Dataiku 機器學習強化信用卡詐欺分析
內容目錄
自從 1950 年“Diners Club Card”出現以來，信用卡一直是詐欺犯的目標。隨著新技術的發展和互聯網的出現，創造了新的玩弄系統和清空銀行帳戶的法門。銀行和零售商有責任確保消費者的支付安全，因此現在——比以往任何時候——面臨詐欺的企業都應該更認真看待這個問題。
根據聯邦貿易委員會的數據，2020 年的報告指出，僅僅在美國消費者因為詐欺（信用卡或身份盜竊）就損失了超過 33 億美元。如果企業希望保護客戶並控制詐欺造成的成本，那就需要對造成這類損失的詐欺行為持續監控並保持警惕。
機器學習加速詐欺分析
詐欺檢測的規則很複雜也很完善，但是它們通常是以商業邏輯制定的，因此要不是會造成大量錯誤警報，要不就是遺漏重要的詐欺事件。根據一位 Dataiku 客戶（一家每天分析 20,000 到 40,000 筆交易的零售銀行）的經驗，使用機器學習的邏輯增強設置，可以減少 40% 的誤報並改善新的檢測模型。
致力於減少信用卡詐欺的企業通常願意採納更新的防詐技術，但他們往往也會擔心微小的改動導致系統中斷，另一個挑戰是能否快速驗證真實數據變動的影響。
Dataiku 商務解決方案團隊的目標是為反詐欺團隊，提供單一的平台來管理商業邏輯以及機器學習 (ML) 方法。該團隊創建了一個完整的解決方案，利用沙盒實驗確保採用 ML 的效益，而不會影響既有方法的成果。
Dataiku 的商務解決方案 (Business Solutions) 如何幫助您充分發揮潛力？
商務解決方案 (Business Solutions) 是 Dataiku 附加功能，可加速在您的組織內實現基礎及進階的產業特定用例。它們是實現實際商業價值的營運捷徑，基於 Dataiku 的核心功能，它們是可以完全客製化和可編輯的。
它們擁有：
- 用戶友善的界面，可以進行微調以匹配特定的業務需求
- 可客製化的儀表板模板
- 說明文件和培訓素材
Dataiku 產業專家為每個垂直領域開發解決方案，其中包含：
- 零售和 CPG：配銷足跡、購物籃分析、RFM 客戶生命週期價值、產品推薦
- 金融服務和保險： ESG 互動式智慧文檔、現代保險定價、AML 警報分類
- 健康和製藥： 全通路行銷、藥物利用加速
- 製造和能源：預測性維護、異常值檢測
因此，商業專業人士體驗到人工智能生產力的提升，並可以合理化運用他們的資源。
實際上如何運作？
信用卡詐欺解決方案提供了一個可複製的方法，透過結合 ML 與商業邏輯，來增強現有的信用卡詐欺解決方案。
借助此解決方案，支付/信用卡負責人、風險或詐欺負責人、詐欺分析師或數據科學家能夠：
- 將業務和 ML 規則，結合詐欺檢測方法，整合在一個統一的評分模型中。
- 借助功能強大的模型洞察應用程式，利用快速、全面的分析洞察力探索數據。
- 使用實時 API 整合和警報管理：透過 API 輕鬆部署最終模型，並用儀表板分析警報。
從用戶的角度來看，該解決方案由以下易於使用的組件組成：
✓ 商業邏輯和機器學習邏輯：
透過統一的評分模型開發全面的詐欺檢測方法，將商業邏輯和 ML 邏輯結合起來。
✓ 強大的數據探索：
探索現有及新開發的規則和模型，了解對警報生成和交易數據背後行為的影響。
✓ 可解釋的模型洞察：
警報檢測和評分模型，使潛在相關變量的洞察易於理解，以便創建新的或修改現有商業邏輯。
✓ 簡化模型批准和審查：
輕鬆查看警報生成、評分模型和數據的偏差以簡化審批，隨著時間的推移，也可以使用相同的簡單流程重新評估模型。
滿足以下簡單條件，就可以立即開始在詐欺檢測模型中實施機器學習：
- 擁有過去警報和交易數據的歷史數據
- Dataiku 10.0 以上版本
本文翻譯自：Using ML to Enhance Credit Card Fraud Analysis
了解更多 Dataiku 產品資訊：Dataiku – 企業級資料分析平台
