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