Finanzdienstleistung

Aufbau einer Big Data Plattform für Fraud Detection

Ausgangsbasis

  • Es existieren keine selbstlernenden Betrugserkennungsmechanismen, welche in Echtzeit Transaktionsdaten auf Betrugsmuster untersuchen
  • Big Data und im speziellen Hadoop gelten als Basis für eine moderne Datenbankarchitektur. Der Kunde möchte das Hadoop Ökosystem sinnvoll in seine bestehende Enterprise Architektur integrieren
  • Basis für die Umsetzung ist, das erfolgreiche Pilotprojekt des Anwendungsfalls „Fraud Detection“ welches im Hinblick auf die bestehende Security- und Betriebsinfrastruktur umgesetzt wurde

Vorgehensweise

  • Schnittstellen mit Hadoop definieren
  • Reporting mit IBM Cognos auf Hadoop Plattform evaluieren und umsetzen
  • Einsatz der Hadoop Streaming-Komponenten für „Fraud Detection“
  • Erarbeitung und Übergabe des IT-Betriebskonzeptes inklusive Hardwarespezifikationen
  • Evaluation und Umsetzung des Hochverfügbarkeits- und Backup Konzeptes
  • Integration der Plattform in die bestehende Security-Infrastruktur

Funktionen/Projektergebnis

  • Bewertung von Finanztransaktionen in Echtzeit anhand eines statistischen Modells; umgesetzt mit Apache Storm und Kafka
  • Modellentwicklung mit Apache Spark und R
  • Unterbrechungsfreie Modifizierung des Bewertungsmodells
  • Ergebnisspeicherung in Apache Hive und HBase für weitere Analysen und Auswertungen

Kundenutzen

  • Reduzierung der Betrugsfälle bei Finanztransaktionen
  • Bewertung der Transaktion während des Zahlungsvorganges
  • Schnellere Reaktion auf Betrugsfälle
  • Größere Entwicklungs- und Analysemöglichkeit zur Verbesserung des Bewertungsmodells
  • Entlastung der bestehenden Enterprise Architektur und RDMS
  • Kostenreduzierung durch günstigeren Speicherplatz in Hadoop
Rainer Unsöld | Vorstand