Fincome Nexboost traite un grand volume de données sur les concerts et le marché pour faire apparaître des recommandations ajustées en fonction du risque, puis publie les journaux de performances qui en résultent afin que chaque réclamation puisse être vérifiée par rapport à un dossier ouvert plutôt que prise en toute confiance.
Les modifications des frais de plateforme, les augmentations de la demande et les changements saisonniers peuvent modifier le rendement horaire effectif d'un travailleur d'une semaine à l'autre. La plupart des participants réagissent avec habitude et instinct plutôt qu’avec une analyse structurée, en grande partie parce que le volume de données pertinentes dépasse ce qu’une personne peut raisonnablement suivre manuellement.
Fincome Nexboost a été construit sur un principe plus étroit : l'application d'une analyse cohérente et fondée sur des données aux décisions de revenus supplémentaires – quand accepter quel travail, où réinvestir les bénéfices et quel risque prendre en même temps – produit des résultats plus stables que l'intuition seule, et que les résultats de cette démarche devraient être ouverts à l'inspection.
Le revenu supplémentaire ne devrait pas nécessiter une nouvelle estimation chaque semaine.
Les modèles de Fincome Nexboost ingèrent des données historiques et en direct relatives aux flux de revenus d'un utilisateur (taux de plateforme, modèles de demande locale et activité au niveau du compte) et traduisent ce volume en un petit ensemble de recommandations concrètes et ajustées en fonction du risque. L’objectif est de réduire les incertitudes inhérentes au choix de la meilleure répartition du temps ou du capital, et non de prédire les résultats avec certitude.
La méthodologie ci-dessous est décrite dans l'ordre dans lequel une recommandation circule généralement dans le système, du signal brut à la décision sur laquelle l'utilisateur peut agir.
Le modèle examine en permanence les tendances selon l'heure de la journée, la catégorie de plateforme et la demande régionale afin d'identifier les fenêtres où les rendements observés ont été historiquement plus favorables. Les résultats sont présentés sous forme de probabilités et de plages, et non de prévisions fixes, afin que les utilisateurs puissent les comparer à leurs propres contraintes.
Chaque recommandation est associée à une évaluation de l’exposition à la baisse : le degré de concentration de l’activité, son caractère réversible et sa sensibilité à une plateforme ou à un marché unique. Les utilisateurs voient cela parallèlement à l’opportunité elle-même, plutôt que comme une étape distincte ou facultative.
À mesure que l'historique des données d'un utilisateur s'allonge, le système recalibre son guidage plutôt que de répéter des règles fixes. Une personne travaillant quelques heures par semaine et une personne gérant plusieurs flux de revenus à la fois reçoivent des seuils différents, construits à partir de leur propre activité enregistrée.
Plutôt que de demander aux utilisateurs d'accepter les affirmations sur les résultats, Fincome Nexboost maintient une structure de journal dans laquelle les performances des recommandations sont enregistrées et rendues visibles à la communauté qui les a générées. Les entrées sont horodatées et catégorisées afin que les modèles – y compris les modèles défavorables – restent une partie de l’enregistrement.
Le format de tableau ci-dessous illustre la façon dont les entrées du journal sont structurées une fois que le journal public est actif. Il est présenté ici sous forme d’exemple de mise en page plutôt que de figures réelles.
Structure illustrative – non remplie de données en direct
| Fin de semaine | Catégorie | Variation observée | Statut |
|---|---|---|---|
| Champ de format | Champ de format | Champ de format | Exemple de ligne |
| Champ de format | Champ de format | Champ de format | Exemple de ligne |
Un covoiturage ou un livreur utilise des recommandations hebdomadaires pour ajuster les heures et les plates-formes qu'il privilégie, dans le but de réduire les temps d'inactivité sans augmenter l'exposition aux périodes de faible demande.
Un petit investisseur alloue une partie de ses revenus à des positions diversifiées signalées comme étant à faible volatilité par le cadre de risque, en utilisant les journaux pour comparer les performances d'allocations similaires pour d'autres.
Un travailleur exécutant simultanément deux ou trois plates-formes de travail utilise l'évaluation de la concentration pour éviter de trop dépendre d'une seule application, en réaffectant le temps lorsqu'un flux présente une variance croissante.
Les données d'activité et de compte soumises à Fincome Nexboost sont utilisées pour générer et affiner les recommandations et les entrées de journal. Il n'est pas vendu à des tiers et les utilisateurs peuvent à tout moment demander la suppression des données de leur compte personnel via la page de contact. Les chiffres agrégés et anonymisés peuvent rester dans le journal public à des fins de vérification.
Fincome Nexboost est conçu pour être utilisé par les personnes opérant dans l'économie des petits boulots canadienne, quelle que soit la province. Les recommandations tiennent compte des variations régionales de la demande lorsque des données suffisantes existent, et l'interface est conçue pour fonctionner sur les navigateurs mobiles standard sans nécessiter d'application dédiée.
Les résultats sont mesurés par rapport à la fourchette spécifique prévue au moment où une recommandation a été émise, et non par rapport à un chiffre moyen ou optimal. Cet écart, qu'il soit favorable ou non, est ce qui alimente les journaux de transparence, c'est pourquoi l'enregistrement inclut des résultats inférieurs aux attentes.
Aucun engagement n’est requis pour examiner une démo. Fincome Nexboost ne garantit pas de résultats financiers spécifiques.