客户的故事

保护1.82亿无线用户免受伤害

80%

诈骗攻击减少

数百万

在潜在的欺诈成本上节省了多少美元

背景图像

工业:通信服务提供商

解决方案:威胁检测客户保留用户流失预测

bob体育客户端下载平台用例:Lakehouse三角洲湖机器学习

云:Azure

Databricks Lakehouse提供了一个统一的平台,将数据和人工智能结合在一起,bob体育客户端下载提供预测性解决方案,帮助我们在欺诈发生之前阻止欺诈,从而保护我们的客户和业务。”

- Kate Hopkins, AT&T副总裁

AT&T致力于为其1.82亿无线用户提供安全、可靠、无障碍的通信服务。每秒发生1000万笔交易,要想领先于欺诈者——从自动电话和短信到游戏和身份盗窃——就需要利用数据和人工智能的力量在攻击发生之前阻止攻击。但AT&T遗留的内部部署架构造成了基础设施的复杂性,并未能提供最佳客户体验所需的创新。通过Databricks Lakehouse对云中的数据基础设施进行现代化改造,AT&T能够实现数据和人工智能的统一方法。他们现在有超过100个ML型号的产品,可以更好地保护客户和他们的业务,使用实时数据、自动警报和建议来武装AT&T业务部门的员工。有了统一的数据和人工智能Lakehouse, AT&T已经大大减少了欺诈行为,并有了一个强有力的路线图,以提供更多数据驱动的解决方案,这将有助于在整个业务中普及人工智能。

超越遗留的本地数据架构

AT&T多年来一直在运营其on-prem环境。虽然他们在不同的用例中使用数据分析,但随着数据类型和数量的扩展,他们显然已经超出了原有基础设施的规模。欺诈检测和安全的关键干预措施需要来自不同系统的数十个团队的参与,首先获取欺诈洞察数据,然后将这些数据提供给零售、呼叫中心和在线系统,以进行警报和通知。这一过程旷日持久、效率低下、耗费资源且成本高昂。更重要的是,它是被动的,而不是主动的。用于检测欺诈的基于规则的技术使其难以领先于不良行为者,特别是随着越来越多复杂的欺诈企图困扰着客户和他们自己的业务。

与欺诈检测类似,AT&T也在努力获得优化调度所需的实时洞察和自动化。在他们的遗留系统上,AT&T无法统一数据点,使技术人员的故障排除技能与客户问题和位置相匹配。每次解决问题的失败尝试都会增加运营成本,同时影响客户体验。

AT&T副总裁Kate Hopkins说:“我们希望自动处理这些事情。我们如何才能停止自动电话和自动短信?我们如何让技术与正确的技能相匹配来解决问题,同时还考虑到交通和天气来预测他们何时到达房子?我们无法当场回答这些问题。很明显,我们在很大程度上利用了现有的技术。”

AT&T使用Databricks Lakehouse在欺诈发生前阻止欺诈

AT&T正在利用数据和人工智能提供预测性解决方案,保护客户免受欺诈。从本地架构转移到基于云的湖屋允许AT&T接收各种数据,将其标准化,然后运行ML模型,实时驱动欺诈警报。

主动阻止欺诈与Databricks Lakehouse

AT&T之所以选择迁移到Databricks Lakehouse平台,是因为该软件的开放性以及它们与bob体育客户端下载Databricks路线图的一致性。Kate解释说:“每个公司都在某种程度上将工作负载转移到云端,但我们选择了一条更大胆的道路。使用像Databricks和Delta Lake这样的工具,我们可以更快地获得云计算的好处。虽然其他航空公司可能会做更多的提升和转移,但我们不认为这是转型的秘诀。我们将更上一层楼。”

为此,AT&T首先与他们的数据科学团队一起推出了Databricks。他们将本地数据注入Delta Lake,将工作负载转移到云端,并创建了一个卓越中心(CoE),提供培训和社区支持,以扩大采用和数据民主化的范围。专注于欺诈检测作为他们的第一个用例,数据科学团队能够开发具有统一数据和人工智能的预测解决方案,以及无缝协作,在欺诈发生之前阻止欺诈。Kate说:“我们能够吸收来自不同系统的大量结构化和非结构化数据,将其标准化,然后构建ML模型,提供警报和建议,为我们呼叫中心、商店和在线的员工提供支持。”基于数据科学团队的积极经验,Databricks正在被引入AT&T业务部门的数据科学组织。

在欺诈发生前减少其影响

由于放弃了基于规则的欺诈系统,并创建了用于实时自动欺诈检测的ML模型,AT&T在生产中使用了100多个欺诈检测ML模型,减少了高达80%的欺诈行为。霍普金斯说:“现在我们的欺诈检测是实时的,我们可以战胜骗子,并在骗子利用系统、非法解锁、机器人电话和机器人短信以及身份盗窃等领域领先于他们。”

欺诈检测只是AT&T如何在Databricks Lakehouse平台上通过可扩展的、民主化的数据访问和人工智能产生影响的一个例子。bob体育客户端下载展望未来,AT&T将继续增加对调度、服务可靠性、覆盖质量和销售增长有利的用例的采用。他们的目标是到2023年完全脱离AT&T的现场数据湖。

展望未来,霍普金斯说:“我们仍然从数据分析中获得了很多商业利益,但这无法与我们应用人工智能时所能产生的利益规模相比。我们希望继续这一趋势,并加速这一趋势。我们知道这里有很多潜力,现在我们可以实现它了。”