零工收入会因平台、季节和需求而波动。手动决定如何分配收入意味着每次情况发生变化时都要重新评估风险，这既耗时又容易出现不一致。
| 手动分析 | 使用 Bright Dividenward 进行 AI 优化决策 |
|---|---|
| 风险承受能力只进行一次评估，很少会随着收入或情况的变化而重新审视。 | 随着新的收入和支出数据的到来，风险状况会不断重新计算。 |
| 决策依赖于最近注意到的数据点，而不是整体情况。 | 建议借鉴了完整的、带有时间戳的收入波动历史。 |
| 审查选项需要专门的时间，而演出日程很少能容纳。 | 分析在后台运行，仅显示需要输入的决策。 |
| 由于没有一致的比较基准，错误会悄悄地复合。 | 每项建议都会根据规定的风险阈值进行记录，以供日后审查。 |
三个组件一起运行：数据摄取、风险分析和执行指导。每个都被设计为可审计的而不是不透明的。
平台在平台支付记录、交易时间和相关市场指标到达时对其进行处理。它不是每周进行批量分析，而是标记同一时段内的波动性变化，因此建议反映的是当前状况而不是上个月的模式。
您对波动性的容忍度并不是固定的。安静的月份、主要平台的变化或储蓄目标的转变都会改变分数。 Bright Dividenward 会重新计算概率，对近期行为的权重高于历史平均值，并向您显示变化的方向。
无论是在忙碌的一周后分配小额盈余，还是在安静的季度后分配更多资金，基本逻辑都保持一致。头寸规模按比例调整，因此无论金额是适度还是大量，都适用相同的风险阈值。
当工具为财务决策提供信息时，透明度就很重要。可以在您的帐户活动日志中检查以下每个阶段。
链接相关收入流和账户。数据在此阶段是只读的，仅用于分析。
初始风险阈值是根据您陈述的偏好和历史收入波动性设定的。
该模型产生一系列结果的概率，而不是一个单一的保证数字。
在代表您采取任何行动之前，您可以批准、拒绝或调整阈值。
这些示例说明了所应用的逻辑类型，但不保证任何个人帐户的结果。
送货司机在六周假期期间的收入明显高于一年中其他时间。
一名自由设计师从三个具有不同支付时间表和可靠性的平台获取收入。
一名拼车司机每周减少照顾家人的时间，导致月收入减少三分之一。
Bright Dividenward 的开发是为了解决一个特定的差距：大多数财务分析工具都假设月薪稳定。零工和补充收入者的运作方式不同，收入因周、平台和季节而异。
我们的方法将数据驱动的建模与每项建议的简单语言解释相结合，因此您可以在知情的情况下做出决定，而不是在没有监督的情况下自动做出决定。
对有关数据处理、风险和集成的常见问题的结构化解答。
仅提供评估收入模式和风险所需的数据，通常对支付记录和相关账户余额进行只读访问。每一步未经您的明确批准，任何资金都不会转移。
它从一份简短的调查问卷和您的历史收入变化开始，然后根据观察到的行为进行调整。您可以在帐户内随时查看和修改阈值。
不会。所有输出都是概率性的，反映了基于现有数据的一系列可能的结果。过去的模式为模型提供了信息，但并不能确定地确定未来的结果。
集成取决于所涉及的平台及其可用的数据共享权限。支持的连接会在入职期间列出，并且在无法直接集成的情况下，手动数据输入仍然是一个选项。
数据在传输过程中和静态时都经过加密。访问连接尽可能是只读的，您可以随时从设置中撤销任何链接的帐户。