Aufbau einer Big Data Plattform (IBM BigInsights) mit Fraud Detection
Dieser Bereich wird auf der Übersichtsseite ausgelesen. Der Text ist auf 200 Zeichen begrenzt.
Ausgangsbasis: Es existieren keine selbstlernenden Betrugserkennungsmechanismen, welche in Echtzeit Transaktionsdaten auf Betrugsmuster untersuchen Big Data und im
Unternehmen
Finanzen, DienstleisterAusgangsbasis:
- 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 über BigSQL 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 IBM BigInsights 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