大数据分析和深度学习能发现印度最大的银行诈骗案吗?

苏马病Das
苏马病Das
2018年4月4日 5分钟阅读

这是一个r. 11亿美元(还在增加)的问题,这个问题的答案只用一个词——“是”。! 到目前为止,从媒体的报道中可以看出,在挪用公款的过程中,很有可能是人为的纵容. 因此, 此外,这种挪用并不涉及使用复杂的技术. 这很有可能是(除非调查证明另有蹊径)内鬼干的. 但在行为已经完成的时候发现欺诈已经太晚了. 银行需要的是以业务结果为中心, 技术支持分析解决方案,在欺诈发生之前识别其可能性. 所以,再问一次,强制应用技术真的能防止损失吗? 这个问题的答案也是,取决于相关条件.

理解银行欺诈

减少欺诈行为是银行的首要任务,这已不是什么秘密. 据注册欺诈检查协会称,企业损失超过3美元.全球每年有5万亿美元用于欺诈. 这个问题在包括保险业在内的整个金融行业都很普遍,而且正变得越来越普遍和复杂. 随着顾客的行为越来越多 银行 通过更多的在线渠道, 设备和地理位置, 有更多的机会和更多的“表面积”发生欺诈. 更糟糕的是,骗子们正变得越来越有创造力和技术悟性. 他们还利用机器学习等先进技术和新方案来欺骗银行. 传统的欺诈检测和补救方法是必要的,但它们在一定程度上仍然有效, 因为传统工具根本无法有效且经济地处理所谓的大数据. “大数据分析”可以使公司部署和集成丰富的和新的数据类型,以产生新的和更复杂的分析,以对抗欺诈者,并不断改进传统方法的循环,以打击欺诈. 在一些测试用例中, 这些分析非常有效,不仅可以暴露欺诈者本身, 但是他们的网络和人, 他们接触或将要接触的地方和过程.

减少欺诈行为是银行的首要任务,这已不是什么秘密.

印度储备银行(RBI)强烈建议使用技术来遏制欺诈. 主要建议包括在欺诈风险管理小组内设立一个交易监测小组, 警报产生和补救机制, 专门的电子邮件编号和电话号码,供举报涉嫌诈骗. 识别欺诈的旧方法, 例如使用人类编写的规则引擎, 只抓住一小部分的欺诈案例,产生大量的假阳性. 假阳性, 顾名思义, 是否与显示为欺诈但不需要大量时间投资的案件有关, 人们和金钱去调查那些被证明是死胡同的东西. 虽然无法确定在最近的欺诈案中使用了什么系统和流程,因为很难获得细节, 很明显,红旗要么没有出现,要么出现了, 被忽视还是被故意忽视. 银行, 和许多其他公司一样, 此外,hga030皇冠welcome - 你知道的百科全书-hga030皇冠welcome有限公司-appleappstore-hga030皇冠welcome排行榜还面临着一个非常小的团队负责调查数量庞大的欺诈案件的挑战. 不管是什么情况, 仅靠人类干预就能打击金融欺诈吗?

欺诈检测 & 缓解

时机至关重要. 银行官员需要在付款或提供贷款前识别欺诈行为,因为一旦付款就很难收回. 因此,解决方案是做出战略决策,应用创新的分析技术,如深度学习,包括神经网络, 机器学习和人工智能(AI), 以更好地识别欺诈实例,同时减少假阳性. 如今,人工智能驱动的欺诈平台可以在不到300毫秒的时间内分析传入的交易. 鉴于银行业现在完全电子化, 无论是个人还是公司的欺诈者, 尽管他们尽了最大努力不被发现,表现得很合法, 在数据可视化的帮助下,会留下与数百万其他事务相关的微小数据痕迹吗, 可以通过连接和关联来识别欺诈行为. 银行家可以识别可疑行为,并扣留看似欺诈的付款或贷款. 拥有机器学习和高级分析等技术的欺诈调查人员可以审查这些案件,以便采取进一步行动. 人工智能和深度学习模型也将允许该银行的工程师使用, 数据科学家, 业务范围, 以及国际刑警组织的调查人员, 当地警方, 和其他机构合作揭发欺诈行为, 包括复杂的诈骗团伙.

欺诈检测 & 缓解

时机至关重要. 银行官员需要在付款或提供贷款前识别欺诈行为,因为一旦付款就很难收回. 因此,解决方案是做出战略决策,应用创新的分析技术,如深度学习,包括神经网络, 机器学习和人工智能(AI), 以更好地识别欺诈实例,同时减少假阳性. 如今,人工智能驱动的欺诈平台可以在不到300毫秒的时间内分析传入的交易. 鉴于银行业现在完全电子化, 无论是个人还是公司的欺诈者, 尽管他们尽了最大努力不被发现,表现得很合法, 在数据可视化的帮助下,会留下与数百万其他事务相关的微小数据痕迹吗, 可以通过连接和关联来识别欺诈行为. 银行家可以识别可疑行为,并扣留看似欺诈的付款或贷款. 拥有机器学习和高级分析等技术的欺诈调查人员可以审查这些案件,以便采取进一步行动. 人工智能和深度学习模型也将允许该银行的工程师使用, 数据科学家, 业务范围, 以及国际刑警组织的调查人员, 当地警方, 和其他机构合作揭发欺诈行为, 包括复杂的诈骗团伙.

2017年6月, 印度央行的《金融稳定报告》称,银行和金融机构的欺诈行为是金融部门面临的新风险之一. 印度央行的数据还显示,国有银行报告了8起,670起“贷款欺诈”案件,总计61卢比,26亿美元(9美元).580亿美元). 有趣的是,金融业也是最受数据驱动的行业之一. 德意志银行(Deutsche Bank)的一项研究在2012年底披露了这一点, 据估计,金融和证券机构正在管理3个.每个公司8拍字节的数据. 从那时起, 数据集的规模已经大幅增长, 因此,欺诈的类型和复杂性以及欺诈的检测和缓解已成为一项同样复杂和艰巨的挑战. 好消息是,人工智能支持的大数据和分析可以解决这个问题,并领先于法律另一边的人一步.

关于苏马病Das

苏马病Das是Teradata印度公司的董事总经理. 他拥有超过29年的技术行业领导经验,包括企业软件知识, 综合管理, 销售和业务发展, 战略咨询和专业服务及行政管理经验.

在Teradata, Souma负责提供领导 & 对公司印度业务的总体战略方向,监督包括销售在内的现场运营, 客户管理, 市场营销, 专业的服务和客户支持.

Souma是一个以结果为导向的主管,喜欢建设, 指导和培养团队,培养高绩效人才,为企业带来新的收入增长点.

加入Teradata之前, Souma是Qlik印度业务的区域副总裁兼董事总经理,负责带领团队推动增长, 利用Qlik分析平台的组织的收入和客户满意度.

在加入Qlik之前,Souma是印度Infor的地区副总裁兼董事总经理. 苏马病也, 建立并领导思杰系统公司的印度业务,担任了近十年的副总裁. 他的职业生涯始于Wipro Technologies公司,后来在IBM担任不同的职位和职能.

Souma在杜克大学富库商学院获得行政管理硕士学位,并在贾达夫普尔大学获得计算机科学与应用硕士学位.

浏览所有帖子 苏马病Das

保持知情

订阅hga030皇冠welcome - 你知道的百科全书-hga030皇冠welcome有限公司-appleappstore-hga030皇冠welcome排行榜博客,获取每周为您提供的见解



我同意Teradata公司, 作为本网站的提供者, 是否可以偶尔给我发送Teradata营销通信电子邮件,提供有关产品的信息, 数据分析, 以及活动和网络研讨会邀请函. 我明白我可以在任何时候通过我收到的任何电子邮件底部的退订链接退订.

你的隐私很重要. 您的个人信息将按照 Teradata全球隐私政策.

更多信息请参见Teradata