Siam RegTech for Fintech Challenge
- 2.
- 5. Thailand GDP 13ล้ำนล้ำนบำท
- 6. 2% ของ 13ล้ำนล้ำน = 2.6 แสนล้ำน
- 8. Machine Learning and Crowdsourced Validation for Anti-MoneyLaundering SIAM REGTECH
- 16. Solution • สอน machinesให้รู้จักหำ patterns ของกำรฟอกเงิน จำกข้อมูล transactions • ให้ควำมสำคัญกับเบำะแสจำก social media และกำรร้องเรียนผ่ำนภำครัฐ
- 17. Process Data Sets –regulators Data Storage + Preparation Data Mining Data Analysis + GPU (speed) Data Collection
- 18. Key Partners –Data + Advices • Thai Regulators and Authorities • Thai Financial Institutions
- 19. Team ธนัท ทองอุทัยศรี • 10years – AUS prof. exp. • Building collaboration • Sourcing advanced tech • Team building พัทธพล กำญจนพิมลกุล • Mathematical & Computation Science • Aspiring entrepreneur
- 20. Advisors (AI -NLP & Data Mining) ศ.ดร. ธนำรักษ์ ธีระมั่นคง • นักวิจัยดีเด่นแห่งชำติ ICT • ศำสตรำจำรย์ • นำยกสมำคม กรกฏ เชำวนวำณิชย์ • Senior Data Scientist • NLP ภำษำไทย & Deep Learning ดร.วิชญ์ เนียรนำทตระกูล • Ph.D. in data mining • 5 startups
- 21. Advisors (Data Science& Privacy) ดร. ศักดิ์รภี ไพสิฐเกรียงไกร • Data Scientist รำเมศ สังข์สุวรรณ • Data Scientist • STelligence วิลำสินี เทพสุนทร • วิศวกรอำวุโส • data privacy & anonymity
- 22. Why us? 1. Buildcollaboration between data owners 2. Regulators - afraid to outsource technology from foreign startups 3. Usage of crowdsourcing 4. On August 25th ,
- 25.
- 26.
- 27. Business Model –Revenue • Social Enterprise ไม่แสวงหำผลกำไรให้ผู้ถือหุ้น • รำยได้จำกกำรรวมองค์ประกอบดังต่อไปนี้ • ตำมจำนวนเงินที่กู้คืนมำได้ เช่น 0.1% ของมูลค่ำ • ตำมปริมำณข้อมูลที่ต้องวิเครำะห์ เช่น 1 บำทต่อ GB • ตำมจำนวนกรณีที่ยืนยันว่ำกระทำผิดจริง เช่น • 10,000 บำท - มูลค่ำรวมตั้งแต่ห้ำแสนบำทขึ้นไป • 1,000 บำท - มูลค่ำน้อยกว่ำห้ำแสนบำท
- 28. Business Model –Expenditure • ค่ำใช้จ่ำยหลัก: • ค่ำตอบแทน data scientists & advisors • ค่ำบริกำร tools และ cloud service • กำไรจำกผลประกอบกำร นำกลับมำลงทุนด้ำน R & D ที่ เพิ่มประสิทธิภำพให้กระบวนกำรทำงำนได้จริง
Editor's Notes
- #16 การฟอกเงิน - ผู้เชี่ยวชาญ (หายาก) ข้อมูล - มหาศาล (million to billion) Regulator – prone to corruption
- #19 ก.ล.ต.: สำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์ ธปท.: ธนาคารแห่งประเทศไทย ปปง.: สำนักงานป้องกันและปราบปรามการฟอกเงิน MAS: Monetary Authority of Singapore FCA: Financial Conduct Authority (UK) ASIC: Australian Securities & Investments Commissions FINRA: Financial Industry Regulatory Authority FINMA: Swiss Financial Market Supervisory Authority
- #23 Q that they ask: สำนักงานคณะกรรมการ ก.ล.ต. (SEC : Securities and Exchange Commission, Thailand) – khun Pii @ SEC - Very interested in this idea. 1)DataRobot. Current Financial regulator – not interested in using foreign tech./outsourcing หมี เพื่อจะได้เข้าฟังพี่ไวท์ในวันที่ ๑๘ ส.ค. แต่จะไม่ได้ถามเกี่ยวกับโครงการ Siam RegTech – advisor ส่วนพี่หมอกจะช่วยไปเจรจาขอ datasets จาก ก.ล.ต. ให้ในเช้าวันเสาร์ที่ ๑๙ ส.ค.ครับ