问题
方法论
该过程分为三个阶段，连续执行，初次连接数据源后无需手动输入。
该系统连接会计和银行来源，并将交易数据标准化为适合统计处理的标准化格式。
神经网络将当前现金流模式与历史数据集进行比较，并计算特定范围内的一系列可能结果。
该平台会生成具有指定置信度的具体分配建议，并将其记录在可用于追溯验证的日志中。
平台模块
每个模块都处理相同的数据集，但回答不同的问题：现在发生了什么，风险有多大，以及在不同条件下会发生什么。
监控
持续更新流动性和资金流入指标，当偏离通常模式超过规定阈值时发出警告。
风险
该模型根据收入波动性和资金来源的集中度，为每项拟议的分配分配风险暴露评分。
模拟
在做出决定之前比较多个假设的分配方案，显示一系列结果，而不是单一的孤立评估。
可验证的结果
按周呈现推荐分配与实际分配之间的关系，并按具有可比收入状况的用户组进行汇总。
每个建议在用户实施之前都会被记录下来，从而防止对结果进行追溯调整。显示偏差而不从日志中删除负面结果。
该记录可供平台用户随时独立验证算法精度，而不仅仅是在发布时。
企业主问题
数据通过加密连接传输，并与用户的身份数据分开存储。分析模块的访问权限仅限于帐户持有人，不得将数据出售给第三方。
连接标准数据源通常需要几个工作日，具体取决于银行账户的数量和现有报告的格式。初始连接后，处理将自动进行。
准确性是通过将预测的结果范围与同期实际记录的结果进行比较来计算的，并将差异发布在公共记录中，而不选择性地遗漏数据。