华为实例：机器学习攻克金融欺诈难题

在最重要的时候，实时做出明智的决策。

传统数据库技术专注于分析历史数据 ，以获得对业务绩效的后视理解。虽然分析业务的来源非常重要，但 为了获得竞争优势 并使您的应用程序与众不同， 利用深度学习并在事件中采取行动至关重要 。

构建强大的预测分析模型只是成功的一半 。利用生产中的模型进行实时决策是机器学习的关键要素，然而这说起来容易做起来难。

大多数组织都将历史数据存储在多个位置，例如数据仓库，数据湖，ERP系统等。除了现有数据之外，大量数据始终以非常高的速度从多个源流入。

在生产环境中，模型需要不断地摄取，训练历史数据并以非常低的延迟实时操作。

VoltDB旨在实现机器学习的实时操作。  

VoltDB可以无缝地：

• 摄取和分析快速流式大数据，同时查询历史数据以 不断改进模型 。

• 通过PMML，PFA和其他标准 导入 数据科学家构建的 复杂模型 ， 确保快速实施和一致性 。

• 基于复杂的机器学习规则 实时处理传入事件 。

• 提供无与伦比的 高性能 和 亚毫秒的响应时间 。同时在热路径中 更新模型 ，同时 保持系统可用性 。

• 动态提供服务，实现 高灵活性 并 降低总成本 。

• 保证ACID合规性 ，这对于金融服务和电信中的企业应用尤其重要。

案例分享：实时机器学习

欺诈识别

通过将您的欺诈系统从 交易后 检测系统更改为适当的 交易中 预防系统，您可以降低运营成本，减少误报，并在发生时阻止欺诈。

超个性化

实时应用程序或服务必须以具有高度个性化的体验预测并 积极地吸引客户 。

使用快速数据实现这一目标需要能够即时收集，探索，分析和处理多个数据流的工具。

这些工具允许企业使用来自快速移动数据的实时分析的洞察力来制定数据驱动的决策。

华为选择VoltDB为其金融服务欺诈检测解决方案FusionInsight提供支持

面临的挑战：

• 将欺诈检测从 “后”交易 转移到 在线 。

• 通过实时欺诈分析 扩展FusionInsight平台 。

• 查找 可在FusionInsight中轻松部署的系统 ，该系统提供：部署灵活性，可管理成本和财务级安全性。

解决方案：

• 嵌入在FusionInsights中的VoltDB可以执行：

• 每次金融交易有数千个查询，具有 低延迟 （<50ms）和 高吞吐量 （> 10k tps） 。

• 每秒监控10,000次复杂交易， 99.99％的交易在不到50ms的时间内完成 。

• 在 几毫秒内 对每笔交易应用数百条规则和评分， 将欺诈检测 从数周转移到实时 。

结果：

• 性能比传统欺诈检测系统高 10 倍。

• 欺诈案件减少 50％ 以上。

• 防止欺诈损失每年节省超过 1500万 美元。

阅读完整的 华为案例研究，请访问官网或官微。

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/69903219/viewspace-2375144/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/69903219/viewspace-2375144/