客戶的故事
實現大規模欺詐檢測
垂直的用例:利用機器學習檢測欺詐性證券交易
技術用例:數據攝取和ETL,機器學習
“磚,我們有一個有凝聚力的端到端流程與一個統一的團隊致力於保護證券市場。”
高級副總裁——薩曼邁克爾FINRA的技術
美國金融業監管局(FINRA)是一個獨立的非政府組織負責保護投資者通過確保美國證券市場公平和誠實的方式運作。FINRA監督12市場和交易所,3700家公司和600000多名經紀人。FINRA執行規則,阻止不良行為檢測和防止不當行為在美國市場,管教成員打破規則。
的挑戰
為了保護投資者,FINRA參與識別市場的欺詐計劃。它有99%的股市和期權市場的約70%。為此,FINRA捕獲所有事務數據更超過1000億每一天不同的證券市場交易事件。FINRA然後使用機器學習算法來識別欺詐的行為模式進行調查。不幸的是,他們的遺產建築師創造了一係列的挑戰,無法有效地監控安全市場。挑戰包括:
- 數據被存儲在不同的內部係統是高度複雜和昂貴的建設和規模導致脆弱的數據管道
- 雜亂的開發和生產係統所需數據工程師將麵向機器學習模型轉化為複雜的SQL語句,通常為60 - 70頁的代碼
- 複雜的模型開發過程調試的難度和迭代模型和有限的跨團隊的代碼重用
- 長的開發周期由於分段數據科學家和工程團隊
客戶證明
解決方案
磚為金融業提供了一個統一的數據分析平台,把數據和先前孤立的團隊協作,減少整體上市時間,提高可重用性的特征庫,和提Beplay体育安卓版本高運營效率。磚,團隊可以快速迭代ML檢測模型和規模的努力100年每天數十億的市場事件。因此,FINRA大大提高欺詐防範未來更安全的金融投資者在美國。
- 統一的數據分析平台,包括基礎設施管理、數據磚運Beplay体育安卓版本行時,和互動空間流線機器學習模型的開發過程,同時減少基礎設施成本
- 互動空間可以使他們的數據科學克服豎井迭代更快和更好地進行協作使用他們選擇的代碼(SQL, R或Python)都在相同的環境中
- 全麵管理雲服務允許團隊專注於更高級的機器學習的相關問題域而不是DevOps工作
