고객 사례

Ml로다시태어난모바일뱅킹

6

분석을위해데이터를제공하는속도가엄청나게향상되었습니다。6시간이나걸리던여러가지작업이지금은불과6초로단축되었습니다。”

——汇丰(HSBC)的阿莱西奥•巴索(Alessio Basso)，수석아키텍트

汇丰银行(HSBC)는데이터와분석을활용하면3900만명이넘는고객에게더나은서비스를제공할엄청난기회가있다는것을알고있습니다。모바일결제를혁신할기회를찾아소셜결제앱PayMe를개발했습니다。PayMe는홈그라운드인홍콩시장에출시된이후180만명이상의사용자를확보하며현지앱순위1위를달성했습니다。

빠르게증가하는고객층에최고의모바일결제경험을제공하기위해,데이터와머신러닝을활용하여사기행위탐지,고객360등다양한모범사용사례를얻어마케팅결정,개인화등을지원할수있는방법을모색했습니다。그러나이런사용사례를안전하고,빠르고,확장가능한방식으로제공하는모델을구축하는작업이생각보다어려웠습니다。

느린데이터파이프라인이데이터업데이트저해:기존시스템은대규모로데이터를처리하고분석하는데방해가되었습니다。데이터를수동으로내보내고샘플링해야했기때문에시간이오래걸렸습니다。데이터사이언스팀에데이터가전달되기까지몇주가걸리고,데이터를활용한예측이불가능했습니다。
수동데이터내보내기및마스킹:기존프로세스는수동승인양식으로모든데이터요청을작성해야해,오류가발생하기쉬웠습니다。게다가수동마스킹프로세스는시간이오래걸리고,엄격한데이터품질및보호규정을충실히지키지않았습니다。
비효율적인데이터사이언스:데이터사이언티스트들은개인컴퓨터의사용자정의환경에서독립적으로작업했기때문에원시데이터를탐색하고대규모로모델을훈련하는데한계가있었습니다。따라서협업이어렵고모델이터레이션도매우느렸습니다。
데이터활용의어려움:데이터애널리스트가비즈니스인텔리전스를얻고보고하려면구조적데이터의하위집합에액세스해야했습니다。

汇丰银行(HSBC)는NLP및머신러닝을사용하여PayMe앱에서발생한각거래의의도를쉽게파악할수있습니다。이런다양한정보는고객에게추천을제공하거나,비정상적인활동을줄이는등의다양한사용사례에적용할수있습니다。

Azure砖를사용한이후,데이터엔지니어링,데이터사이언스및분석전문가의데이터분석을통합할수있게되었습니다。

운영효율성향상:클러스터자동확장,三角洲湖지원등의기능으로데이터수집에서전체머신러닝수명주기관리에이르기까지모든운영이개선되었습니다。
三角洲湖로실시간데이터마스킹:汇丰银行(HSBC)는砖및三角洲湖를사용하여데이터사이언스및데이터분석팀에익명화한프로덕션데이터를안전하게실시간으로제공할수있었습니다。
三角洲湖로적절한성능의확장형데이터파이프라인구현:다운스트림분석과머신러닝에실시간데이터처리를제공할수있게되었습니다。
데이터사이언스및엔지니어링간협업:빠른데이터탐색,반복적기능엔지니어링,신속한모델개발과훈련을지원합니다。

汇丰银行(HSBC)는砖의통합데이터분석플랫폼을통해데이터엔지니어링에서毫升모델프로덕션에이르기까지분석의모든측면을중앙으로한데모아더욱풍부한비즈니스인사이트를제공합니다。