🎯 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
Project descriptions: Implement Business Change Requests for LE Module, including Enhancing standard functions and establishing new interfaces in order to exchange data with 3rd Pa...


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
18/05 11:33 ✓