Von Ralf Keuper
Um einen besseren Überblick über die eigenen Finanzen zu bekommen und die Abhängigkeit von Banken zu reduzieren, haben viele Unternehmen eigene Inhouse-Banken aufgebaut[1]Inhouse Banking – Die Bank im eigenen Haus.
Mittlerweile lassen sich die Cashmanagement- und Treasury-Prozesse durch Machine Learning erheblich beschleunigen und die Aussagekraft der Auswertungen und Reports erhöhen. Ein Feld, das u.a. von dem Enterprise Trovata beackert wird. Das Unternehmen konnte vor wenigen Tagen eine Finanzierungsrunde in Höhe von 20 Mio. Dollar abschließen[2]Trovata.io raises $20 million to aggregate enterprise bank accounts with AI.
Trovata fungiert als hochleistungsfähiger Data Lake zur Speicherung und Verwaltung von Bankdaten in einer skalierbaren Multi-Bank-Umgebung. Die Plattform sammelt und normalisiert Daten und generiert dann eine Prognose. Dabei nutzt sie maschinelles Lernen, um eine Basislinie zu erstellen und historische Trends zu analysieren, wodurch die Prognosegenauigkeit erhöht wird. Die Unternehmen können auf diese Weise ihr Cash-Reporting und die Erstellung von Analysen und Prognosen automatisieren…
References