🎯 목표: 다양한 데이터 소스를 기반으로 고객의 신용 점수를 자동 평가하여 대출 심사 속도를 높이고 조기 리스크를 감지
📦 솔루션: 데이터 융합 + 머신러닝 기반 리스크 모델 + 설명 가능한 AI 엔진
⚙️ 기술 스택: XGBoost, SHAP, Pandas, FastAPI
📈 성과: 리스크 분류 정확도 22% 향상, 심사 시간 3일 → 6시간으로 단축
⏱️ PoC 기간: 4주
🎯 목표: 다양한 데이터 소스를 기반으로 고객의 신용 점수를 자동 평가하여 대출 심사 속도를 높이고 조기 리스크를 감지
📦 솔루션: 데이터 융합 + 머신러닝 기반 리스크 모델 + 설명 가능한 AI 엔진
⚙️ 기술 스택: XGBoost, SHAP, Pandas, FastAPI
📈 성과: 리스크 분류 정확도 22% 향상, 심사 시간 3일 → 6시간으로 단축
⏱️ PoC 기간: 4주
배경 현대 소매업에서는 고객 유입량을 파악하고, (예: 코로나19 기간 중) 마스크 착용 등 보건 규정을 준수하는 것이 안전성과 운영 효율을 위해 매우 중요합니다. 기업은 이 두 가지를 동시에 관리할 수 있는 스마트하고 자동화된 솔루션이 필요합니다. 우리의 솔루션 당사는 다음의 두 가지 핵심 기능을 갖춘 AI 기반 모니터...


개요 자동차 산업에 속한 고객사는 영업, 예약, 재고 관리 프로세스를 개선하고자 했습니다. COBOL로 개발된 레거시 시스템은 더 이상 자동화 및 확장성 요구를 충족하지 못했습니다. BAP는 COBOL에서 Java로 시스템 마이그레이션을 수행하여 운영을 최적화하고, 수작업 오류를 줄이며, 고객 경험을 향상시켰습니다. 과제...
BAP의 개발서비스에 대한 소개를 경청해주셔서 감사합니다
06/08 22:31 ✓