Fraud detection

Fraud detection ขนาดและจำนวนของธุรกรรมออนไลน์กำลังขยายตัว ส่งผลให้ระดับการฉ้อโกงเพิ่มสูงขึ้นและเทคนิคต่างๆ ที่ใช้ในการกระทำนั้นมีความซับซ้อนมากขึ้นเรื่อยๆ Clearsale ซึ่งเป็นบริษัทตรวจจับการฉ้อโกงชั้นนำในบราซิล ใช้ Azure Synapse Analytics เพื่อปรับปรุงให้ทันสมัยแพลตฟอร์มข้อมูลการวิเคราะห์การดำเนินงาน Clearsale ช่วยให้ลูกค้าตรวจสอบธุรกรรมโดยเฉลี่ยครึ่งล้านรายการต่อวันโดยใช้การวิเคราะห์ข้อมูลขนาดใหญ่เพื่อตรวจจับการฉ้อโกงทั่วโลก พวกเขารวบรวมข้อมูลเกี่ยวกับการซื้อตลอดจนพฤติกรรมของลูกค้าและจุดข้อมูลอื่นๆ ข้อมูลพฤติกรรมของลูกค้าประกอบด้วยข้อสังเกตมากมายเกี่ยวกับลูกค้า เช่น จำนวนบัตรเครดิตที่ใช้ ขนาดของธุรกรรม และตำแหน่งโดยประมาณ Clearsale เรียกใช้ข้อมูลนี้ผ่านโมเดลแมชชีนเลิร์นนิง ตลอดจนกฎทางธุรกิจและข้อมูลประวัติจากอุตสาหกรรมต่างๆ ทั้งหมดนี้ต้องวิ่งเข้ามาวินาที และจากผลลัพธ์ Clearsale จะคาดการณ์ว่าธุรกรรมนี้เป็นการฉ้อโกงหรือไม่ Business challenges and requirements ชุดข้อมูล Clearsale มีขนาดเพิ่มขึ้นสองเท่าทุกๆ 2 ปี พวกเขามีเซิร์ฟเวอร์ SQL ในสถานที่หลายตัวที่อนุญาตเพื่อนำเข้าข้อมูล และพวกเขายังรันปริมาณงานการวิเคราะห์บนเซิร์ฟเวอร์เหล่านี้ด้วย เนื่องจากข้อจำกัดของพวกเขาในบางครั้งโครงสร้างพื้นฐานจำเป็นต้องสร้างเซิร์ฟเวอร์ SQL ใหม่พร้อมข้อมูลที่จำลองเพื่อให้สามารถประมวลผลได้ไปป์ไลน์การวิเคราะห์เมื่อมีความต้องการสูง เห็นได้ชัดว่าสิ่งนี้ไม่มีประสิทธิภาพและทำให้เกิดความล่าช้าในการฉ้อโกงการตรวจจับ การตรวจจับการฉ้อโกงจะต้องเกิดขึ้นในไม่กี่วินาที โมเดลแมชชีนเลิร์นนิงสามารถตรวจจับธุรกรรมได้ถึง 99% ว่ามีกิจกรรมที่น่าสงสัยหรือไม่ ส่วนที่เหลืออีก 1% ทีมสืบสวนจะเข้ามาดำเนินการการทำธุรกรรมที่เหลืออยู่ การฉ้อโกงยังมีพลังมากเช่นกัน การรั่วไหลของข้อมูลในอุตสาหกรรมหนึ่งอาจส่งผลกระทบต่ออุตสาหกรรมอื่นอย่างรวดเร็วและสร้างการฉ้อโกงมากมายธุรกรรมเพื่อให้สามารถเชื่อมโยงข้อมูล Clearsale กับข้อมูลจากการรั่วไหลของข้อมูลอื่น…