客户的故事
实现大规模欺诈检测
垂直的用例:利用机器学习检测欺诈性证券交易
技术用例:数据摄取和ETL,机器学习
“砖,我们有一个有凝聚力的端到端流程与一个统一的团队致力于保护证券市场。”
高级副总裁——萨曼迈克尔FINRA的技术
美国金融业监管局(FINRA)是一个独立的非政府组织负责保护投资者通过确保美国证券市场公平和诚实的方式运作。FINRA监督12市场和交易所,3700家公司和600000多名经纪人。FINRA执行规则,阻止不良行为检测和防止不当行为在美国市场,管教成员打破规则。
的挑战
为了保护投资者,FINRA参与识别市场的欺诈计划。它有99%的股市和期权市场的约70%。为此,FINRA捕获所有事务数据更超过1000亿每一天不同的证券市场交易事件。FINRA然后使用机器学习算法来识别欺诈的行为模式进行调查。不幸的是,他们的遗产建筑师创造了一系列的挑战,无法有效地监控安全市场。挑战包括:
- 数据被存储在不同的内部系统是高度复杂和昂贵的建设和规模导致脆弱的数据管道
- 杂乱的开发和生产系统所需数据工程师将面向机器学习模型转化为复杂的SQL语句,通常为60 - 70页的代码
- 复杂的模型开发过程调试的难度和迭代模型和有限的跨团队的代码重用
- 长的开发周期由于分段数据科学家和工程团队
客户证明
解决方案
砖为金融业提供了一个统一的数据分析平台,把数据和先前孤立的团队协作,减少整体上市时间,提高可重用性的特征库,和提bob体育客户端下载高运营效率。砖,团队可以快速迭代ML检测模型和规模的努力100年每天数十亿的市场事件。因此,FINRA大大提高欺诈防范未来更安全的金融投资者在美国。
- 统一的数据分析平台,包括基础设施管理、数据砖运bob体育客户端下载行时,和互动空间流线机器学习模型的开发过程,同时减少基础设施成本
- 互动空间可以使他们的数据科学克服竖井迭代更快和更好地进行协作使用他们选择的代码(SQL, R或Python)都在相同的环境中
- 全面管理云服务允许团队专注于更高级的机器学习的相关问题域而不是DevOps工作
