Mesterséges intelligenciával támogatott, BI-alapú döntéstámogató rendszer kifejlesztése cégcsoportok számára, komplex pénzügyi, jogi feladatok optimalizálására

A K+F projekt célja egy olyan, mesterséges intelligenciával támogatott, üzleti intelligencia-alapú döntéstámogató rendszer (szoftver rendszer és vezetéstámogató módszer) létrehozása, amely előre rögzített szabályok alapján gyűjt információkat, majd ezek intelligens elemzését követően magyar nyelven segítséget nyújt a menedzsmentnek a különböző befektetési, pénzügyi, számviteli és tenderezési folyamatokban. Az új NOVA rendszer, csatlakozva az ERP és más szakmai rendszerekhez, jogtárakhoz, különböző komplex pénzügyi, jogi problémák megoldásában és feladatok optimalizálásában segíti majd a cégcsoportok és nagyvállalatok vezetőségeit. Az új döntéstámogató rendszer és vezetéstámogató módszertan alapja a pénzügyi, jogi, termelési területekhez értő, tanácsadó szakértők által létrehozandó szabályrendszer lesz. A szakértők által kialakítandó komplex szabályok specifikus pénzügyi és jogi összefüggéseket tartalmaznak majd, és a kiértékelésükhöz szükséges paramétereket, pénzügyi adatokat a rendszer a felhasználó cégvezető által feltett konkrét kérdések feldolgozását követően, egy DWH adattárházból veszi majd át, BI eszközök segítségével elemzi, majd megjeleníti. A kifejlesztendő új NOVA döntéstámogató rendszerrel a vezetők szabadszöveges társalgás formájában beszélgethetnek, vagy akár közvetlenül használhatják a nagyobb felkészültséget igénylő BI elemző felületeket. A rendszer képes lesz arra, hogy szóban ismertesse a szakértők által összeállított szabálygyűjtemény elemeit, döntéstámogató területeket, elemzési módszereket. Ennek hatására a mesterséges intelligencia, ha szükséges visszakérdez, további paramétereket kér és pontosítja az adatokat, majd elindítja a kívánt elemzést, amelynek eredményeit, diagramjait megjeleníti a képernyőn/kivetítőn, és szóban közli az elemzés eredményét. Amennyiben a felhasználó ezt követően szóban kéri, akkor a rendszer megjeleníti a döntés alátámasztó magyarázatát (módszerek, szabályok, adatok stb.).

A Szegedi Tudományegyetem kutatóinak első feladata a szakterület megismerése, az elérhető adatok összegyűjtése és rendszerezése, valamint a kapcsolódó gépi tanulási és mesterséges intelligencia algoritmusok kiválasztása és kipróbálása volt. Az adattudományok területén nemcsak a megfelelő algoritmusok alkalmazása a prioritás, hanem értelmezni kell azt is, hogy milyen adattal dolgoznak a szakemberek és ismerni kell, hogy melyik mutatót hogyan és hol érdemes használniuk. Az SZTE kutatói feltérképezték, hogy a cégek működési és pénzügyi adatait feldolgozva hogyan kell kimutatásokat készíteni és elősegíteni egy vállalat döntéshozatalát, valamint definiálták, hogy mely pénzügyi mutatók értékesek számukra és melyek nem. A projekt ezen fázisában két cégadatbázist használtak az algoritmusok vizsgálatára és kiértékelésére. Az adatbázisok különböző formátumban voltak elérhetőek, ezért XML feldolgozás alkalmazásával egységesítették azokat, majd adattisztítást végeztek, illetve a meglévő adatokat felhasználva további, számukra jobban használható jellemzőket definiáltak. Többdimenziós komponens analízist (PCA) végeztek az adatokon, és ennek eredményeiről kimutatásokat készítettek, hogy kiemeljék az információt a számos attribútum közül. Egy cégre vonatkozó kérdés megválaszolásához hasonló cégek mutatóit kell figyelembe venni, amihez különböző klaszterező algoritmusokat vizsgáltak meg. Kimutatták, hogy különböző algoritmusok eltérő csoportokba rendezik a vállalatokat. A rendelkezésre álló részletes pénzügyi adatokon a változók viselkedését vizsgálták egydimenziós klaszterezéssel és megállapították, hogy nincs a pénzügyi mutatók között önmagában megosztó karakteriséggel bíró, a cégeket határozottan szétválasztó változó. Kimutatták, hogy minél specifikusabb a felhasználó érdeklődésének meghatározása a cégek iránt, annál optimálisabb és megbízhatóbb a csoportosítás eredménye. Az interaktív vizualizáció terén folytatott kísérleteik során látták, hogy az eszköz tartalmazhat új lehetőségeket összefüggések meglátására kevés dimenzióra szűrt vizsgálatok esetében, azonban ennek felhasználása további vizsgálatokat igényel.

A projektet 2020. május elsején kezdték el a partnerek és 2023. április 30-ig tart.

SZTEinfo