实时决策的六个用例 - 从诈骗预防到分析，了解全球企业如何利用Volt Active Data平台推动数字化转型。

介绍

作为人类，我们天生就想要即刻拥有东西。即时满足感是一种强大的力量，当前的实时经济反映了这一点。业务方之间的事务在实时的数字化，逐渐自动化（M2M通信、物联网、人工智能和机器学习）并完成。

根据Volt Active Data的​​等待心理调查​​，当被问及“实时意味着什么”时，超过70%的受访者表示“立即”。即时满足的需求推动了实时经济的发展，也因此涌现出了大批试图创建使用实时决策的新型应用程序的供应商。

但是，如果没有合适的基础数据平台来支持应用程序快速接收和处理数据的能力，就不可能进行实时决策。如果没有一个平台可以通过情景智力来积极支持你的数据需求并确保你按需使用（就数据而言），那么您最终将是在原地踏步并慢慢落后于颠覆者。

这本电子书提供了六个实时决策的使用案例，展示了企业如何充分利用Volt Active Data平台支持5G的数据。

利用机器学习实时预防诈骗

欺诈无处不在。根据​​LexisNexis True Cost of Fraud 2016​​的报告，“自去年以来，诈骗交易的平均数量和价值急剧上升。诈骗占收入的百分比也有所上升。”

鉴于现状，我们完全有理由相信这一趋势将持续或加速。边缘交易数量的增长、每分钟或每秒刷卡次数的增加以及移动和电子商务诈骗的增加使情况变得更糟。

根据巴克莱卡（BarclayCard）委托Javelin Strategy & Research的​​电子商务承兑支付优化研究​​表明，更多的商家关注的是承兑而非预防。专注于承兑会增加收入，但也会导致诈骗还款和声誉上的损失。然而当你专注于诈骗时，可能会导致问题误报。做出正确的决策并减少误报对于吸引和留住客户和商家都至关重要。

但这个问题上只是投入更多资源是不够的。更多的诈骗尝试成功了，纵使有资金投入到了检测工作中，人工诈骗检测被庞大的交易量淹没。现实情况是，传统诈骗检测措施的成本正在迅速膨胀，而与此同时，诈骗者正在不断创新以应对策检测手段。诈骗者和公司之间的斗争背后有一个简单的事实：诈骗检测只是事后纠正，而不是一开始就预防。因此，随着时间的推移，诈骗检测工作的实际价值越来越低。

从检测转变为预防

通过将诈骗系统从交易后检测系统更改为交易内预防系统，你可以降低运营成本、减少误报并在诈骗发生时进行阻止。

在选择诈骗解决方案或其基础技术时，务必牢记一些关键要求。对于交易内的处理，你需要快速且可扩展的技术，最好是在商品硬件上。你需要每秒处理数千次刷卡、NFV点击和在线支付，而诈骗检测的时间预算只有几毫秒。

此外，你需要确保诈骗解决方案稳定且有弹性。除了现有的有关财务数据的规则外，还需要确保系统在做出决策时基于正确的数据。随着事务节奏的加速，数据同步的速度将不够快；你需要立即保持数据的同步。此外，由于节点宕机而丢失数据是不可接受的。

华为

​​华为​​是全球领先的信息和通信技术解决方案供应商，也是消费电子巨头。他们借助由Volt Active Data提供支持的​​FusionInsight​​平台，为头部银行提供诈骗分析。

华为之所以选择Volt Active Data，是因为他们需要一个能够在低延迟（<50ms）和高吞吐量（>10ktps）的情况下，在每笔金融交易中执行数千次查询的系统。华为使用Volt Active Data每秒监控1万笔复杂交易，99.99%的交易在50毫秒内完成。华为在几毫秒内对每笔交易应用数百条规则和评分检查，将原本需要数周的诈骗检测应用到实时交易中。

华为和Volt Active Data提供的性能是传统诈骗检测的10倍，诈骗案件减少了50%以上，每年从诈骗损失中节省了1500多万美元。

通过超个性化提升客户体验

人们一般都会想要更加个性化的产品、服务和体验。这是推动机器学习发展和兴趣的重要用例之一。参与个性化内容或体验的客户更有可能与该产品或服务建立个人联系，并持续使用。

个性化已经不新奇了，但如何更好的满足个性化需求变得越来越困难。企业需要在短时间内提供更相关、更个性化的客户体验。为了满足现代和未来的需求，任何个性化都必须实时迎合每个客户的需求或品味。