فراخوان طراحی و پیاده سازی سامانه هوشمند پیش بینی ریسک ... ؟

عنوان تقاضا : طراحی و پیاده سازی سامانه هوشمند پیش بینی ریسک برگشت چک با استفاده از الگوریتم های یادگیری ماشین مطالعه موردی:
بانک ملی ایران
شرکت متقاضی :  بانک ملی ایران
گروه تقاضا : پژوهش کاربردی
وضعیت تقاضا : فعال
محل تامین اعتبار : بند ث تبصره 4 قانون بودجه
ماهیت تقاضا : علوم انسانی و معارف اسلامی
حوزه تقاضا : اقتصاد جامعه شناسی علوم سیاسی حقوق روان شناسی علوم تربیتی و مدیریت مبتنی بر مبانی اسلامی
تاریخ ثبت تقاضا : 1405.1.26
زمان مورد انتظار اجرا : 12 ماه
مهلت ارسال پیشنهاده : 1405.2.10
هزینه مورد انتظار اجرا : 5.000.000.000 ریال 
اهداف اجرای پروژه : کاهش زبانهای ناشی از چک های برگشتی در شبکه بانک ملی از طریق شناسایی زودهنگام چک های پریسک افزایش دقت و سرعت تصمیم گیری در واحدهای اعتبار سنجی و وصول چک کاهش هزینه های عملیاتی مرتبط با پیگیری های حقوقی و اجرایی چک های برگشتی ایجاد بانک اطلاعاتی هوشمند از الگوهای رفتاری مشتریان در زمینه صدور چک ارتقای کیفیت خدمات اعتباری و کاهش ریسک پرتفوی چک بانک
ضرورت اجرای پروژه : میزان بالای چک های برگشتی در کشور بر اساس گزارشهای رسمی سالانه بیش از 3 میلیون فقره چک برگشتی در نظام بانکی کشور ثبت می شود که سهم قابل توجهی از این آمار مربوط به گسترده ترین شبکه بانکی یعنی بانک ملی ایران است. تحميل خسارات مالی مستقیم هر چک برگشتی علاوه بر عدم وصول اصل طلب هزینه های سنگین حقوقی اجرایی و عملیاتی را به بانک تحمیل میکند. 3 محدودیت روشهای سنتی ارزیابی سیستم های فعلی ارزیابی اعتبار چک عمدتاً بر قضاوت کارشناسان و قواعد ثابت استوار هستند که توانایی کافی برای شناسایی الگوهای پیچیده و پنهان تقلب را ندارند. 4 دسترسی به کلان داده ها بانک ملی ایران به عنوان بزرگترین بانک کشور حجم انبوهی از داده های تاریخی مشتریان و چکها را در اختیار دارد که بستر ایده آلی برای آموزش و پیاده سازی مدل های هوشمند محسوب می شود. ۵ ضرورت توسعه راهکار بومی با توجه به تفاوت های ساختاری فرهنگی و حقوقی مانند قانون جدید چک در ایران مدلهای بین المللی موجود کارایی لازم را ندارند و نیاز به طراحی و بومی سازی الگوریتم های مبتنی بر داده های داخلی است.
مشخصات فنی و استانداردهای مورد نیاز :  
طراحی گزارشها و سامانه باید مبتنی بر نیازهای عملیاتی واحدهای شعب اعتبار سنجی و مدیریت ریسک بانک ملی ایران باشد. ۲ مدل های یادگیری
ماشین باید با استفاده از داده های واقعی بانک ملی آموزش دیده و ارزیابی شوند. فرآیندهای طراحی و پیاده سازی می بایست مطابق با اصول
مهندسی داده و استانداردهای عملیات سازی یادگیری ماشین MLOps) انجام پذیرد. ۴ سامانه نهایی باید قابلیت یکپارچه سازی با سیستم های هسته
بانک Core Banking) را دارا باشد.
خروجیهای مد نظر : مدل پیش بینی ریسک چک با دقت حداقل ۸۵ در شناسایی چک های پرریسک ۲ سامانه نرم افزاری آزمایشی پایلوت شامل ماژول های ورود اطلاعات چک محاسبه امتیاز ریسک و نمایش داشبورد مدیریتی گزارش تحلیلی جامع شامل مهمترین عوامل موثر بر برگشت چک در بانک ملی
دستور العمل های سیاستی برای واحدهای مختلف بانک و راهنمای عملیاتی استقرار سامانه در شبکه شعب ۴ بانک اطلاعاتی غنی شده از الگوهای رفتاری مشتریان در حوزه چک
نام و نام خانوادگی نماینده : سید عبداله رضوی اطلاعات تماس نماینده :  02160996901 تلفن
جهت اطلاعات تکمیلی به سایت http://sate.atf.gov.ir