Success Story Of Harshita : गृहकर्जाच्या क्षेत्रात सावकार आणि कर्जदार अशा दोघांच्याही दृष्टीने जोखमीचे अचूक मूल्यांकन केले जाणे खूप महत्त्वाचे असते. कारण- यामुळे कर्ज देणारा (धनको), कर्ज घेणारा (ऋणको) अशा दोघांचेही संरक्षण होते. एका अग्रगण्य संस्थेत वरिष्ठ कार्यकारी अधिकारी असलेल्या हर्षिता यांच्यावर अशाच एका कठीण कामाची जबाबदारी सोपवण्यात आली होती. त्यांच्यावर $1 ट्रिलियनपेक्षा जास्त असलेल्या गृहकर्जाच्या पोर्टफोलिओमध्ये कर्जाचे दर कमी करणे ही एक मोठी जबाबदारी देण्यात आली होती. एकेकाळी बँकेच्या जोखमीच्या व्यवस्थापनाच्या धोरणाचा आधार असलेले ‘मशीन लर्निंग मॉडेल’ आता जुने झाले होते. विशेषतः कोविड-19 मुळे उद्भवलेल्या आर्थिक अडथळ्यांनंतर या आव्हानांना तोंड देताना, त्यांनी केवळ या महत्त्वपूर्ण साधनाची सुधारणा करण्यासाठीच नव्हे, तर बँकेने जोखीम व्यवस्थापनाला कशा रीतीने सामोरे गेले पाहिजे हे पुन्हा परिभाषित करण्यासाठी एक मिशन सुरू केले.
मशीन लर्निंग मॉडेल म्हणजे काय ?
मशीन लर्निंग मॉडेल म्हणजे संगणकाला डेटा विश्लेषण करून, स्वतः शिकण्याची आणि निर्णय घेण्याची क्षमता असलेले एक तंत्र. बँकांमध्ये मशीन लर्निंग मॉडेल कर्जाच्या जोखमीचे मूल्यांकन करण्यासाठी वापरले जाते. हे मॉडेल जुना डेटा वापरून कर्ज घेणाऱ्यांच्या कर्जाच्या निलंबनाची शक्यता कशी आहे, हे भविष्यवाणी करते. त्यामुळे बँकांना योग्य निर्णय घेण्यास मदत होते आणि कर्ज वितरणाच्या प्रक्रियेत सुधारणा होते.
COVID-19 च्या आर्थिक परिणामांमुळे असे स्पष्ट झाले की, बँकेचे १० वर्षांपूर्वीचे मशीन लर्निंग मॉडेल आता पुरेसे नाही. हे मॉडेल जुना डेटा, पारंपरिक तंत्र यांच्यावर आधारित होते. त्यामुळे ते कर्जाच्या निलंबनाच्या जोखमीचे अचूक भविष्यवाणी करण्यात अयशस्वी ठरत होते. ही केवळ एक तांत्रिक समस्या नव्हती; तर बँकेच्या आर्थिक स्थिरतेच्या बाबतीत तो एक मोठा धोका होता. हर्षिता यांच्या लक्षात आले की, फक्त मॉडेल अपडेट करणे एवढ्यापुरतीच ही गोष्ट पुरेशी नाही. बँकेला पूर्णपणे एका नव्या पद्धतीची (फेरबदलाची) आवश्यकता होती, जी बँकेला आर्थिक लँडस्केप नेव्हिगेट करण्यासाठी आवश्यक साधनांसह सुसज्ज करील.
पुढच्या पिढीसाठी एमएल मॉडेल तयार करणे :
हर्षिता यांनी पुढच्या पिढीचे (नेक्स्ट जनरेशन) मशीन लर्निंग मॉडेल तयार करायचे ठरवले. डेटा शास्त्रज्ञ, डेटा इंजिनियर्स व रिक्स एन्लायट्स (जोखीम विश्लेषक) यांच्या टीमचे नेतृत्व करीत, त्यांनी एक असे मॉडेल डिझाइन करण्यात मदत केली. जे मॉडेल प्रगत अल्गोरिदम, रिअल-टाइम डेटाचा फायदा घेऊन डीफॉल्ट्सचा अंदाज लावून, अचूकतेच्या पातळीपलीकडे जाईल. त्यांचा दृष्टिकोन केवळ मॉडेलमध्ये सुधारणा करण्याबद्दल नव्हता; तर बँकेने जोखीम कशी व्यवस्थापित केली याबद्दलची क्रांती घडवून आणणे हा होता. अत्याधुनिक मशीन लर्निंग तंत्रांचा समावेश करून, तिने हे सुनिश्चित केले की, नवीन मॉडेल आर्थिक धक्क्यांचा सामना करू शकेल, बँकेला गृह कर्ज पोर्टफोलिओ व्यवस्थापित करण्यासाठी एक सक्रिय सुविधा प्रदान करील.
जोखीम व्यवस्थापन :
जोखीम व्यवस्थापन म्हणजे एक नवीन सुधारित पद्धत, ज्यामुळे कंपन्या त्यांच्या जोखमींना अधिक चांगल्या प्रकारे हाताळू शकतात. हर्षिता यांनी विकसित केलेल्या मशीन लर्निंग मॉडेलने या क्षेत्राला एक नवीन दिशा दिली. त्यामुळे कंपन्या अचूक आणि अधिक संख्येने भविष्यवाणी करू शकतात. तसेच त्यांच्या जोखमींचे व्यवस्थापन अधिक प्रभावीपणे करू शकतात. याचा परिणाम म्हणजे कर्जाच्या विलंबाची संख्या कमी होते. आर्थिक संकटाच्या काळात कंपन्यांना अधिक सुरक्षित राहण्यास मदत होते. हे सर्व म्हणजे जोखमीच्या व्यवस्थापनात एक नवीन उदाहरण घालून देण्यासारखे होते.
हर्षिता यांच्या कामाचा परिणाम खूप मोठा होता. त्यांनी विकसित केलेल्या पुढील पिढीच्या मॉडेलने कर्जाच्या निलंबनाची खूपच अचूक भाकिते केली गेली आणि बँकेला अधिक लक्ष केंद्रित व प्रभावी उपाययोजना लागू करण्याची क्षमता प्राप्त झाली. त्यामुळे कर्जवसुलीच्या विलंबाचे प्रमाण कमी झाले आणि बँकेला आर्थिक अनिश्चिततेत चांगले काम करणे सोपे झाले. तिच्या नावीन्यपूर्ण दृष्टिकोनाने जोखमीच्या व्यवस्थापनात नवीन उदाहरण स्थापित केले गेले आणि हे दाखवले की, आधुनिक मशीन लर्निंग तंत्रे वित्तीय सेवांच्या क्षेत्रात, विशेषतः संकटाच्या काळात किती महत्त्वाची भूमिका बजावू शकतात.
हर्षिता या वित्तीय सेवा क्षेत्रात प्रसिद्ध असून, त्यांच्याकडे प्रगल्भ नेतृत्व म्हणून पाहिले जात आहे. हर्षिता यांच्याकडे समस्यांचे निराकरण करताना नावीन्यपूर्ण उपायांनी सोडविण्याचे कौशल्य आहे. मशीन लर्निंग, जोखमीच्या व्यवस्थापनात त्यांचे ज्ञान नेहमीच बदल घडविण्यात उपयुक्त ठरते. त्यांनी एका पुढील पिढीच्या मशीन लर्निंग मॉडेलचा विकास केला, ज्यामुळे बँकेने कर्जाचे विलंबत्व कमी करण्यासाठी एक नवीन दृष्टिकोन स्वीकारला. हर्षिता यांनी उत्कृष्टतेसाठी वचनबद्ध राहून, सुधारित वित्तीय तंत्रज्ञानाच्या दिशेने वाटचालीचा प्रगल्भ विचार समोर ठेवल्यामुळे हा बदल शक्य झाला आहे.
