Implementierung eines Peer-Benchmarks unter Verwendung eines Machine Learning-Clusterings.
ML, Unsupervised Learning, Clustering, User Centered Design, Vorsorge
Für den Auftraggeber, die vlot AG, wird im Rahmen dieser Arbeit eine neue Komponente für ihre bestehende Vorsorgeanalyse entwickelt. Diese stellt die Situation einer Familie oder Einzelperson im Vergleich zu Anderen in einer ähnlichen Situation grafisch dar. Die User*innen sollen mit Hilfe des Peer-Vergleichs über ihre komplexe Vorsorgesituation informiert werden, um ihre eigene finanzielle Situation besser verstehen und einschätzen zu können.
Angesichts sinkender Renten und immer tieferer Umwandlungssätze werden finanzielles Wohlergehen und Altersvorsorge immer wichtiger. Finanzielle Vorsorge ist jedoch ein sehr komplexes Thema und für viele Menschen schwer verständlich. Die Komponente Peer-Vergleich soll die bestehenden Analyseergebnisse des vlot-Tools für die Nutzer*innen verständlich und besser nachvollziehbar machen.
Das Endprodukt setzt sich aus einem einfach verständlichen User-Interface und einer Machine-Learning-Pipeline zusammen. Letztere nutzt den k-Nearest-Neighbors-Algorithmus zur Abfrage entsprechender Familien oder Einzelpersonen aus einem bestehenden Datensatz. Eine Limitation des Vergleichs ist die mangelnde Aktualität und folglich fehlende Berücksichtigung zwischenzeitiger Veränderungen bei der Absicherung der Vergleichsgruppe. Jedoch sind diese zwischenzeitlichen Veränderungen die Absicht und meist das Ergebnis derselbigen Analyse. Folglich könnte dieses Problem in einem weiterführenden Projekt durch regelmässige Synchronisierung des Datensatzes mitigiert werden.
Projektdauer: 21.02.2020 - 19.09.2022, Aufwand in Personenstunden: 720h, Teamgrösse: 2
vlot AG, Eichstrasse 23, 8045 Zürich, www.vlot.ch
Linus Vettiger & Fabian Henzmann
Susanne Suter, susanne.suter@fhnw.ch
Marco Soldati, marco.soldati@fhnw.ch
