Ränthetsen, yapay zeka destekli tahmin modellerini topluluk tarafından doğrulanmış performans günlükleriyle birleştirir, böylece sermaye tahsisi kararları varsayımlar yerine doğrulanmış verilere dayandırılabilir.
Küçük şirketlerin çoğu, fazla likiditeyi üç aylık mutabakatlara ve içgüdüsel hislere dayanarak yönetir. Bu durumlar arasında bir fırsat maliyeti ortaya çıkar: ne aktif olarak çalışan ne de dalgalanmalara karşı korunan sermaye. Karar verme materyalinin daha kullanılmadan güncelliğini yitirmesi için zaman vardır.
Sorun nadiren veri eksikliğinden kaynaklanır, ancak bunu zamanında yorumlayacak yapının eksikliğinden kaynaklanır. Manuel olarak birlikte tartılması gereken değişkenlerin sayısı arttıkça, önemli sinyallerin kalabalıkta kaybolma riski de artar.
Ränthetsen basit bir varsayıma dayanarak geliştirildi: sermaye tahsisi önerileri yalnızca önceden kabul edilmemeli, geriye dönük olarak da doğrulanabilir olmalıdır. Bu nedenle platform, birbirine bağlı iki parça etrafında yapılandırılmıştır: finansal verileri işleyen bir analiz motoru ve önceki tavsiyelerin gerçekte ne kadar işe yaradığını gösteren genel bir günlük.
Metodoloji, kendi fazla likiditesini yöneten ve bireysel tahminler yerine doğrulanmış verilere dayalı kararlar almak isteyen şirketlere yöneliktir. Platform bir finans yöneticisinin yerini almaz ancak devam eden çalışmalarda yapılandırılmış bir karar desteği işlevi görür.
Motor, rastlantısal olmayan, istatistiksel açıdan anlamlı kalıpları belirlemek için büyük miktarda geçmiş ve devam eden finansal verileri işler. Sonuçta her şirketin likidite profiline ve risk çerçevesine uyarlanmış öneriler ortaya çıkıyor.
Geçmiş nakit akışları ve piyasa verileri, üç aylık raporlarda belirgin hale gelmeden önce eğilimleri belirlemek için sürekli olarak güncellenen tahmine dayalı modellerde birleştirilir.
Algoritmik optimizasyon, şirketin risk iştahına göre uyarlanmış net limit değerleri ile getiri potansiyelini riske karşı dengelemek için kullanılır.
Yeni veriler geldikçe tavsiyeler sürekli olarak ayarlanarak, kararların likiditedeki değişikliklerin gerisinde kalmak yerine onlara ayak uydurmasına olanak sağlanır.
Platform tarafından oluşturulan her öneriye, sonuç bilinmeden önce zaman damgası vurulur. Sonuç daha sonra açık bir kayıtta yayınlanır; burada tahmin ile fiili sonuç arasındaki sapmalar zaman içinde takip edilebilir.
Muhasebe ve likiditeye yönelik mevcut akışlar, mevcut sistemler değiştirilmeden birbirine bağlanır. Başlangıç konumunu kalibre etmek için geçmiş veriler kullanılır.
Tahmine dayalı model, herhangi bir öneri yapılmadan önce şirketin spesifik hedeflerine, zaman ufkuna ve risk toleransına uyarlanır.
Öneriler, gerekçeleriyle birlikte sunulur, böylece sorumlu kişi nihai kararı tam şeffaflıkla verebilir.
Tüm finansal veriler, hem iletim hem de depolama sırasında şifrelemeyle GDPR'ye uygun olarak işlenir. Yalnızca analiz için gereken veri noktaları toplanır ve şirket hangi kaynakların bağlı olduğu konusunda tam kontrole sahiptir. Açık rıza olmadan hiçbir veri üçüncü şahıslara aktarılmaz.
Modeller, dağıtımdan önce geçmiş verilere göre doğrulanan zaman serisi analizi ve makine öğreniminin bir kombinasyonuna dayanmaktadır. Doğruluk, gerçek sonuçlara göre sürekli olarak test edilir; bu nedenle, tahminin doğru olup olmadığına bakılmaksızın sonuç günlüğü güncellenir.
Platformun maliyeti, sermayenin uzun süre atıl kalması veya yanlış tahsis edilmesi durumunda ortaya çıkan fırsat maliyetine göre belirlenmelidir. Her öneri ve sonucu genel kayıtta belgelendiğinden, maliyet getirisini varsayımlardan ziyade gerçek geçmişe dayalı olarak değerlendirmek mümkündür.