Ошибка в data science: финансовые и операционные последствия Сотрудники одной из команд выглядели подавленными после совещания. Как оказалось, новая модель кредитования не оправдала ожиданий.

Это была моя первая встреча с ошибкой в data science в бизнес-контексте, поэтому я не сразу понял масштаб проблемы. Но в следующие полгода стало ясно, что это привело к серьёзным финансовым и операционным потерям для компании.

Последствия ошибки затронули все команды: аналитики работали над показателями здоровья портфеля, дата-сайентисты диагностировали проблему и исправляли её, инженеры вместе с ними внедряли новую модель, маркетологи разрабатывали кампании и сообщения, а операционный отдел занимался информированием клиентов о выплатах. Первым признаком проблемы стали более высокие, чем ожидалось, показатели неплатёжеспособности. читать материал полностью

Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А бот опубликовал пост в Сетке.