Frollo 提供了在 AWS 上開放銀行業務的快速通道

開放銀行在澳洲已成為現實。2020 年 7 月，消費者資料權利 (CDR) 啟動，因此該國四大銀行的客戶將能與經過認證的接收者共用個人銀行資料。CDR 賦予消費者權利，讓他們自己控制財務資料，以更妥善地管理個人財務，進而找到最適合他們需求的產品。

Frollo 是經澳洲競爭與消費者委員會 (ACCC) 認證的首批資料接收者之一，可根據新的 CDR 規則存取客戶銀行資料。目標驅動型 FinTech 致力於幫助人們對金錢感覺良好。Frollo 為消費者提供了一種簡便方法來扭轉他們的財務狀況，並幫助企業為客戶執行相同動作。

迄今為止，Frollo 消費者應用程式擁有 120,000 名使用者，而使用者可以安全地連結所有帳戶，從而讓他們能夠全面彙總地了解財務狀況，並透過智慧洞察來改善財務狀況。銀行和 FinTech 可以透過其應用程式設計介面 (API)、軟體開發套件 (SDK) 或白標應用程式利用 Frollo 的科技，從而節省軟體開發的時間和資金。

「Frollo 使銀行能夠超越現時的能力，開發一種真正的參與模式，為客戶提供更多的資金管理和預算功能，」Frollo 創辦人兼執行長 Gareth Gumbley說道。

資料擴充是 Frollo 取得成功的秘訣。FinTech 可為 B2B 客戶提供服務，例如 Virgin Money，他們求助於 Frollo 在軟體即服務 (SaaS) 平台上提供後端 API。

Frollo Data Enrichment API 提供了資料擴充解決方案，例如可對客戶交易進行分類及識別商家。該 API 和支援機器學習 (ML) 模型將消費者支出分為 60 多個類別，例如旅遊、稅金和日常雜貨。

為了使 Frollo 提供高階資料粒度，它需要建立能夠提供所需 ML 工具的正確基礎設施。FinTech 最初在 Heroku 雲端平台上執行其資料庫和核心運算平台，但希望在建置和部署 ML 演算法方面能擁有更多的獨立性。Frollo 還致力於為運算量巨大的 ML 執行個體優化其性價比。

因此，Frollo 找來了 Amazon Web Services (AWS) 進階諮詢合作夥伴 Itoc，而後者推薦使用 Amazon SageMaker 來啟用其 ML 演算法。Itoc 在一個月內協助設定了 Amazon SageMaker，隨後又負責將 Frollo 的核心工作負載遷移至 AWS。「作為一名實作顧問，Itoc 提供了很大的幫助，可確保我們出於合理原因使用恰當的工具，」Frollo 的資訊長 Tony Thrassis 說道。

Frollo 現可在 AWS 上執行大多數工作負載，且因其資料和分析能力、內建安全性控制和 ML 工具而選擇了該平台。藉助 Amazon SageMaker，Frollo 的資料科學家團隊意識到他們可以建置自己的 ML 演算法，並保留對訓練資料集的控制權。「憑藉 Amazon SageMaker，我們從未遇到過應用程式限制或效能問題。我們現在量測的交易分類和商家識別的端對端延遲為 1,500 毫秒，」Thrassis 說道。

透過將其核心工作負載遷移到 AWS，Frollo 現在可以存取更廣泛的 AWS 安全和資料管理服務，進而支援新的業務領域。除了其應用程式和白標解決方案外，Frollo 還推出了 AWS 雲端原生 Frollo Product Reference Data (PRD) API 入口網站，而這項服務可供銀行託管其產品參考資料，如利率、費用和資格標準，這是 CDR 要求。

這種形式的資料通常會透過公有 API 發佈在銀行網站上，而這些 API 已成為駭客的誘人目標。Frollo 透過結合使用 AWS Shield 和 AWS Web Application Firewall (AWS WAF)，來保護其應用程式 (包括其 PRD 入口網站) 免受常見的網路攻擊，例如分散式拒絕服務 (DDoS) 攻擊。它還仰賴 Amazon API Gateway 為產品參考資料建立一個安全的前端存取點。

為釐定信用等級，借貸平台通常會使用螢幕抓取或手動文件審查。若為螢幕抓取，則客戶的使用者 ID 和密碼可用於獲取其銀行帳戶的 Web 檢視所允許的任何資料，並且沒有存取時間限制。

另一方面，Frollo 安全可靠的開放銀行平台會嚴格遵守 ACCC 安全與合規規則。透過銀行或 FinTech 應用程式取得客戶同意後，Frollo API 只能存取使用者指定的金融帳戶，期限最長為 12 個月。運用 Frollo 的方法，則只需 20 秒即可收集貸款申請人的收益、負債和風險交易資訊，而螢幕抓取通常需要 3−5 分鐘。

「我們可以提供的資料更為豐富，因為我們可將其與特定交易或信貸產品相關聯，這樣一來，最終即可借貸程序中的風險。」 Frollo 的 ML 模型的分類準確率為 95%，而這對於提供借貸平台自信評估信用等級所需的洞察和減少貸款決策的「同意時間」至關重要。

現在是 FinTech 和銀行利用 CDR 發揮優勢，以及增強與客戶之關係的最佳時機，否則客戶可能會選擇更為敏捷的競爭對手，進而導致客戶流失。Frollo 現時是 AWS 精選技術合作夥伴，可幫助其他 AWS 客戶做好開放銀行準備。

「我們從一開始就受益於 AWS 團隊的主動支援，而這加速了我們的實作工作，並促成了一個真正豐富且合規的 ML 程序。迄今為止，我們還沒有遇到過不能一起解決挑戰的情況，」Gumbley 說道。