Going Global: RegTech et apprentissage automatique

Le potentiel de revenus de la mondialisation est trop énorme pour être ignoré. Ajoutez à cela les opportunités supplémentaires pour les investissements étrangers et les joint-ventures, l'accès à des talents divers et l'expansion de votre marque dans de nouveaux pays, et il est évident que les marchés mondiaux constituent la colonne vertébrale de notre économie. Cela nécessite une position de leader sur le marché mondial, ce qui est généralement déterminé par le succès de votre expansion dans de nouveaux pays.

Avant d’entrer dans un nouveau pays, les sociétés internationales analysent son écosystème économique en fonction de paramètres tels que la taille du marché, la force, le pouvoir d’achat, l’importation. capacité d'exportation et complexité de la législation. La plupart de ces données sont disponibles gratuitement dans les bases de données de la Banque mondiale, au moins à un niveau élevé.

L’indice de complexité économique (ECI) est l’un des critères clés, défini comme une mesure des propriétés de production du pays. C'est une quantité mesurable pour classer la complexité et la force économique des pays. En outre, les conseillers fiscaux et les experts du marché locaux donnent un premier aperçu des efforts nécessaires pour pénétrer un nouveau marché. Les dimensions d'une telle analyse peuvent permettre de cartographier le potentiel de revenus du segment de marché visé par rapport à la complexité de l'entreprise.

Dans un scénario idéal, les rendements élevés du marché et la facilité des affaires dans un pays donné vont de pair. Il pourrait être tentant de conquérir des marchés déréglementés. Cependant, les concurrents sont peut-être déjà prêts à dominer des marchés aussi attractifs. En conséquence, les entreprises capables de gérer des entreprises dans des environnements complexes deviennent souvent les leaders mondiaux du marché. Leur efficacité opérationnelle est optimisée dans des conditions difficiles tout en conquérant de grands marchés, ce qui les aide à faire face à la concurrence (quadrant supérieur droit).

Et c’est précisément là que RegTech IT peut aider les entreprises cherchant à pénétrer des marchés aussi complexes et rentables, en assurant une gagnez dans le quadrant supérieur droit magique.

Les lois et règlements locaux sont les facteurs les plus importants à la base de la complexité de la création d’entreprises dans les nouveaux pays. Ils influencent considérablement l’agilité avec laquelle les entreprises (mondiales) peuvent proposer leurs produits sur les marchés locaux. La fréquence des modifications légales par an peut devenir un facteur clé de la complexité. De plus, il peut être nécessaire de respecter les réglementations spécifiques à chaque branche. Dans le cadre de la transformation numérique plusieurs autorités fiscales ont maintenant commencé à demander à leurs contribuables un reporting fiscal en temps réel. De telles exigences juridiques peuvent imposer des investissements informatiques immédiats importants avant même d'entrer sur un marché local.

Complexité de la localisation de pays

La décision d'un acteur mondial de se lancer dans les affaires dans un pays est souvent influencée par un «instinct» plus que par lui. critères objectifs et chiffres mesurables. La complexité de la localisation des pays (CLC), définie par la complexité de la législation, la diversité de la réglementation, les pénalités de non-conformité et les obligations en matière de rapport, est un paramètre de plus en plus important pour les entreprises mondiales. année. Pour cette raison, nous avons besoin d'outils flexibles au lieu de rapports statiques pour analyser ces facteurs de manière dynamique.

Exploiter l'apprentissage machine pour analyser la complexité de la localisation d'un pays

L'apprentissage machine (ML) peut nous aider à analyser le CLC en: apprendre des données historiques comme les publications et la documentation officielles. Les sources de ces données proviennent généralement des sites Web des autorités locales.

La supervision supervisée maintient automatiquement à jour les comparaisons entre pays et le classement détaillé de la complexité par pays, sur la base des nouvelles données fournies par les évaluations des utilisateurs experts. En plus de cela, les algorithmes ML peuvent indiquer quelles parties du paysage informatique des entreprises nécessiteront vraisemblablement une amélioration en raison d'exigences légales nouvelles (ou à venir). En outre, ML peut aider à déterminer les efforts nécessaires pour mettre en place ou maintenir une infrastructure informatique existante juridiquement conforme dans un pays donné.

Nous sommes aujourd’hui sur le point de perdre de grandes quantités de données juridiques (provenant, par exemple, de sites Web gouvernementaux). Performances informatiques pour traiter ces données. L'apprentissage automatique est l'outil idéal pour exploiter ces mines de données.

Outils intelligents du commerce

Voici quelques-unes des techniques utilisées pour analyser la complexité de la localisation d'un pays:

• Des algorithmes tels que Naïve Bayes et Deep Learning peut déterminer si de nouveaux documents juridiques (tels que des décrets, des notes de fournisseurs de logiciels et des résumés de consultation) requièrent l'attention d'une entreprise d'un secteur spécifique.

• En allant d'un niveau plus profond, les réseaux de neurones autorisent la classification multiple ou le vote, car ils gèrent les non-linéarités en faisant varier le nombre de couches cachées.

• L'indexation sémantique latente (LSI) est une autre procédure importante de récupération d'informations (légales), particulièrement importante pour la recherche et la structuration . Données . LSI a pour objectif d'identifier les principales composantes des documents (juridiques). Les composants principaux sont des termes généraux ou des classifications.

• Alternativement, Word2Vec est une méthode contextuelle permettant de conserver des termes sémantiquement similaires. Par exemple, le mot «paiement» comprend tous les termes tels que «chèque postdaté», «virement bancaire» ou «lettre de change». De cette manière, cette procédure est utile pour regrouper sémantiquement tous les mots associés à «paiement». même si le mot «paiement» n'apparaît pas dans le texte. LSI peut également aider à distinguer les documents faisant référence à des taxes de ceux dans lesquels le mot «paiement» apparaît, mais dont le paiement est, par exemple, lié à un paiement de loterie.

Apprentissage automatique: guider les clients internationaux dans les décisions locales [19659008] Dans l'économie mondiale d'aujourd'hui, les réglementations locales spécifiques déterminent toujours les règles de gestion des affaires. ML peut analyser la complexité de la législation pour chaque pays et comparer les différences juridiques entre les pays présentant un intérêt. Bien que les services de conseil fiscal jouent toujours un rôle dans le conseil pour les décisions d’investissement de marché, nous considérons le ML comme un ensemble d’outils en pleine expansion permettant de prendre en charge des éléments clés de ces services de conseil et d’alerte.

Les algorithmes de ML tirent des enseignements de la diversité des réglementations nationales et de leurs modifications. , leur fréquence et leur comparaison avec les changements, même dans d’autres pays. Par exemple, le Brésil serait considéré comme «très complexe» en ce qui concerne les catégories de taxes telles que les taxes ICMS, la taxe de vente et les taxes IPI, tandis que les autres pays ont une structure fiscale plus simple basée uniquement sur la TVA. ML peut, par exemple, analyser les déclarations fiscales et alerter les entreprises de la date et de la marche à suivre pour se conformer à la loi et éviter les amendes. Les données non biaisées sur la complexité de la localisation des pays, analysées par ML, permettent aux dirigeants de prendre des décisions d'investissement efficaces plutôt que de s'appuyer sur des présentations de haut niveau.

La CLC permet non seulement de réduire le coût de la conformité pour les entreprises opérant sur des marchés établis, mais aide également les entreprises pendant leurs décisions d'entrée sur le marché.

Références

• McCulloch, Warren; Walter Pitts (1943). “Un calcul logique d’idées immanentes à l’activité nerveuse” Bulletin of Mathematical Biophysics. 5 (4): 115-13

• Scott Deerwester, Susan Dumais, George Furnas, Thomas Landauer et Richard Harshman: Indexation par analyse sémantique latente. Dans: Journal de la société américaine pour la science de l'information. 1990

• Mikolov, Tomas; et al. “Estimation efficace de représentations de mots dans l'espace vectoriel”

<! – Comments ->