保护客户，同时降低误报率
Capital One 是美国最大的银行之一，也是最大的数字银行。随着消费者逐渐抛弃实体店，纷纷光顾数字优先店，Capital One 采用了新技术，将人工智能 (AI) 和机器学习解决方案应用到了业务的各方各面，并将智能注入客户体验。
Capital One 正在将机器学习应用于欺诈行为侦测领域。世界上某些最危险的网络犯罪分子重点关注金融服务行业，这使安全变得更加重要。根据白宫经济顾问委员会 2018 年的一份报告，近年来，恶意网络活动使经济损失了 570 亿美元至 1090 亿美元，其中各行业的金融部门遭到破坏的程度最大。
随着大量数据分布在众多存储中心，机器学习是 Capital One 的一项非常重要的工作，机器学习能更好地保护客户的财务状况，从而帮助他们获得更多的财务支持，防范欺诈，减少误中，同时更好地管理他们的支出。
“在过去几年中，我们已认识到，利用机器学习来增强用户体验以及帮助我们在与客户互动时，做出更明智决策有多么重要，”Capital One 的机器学习管理副总裁 Nitzan Mekel-Bobrov 博士说。“我们正在不断构建更复杂的系统，利用各种结构化和非结构化的数据。这使我们能够更准确地预测某项活动是否具有欺诈性。”
利用一系列广泛的机器学习工具和框架，例如 Amazon Web Services (AWS) 上的 TensorFlow，Capital One 能够分析大量数据，从而帮助该银行实时侦测并预防欺诈行为。当可疑活动发生时，Capital One 会自动提醒客户，引导他们完成欺诈报告步骤，帮他们将银行卡锁起来，然后发新卡，最后解锁临时卡，这样就不会中断他们的消费能力。凭借大量更多的数据、更长的数据历史记录和先进的算法，Capital One 专注于利用机器学习来彻底改变其管理欺诈的方式。
“在过去几年中，我们已认识到，利用机器学习来增强用户体验以及帮助我们在与客户互动时，做出更明智决策有多么重要。”
Nitzan Mekel-Bobrov 博士
机器学习管理副总裁
Capital One
“在过去几年中，我们已认识到，利用机器学习来增强用户体验以及帮助我们在与客户互动时，做出更明智决策有多么重要。”
Nitzan Mekel-Bobrov 博士
机器学习管理副总裁
Capital One
对于 Capital One，在 AWS 上使用数据分析和机器学习带来了一系列新机会来定制用户体验，并获得更多有关与客户互动的见解，以及帮助告知关键业务决策。这甚至适用于银行的呼叫中心，其中语音识别技术被用于自动化培训和验证系统，该系统的准确度在过去 18 个月中大致翻了一番。
“借助机器学习，我们通过防止欺诈来保护我们的客户。但与此同时，状况就像一枚硬币一样具有两面性，”Mekel-Bobrov 说。“一方面，这是我们防御策略的重要组成部分。但另一方面，这也给客户带来了负面体验，在不应该被拒绝的地方被拒绝。这个技术帮助我们保护客户，但是不过度保护。”
就 Mekel-Bobrov 的观点而言，交易侦测误中情况是众所周知的，因为会烦到客户，甚至会导致客户疏远我们。“我们现在借助机器学习能做的事情就是，更加动态地平衡状况的两个方面，从而不断地变得更好，”Mekel-Bobrov 说，“我们可以在提供充分保护的最佳位置进行优化，但不要用太多的误报来过度保护。”
至关重要的是，AWS 云允许 Capital One 部署一系列内部软件和机器学习工具，从而使银行能够实时利用其数据，并提供在高度监管行业中必不可少的快速解决方案。而且，由于 AWS 云与本地数据中心一样安全（通常更为安全），因此 AWS 云能够在担起保护客户及其数据的责任的同时，实施应用这些创新。
“凭借 AWS ，再加上我们迁移到云，我们可以构建一个真正现代化的机器学习生态系统，让所有数据完全可用，并且互联互通，”Mekel-Bobrov 说，“这使我们能够部署那些自动设置为输入型数据的模型，自动扩展我们的基础设施，甚至插入我们自己的解决方案，从而增加灵活性。这样我们就可以更好地专注于今后如何使用机器学习来解决救命型的棘手问题。”
来源 partners.wsj.com