用ML重塑手机银行

作为最大的国际银行之一，汇丰银行(HSBC)正在引入一种跨移动设备管理数字支付的新方式。他们开发了PayMe，这是一款社交应用程序，可以促进消费者和他们的网络之间即时安全的无现金交易。拥有超过3900万客户的汇丰银行努力克服阻止他们做出数据驱动决策的可伸缩性限制。通过Databricks，他们能够扩展数据分析和机器学习，以满足以客户为中心的用例，包括个性化、推荐、网络科学和欺诈检测。

数据科学和工程努力利用数据

汇丰明白，通过数据和分析，他们可以更好地为3900多万客户提供服务。他们看到了重塑移动支付的机会，开发了社交支付应用PayMe。自从在香港本土市场推出以来，他们已经成为该地区排名第一的应用程序，拥有180多万用户。

为了给快速增长的客户群提供最好的移动支付体验，他们利用数据和机器学习来实现各种所需的用例，如检测欺诈活动、客户360为营销决策提供信息、个性化等等。然而，构建能够以安全、快速和可伸缩的方式交付这些用例的模型说起来容易做起来难。

• 缓慢的数据管道导致了陈旧的数据:遗留系统阻碍了他们大规模处理和分析数据的能力。他们需要手动导出和采样数据，这很耗时。这导致数据在交付给数据科学团队时已经是几周前的数据了，这阻碍了他们的预测能力。
• 手动数据导出和屏蔽:遗留流程需要为每个数据请求填写手动审批表单，这很容易出错。此外，手动屏蔽过程很耗时，并且没有遵守严格的数据质量和保护规则。
• 低效的数据科学:数据科学家在自己的机器和自定义环境中工作，限制了他们探索原始数据和大规模训练模型的能力。结果，协作很差，模型的迭代非常缓慢。
• 数据分析师努力利用数据:需要访问用于业务智能和报告的结构化数据子集。