Kunden schützen und gleichzeitig Falschmeldungen reduzieren
Capital One ist eine der größten Banken in den Vereinigten Staaten und außerdem die größte digitale Bank. Da Verbraucher verstärkt digitale Methoden den analogen vorziehen, begrüßt Capital One neue Technologien, um KI- und Machine-Learning-Lösungen in nahezu jedem Bereich des Unternehmens einzurichten und anzuwenden und mit Intelligenz für ein besseres Kundenerlebnis zu sorgen.
Ein Bereich, in dem Capital One Machine Learning anwendet, ist die Betrugserkennung. Einige der weltweit schlimmsten Cyber-Kriminellen konzentrieren sich auf die Finanzdienstleistungsbranche – Sicherheit ist daher in diesem Bereich besonders wichtig. Laut einem Bericht des Wirtschaftsrats des Weißen Hauses (CEA) im Jahr 2018 haben böswillige Cyberaktivitäten in den letzten Jahren die Wirtschaft zwischen 57 und 109 Milliarden US-Dollar gekostet, wobei der Finanzsektor die meisten Verstöße aller Branchen verzeichnete.
Aufgrund der großen, über zahlreiche Speicherzentren verteilten Datenmengen, ist Machine Learning von unschätzbarem Wert für die Arbeit von Capital One, um das finanzielle Wohl seiner Kunden zu schützen – Machine Learning ermöglicht ihnen eine verstärkte finanzielle Handlungsfähigkeit, bessere Betrugserkennung und die Reduzierung von Falschmeldungen sowie die Möglichkeit Ausgaben besser zu verwalten.
„Wir haben in den letzten Jahren erkannt, wie wichtig es ist, Machine Learning zu nutzen, um die Nutzererfahrung zu verbessern und selbst fundiertere Entscheidungen in Bezug auf die Einbindung unserer Kunden zu treffen“, sagt Nitzan Mekel-Bobrov, Ph.D., Managing Vice President of Machine Learning bei Capital One. „Wir entwickeln fortlaufend komplexere Systeme, die eine Vielzahl strukturierter und unstrukturierter Daten nutzen können. Dies ermöglicht uns genauere Vorhersagen darüber, ob eine Aktivität betrügerisch ist oder nicht.“
Capital One nutzt eine breite Palette von Machine-Learning-Tools und -Frameworks, wie z. B. TensorFlow für Amazon Web Services (AWS), und kann große Datenmengen analysieren, wodurch Betrug in Echtzeit erkannt und verhindert wird. Wenn verdächtige Aktivitäten auftreten, werden die Kunden automatisch von Capital One benachrichtigt und durch die Schritte zur Betrugsmeldung geführt. Außerdem wird ihnen dabei geholfen, ihre Karte zu sperren, eine neue zu bestellen sowie eine temporäre Karte freizuschalten, damit sie weiterhin Käufe tätigen können. Deutlich höhere Datenmengen, längere Datenhistorien und fortschrittliche Algorithmen erlauben es Capital One, Machine Learning zu nutzen, um die Betrugsbekämpfung zu revolutionieren.
„Wir haben in den letzten Jahren erkannt, wie wichtig es ist, Machine Learning zu nutzen, um die Nutzererfahrung zu verbessern und um selbst fundiertere Entscheidungen in Bezug auf die Einbindung unserer Kunden zu treffen.“
Nitzan Mekel-Bobrov, Ph.D.
Managing Vice President of Machine Learning
Capital One
„Wir haben in den letzten Jahren erkannt, wie wichtig es ist, Machine Learning zu nutzen, um die Nutzererfahrung zu verbessern und um selbst fundiertere Entscheidungen in Bezug auf die Einbindung unserer Kunden zu treffen.“
Nitzan Mekel-Bobrov, Ph.D.
Managing Vice President of Machine Learning
Capital One
Für Capital One bietet die Verwendung von Datenanalysen und Machine Learning in AWS zahlreiche neue Möglichkeiten, um die Nutzererfahrung anzupassen und einen besseren Einblick in die Kundenbindung zu erhalten sowie wichtige Geschäftsentscheidungen zu treffen. Dies gilt sogar für die Call Center der Bank, wo Spracherkennungstechnologie in einem automatisierten Schulungs- und Validierungssystem eingesetzt wird, dessen Genauigkeit sich in den letzten 18 Monaten ungefähr verdoppelt hat.
„Mit Machine Learning schützen wir unsere Kunden, indem wir Betrug verhindern. Es handelt sich um zwei Seiten der selben Medaille“, sagt Mekel-Bobrov. „Zum einen ist es ein wesentlicher Bestandteil unserer Verteidigungsstrategie. Andererseits verhindert es eine negative Erfahrung von Kunden, die eine Ablehnung erhalten, obwohl dies nicht der Fall sein sollte. So können wir Kunden schützen, ohne dabei überfürsorglich zu sein.“
Laut Mekel-Bobrov sind Falschmeldungen bekannt dafür, Kunden zu verärgern, und können sogar zum Verlust von Kunden führen. „Was wir heute dank Machine Learning erreichen können, ist, auf eine dynamischere Art und Weise ein Gleichgewicht zwischen den beiden Seiten der Gleichung herzustellen“, erklärt Mekel-Bobrov. „Wir können diesen Sweetspot weiter optimieren, d. h. ausreichenden Schutz bieten, ohne es mit zu vielen Falschmeldungen zu übertreiben.“
Entscheidend ist, dass die AWS-Cloud es Capital One ermöglicht, eine Reihe von Inhouse-Software und Tools für Machine Learning zu implementieren. Dadurch kann die Bank ihre Daten in Echtzeit nutzen und die schnellen Lösungen bereitstellen, die in einer derart stark regulierten Branche unerlässlich sind. Und da die AWS-Cloud genauso sicher ist wie ein lokales Rechenzentrum – und oft sogar noch sicherer –, kann sie diese Innovationen anwenden und gleichzeitig ihrer Verantwortung für den Schutz der Kunden und ihrer Daten gerecht werden.
„Mit AWS und unserer Migration in die Cloud können wir ein wirklich modernes Ökosystem für Machine Learning aufbauen, in dem alle unsere Daten verbunden und vollständig verfügbar sind“, sagt Mekel-Bobrov. „Dadurch können wir Modelle bereitstellen, die automatisch auf eingehende Daten eingestellt werden, unsere Infrastruktur automatisch skalieren und sogar unsere eigenen Lösungen einbinden, um noch mehr Flexibilität bieten zu können. Auf diese Weise können wir uns auf einen potenziell lebensrettenden Einsatz von Machine Learning konzentrieren.“
Von partners.wsj.com