Capital One 運用機器學習技術,強化詐騙防護功能

保護客戶,同時減少誤判情況

Capital One 是美國規模最大的銀行之一,也是規模最大的數位銀行。隨著客戶逐漸放棄前往實體銀行改在線上的方式使用網路銀行,Capital One 也擁抱新的技術,採用 AI 和機器學習解決方案,並且幾乎將這些解決方案應用到營運的每一個層面,以智慧充實客戶體驗。


其中 Capital One 將機器學習應用在詐騙偵測範圍的領域。世界上最危險的網路罪犯有部分會瞄準金融服務產業,因此資料安全性更不容忽視。根據 2018 年白宮經濟顧問委員會所做的調查報告,最近幾年惡意網路活動造成的經濟損失,高達 570 億美元至 1090 億美元之間,其中以入侵金融業的數量最多。

機器學習擁有分散到多個儲存中心的大量資料,這項技術向來非常重要,因為 Capital One 致力保障客戶的財務健康 — 幫助客戶有更好的財務能力、能留意詐騙並盡量減少誤判,以及更妥善地管理支出。

Capital One 機器學習部副總經理 Nitzan Mekel-Bobrov 哲學博士說:「在過去幾年,我們意識到唯有充分利用機器學習,才能增強使用者體驗,以及協助我們針對與客戶的互動,做出更周延的決策。我們不斷建置更精密的系統,以充分利用各種結構化和非結構化資料。這讓我們可以更準確地預測交易是否為詐騙活動。」

利用一套廣泛的機器學習工具和架構,例如 TensorFlow on Amazon Web Services (AWS),Capital One 能分析大量資料,進而協助其即時偵測並防範詐騙。有可疑的行為發生時,Capital One 會自動提醒客戶、陪客戶走完詐騙舉報步驟、協助客戶鎖卡並訂購新的金融卡,然後解鎖臨時卡,讓客戶不致陷入無法用錢的窘境。運用更龐大的資料、更長久的資料記錄及進階的演算法,Capital One 能專注於利用機器學習,來徹底革新防範詐欺控管機制。

「在過去幾年,我們意識到唯有充分利用機器學習,才能增強使用者體驗,以及協助我們針對與客戶的互動,做出更周延的決策。」

Nitzan Mekel-Bobrov 哲學博士
機器學習部副總經理
Capital One

「在過去幾年,我們意識到唯有充分利用機器學習,才能增強使用者體驗,以及協助我們針對與客戶的互動,做出更周延的決策。」

Nitzan Mekel-Bobrov 哲學博士
機器學習部副總經理
Capital One

對 Capital One 來說,使用 AWS 的資料分析和機器學習產品帶來龐大的新商機,讓他們可以客製化使用者體驗,以及能取得更多深入分析資料,來了解與客戶的互動並協助通知重要的業務決策。甚至這也適用於銀行的客服中心,他們將語音辨識技術用於自動化訓練和驗證系統,讓驗證系統在過去 18 個月內的準確度提升約兩倍。

Mekel-Bobrov 表示:「我們用機器學習,防範詐騙進而保護客戶。但很多事情都是一體兩面,一方面,這是我們防禦策略的重要一部分,但另一方面,難免遇到交易遭拒的負面體驗,實際上不應如此。這幫助我們具備保護能力,而不是過度保護。」

就 Mekel-Bobrov 的觀點來說,誤判會引起客戶不悅,甚至導致客戶流失。Mekel-Bobrov 指出:「我們現在能使用機器學習,以更加動態的方式,持續在正反兩面中取得更好的平衡。我們可以繼續優化提供充分保護的優勢,但不藉由過多的誤判來提供過度的保護。」

更重要的是,AWS 雲端讓 Capital One 能部署各種內部軟體和機器學習工具,讓銀行可以即時駕馭其資料,在高度管制的產業裡,快速提供必要的解決方案。此外,由於 AWS 雲端擁有媲美現場部署資料中心的安全性 ( 在大多數情況下甚至更安全),所以能夠運用這些創新技術,同時堅守其保護客戶及其資料的責任。

Mekel-Bobrov 表示:「透過 AWS 和我們轉向雲端的計畫,我們可以建置真正最新式的機器學習生態系統,讓我們的所有資料保持連線且全面可用。這讓我們可以部署自動設為接收資料的模型,進而自動擴展我們的基礎設施,甚至安插我們自己的解決方案,以增加彈性,如此一來,我們就可以專注於更妥善地利用機器學習來解救大家。」

資料來源:partners.wsj.com

Kia 使用 ML 降低車輛事故的死亡率

進一步了解 »

Zendesk 使用 ML 協助許多公司提供更快的客戶服務

進一步了解 »

GE Healthcare 透過 ML 獲得更佳的醫療保健成果

進一步了解 »

T-Mobile 使用 ML 讓客戶服務更加人性化

進一步了解 »