogelijkheid om door te rollen in een volgende opdracht: onderzoeken of Machine Learning mogelijk is bij het automatisch migreren van documenten naar een centraal documenten systeem. Een uitdaging, omdat Machine Learning nog vrij onbekend was bij deze bank.

“Toen termen als Artificial Intelligence en Machine Learning werden genoemd, werd ik gelijk enthousiast: dit is de toekomst en de mogelijkheden zijn oneindig!”– Lieke

Aanpak
Het centrale documentatiesysteem waar de bank mee wilde gaan werken, werd op dat moment al gebruikt door een andere afdeling binnen de overkoepelende organisatie. Stap één van het project was daardoor uitzoeken of het systeem zoals het nu gebruikt werd, ook binnen de bankafdeling kon worden geïmplementeerd. De bank opereert internationaal en daarom hadden Lieke en Rosalie contact met mensen over de hele wereld: rekening houden met de tijdzones was even een puzzel maar het spreken van zoveel mensen maakte dat de opdracht nog interessanter was. Allereerst werd de (her-)inrichting van het centrale documentatiesysteem voor de bank afgerond waarna Rosalie en Lieke zich op de methode konden richten: processen die een Machine Learning model moet doorlopen in kaart brengen om te onderzoeken of het model kan ‘leren’ op de juiste manier documenten te herkennen en migreren. Deze stap was cruciaal om te bepalen of Machine Learning als methode haalbaar was en te vergelijken met eventuele andere methodes voor het migreren van de documenten.

“In onze opdracht is het belangrijk de technische taal van de Machine Learning analisten te vertalen naar de taal van de business: erg leerzaam om van beide kanten dingen mee te krijgen en hiervan te leren.” – Rosalie

Resultaat
Als resultaat van deze opdracht leverden Lieke en Rosalie een Proof of Concept op. In dit rapport werd het Machine Learning model vergeleken met andere methodieken voor het migreren van documenten naar het centrale documenten systeem. Daarnaast werd beschreven wat de eerste resultaten waren van het Machine Learning model op een steekproef van de totale data. Aan de hand van dit Proof of Concept kon besloten worden of het Machine Learning model toegepast kan worden op de migratie van het totaal aan documenten.

Learning Rosalie en Lieke
“Omdat het zo’n grote internationale organisatie betrof en de opdracht impact had op verschillende afdelingen en projecten, hebben wij geleerd dat heldere communicatie tussen deze afdelingen en projectleiders essentieel is. Ook de opdrachtgever blijven betrekken bij de voortgang was een belangrijke les, zowel bij een mogelijke vertraging of een tegenslag als wanneer het goed gaat en je een box wil aftikken.”


Delen: