Cas client

Leader européen des services financiers

Lutte contre la fraude digitale en temps réel

Secteur d'activité

Services financiers

Expertise(s)

Data Engineering

Contexte

Leader européen d’envergure internationale, le client est un groupe bancaire accompagnant l’ensemble de ses clients (particuliers, professionnels, entreprises et institutionnels) dans la réussite de leurs projets grâce à des solutions de financement, d’investissement, d’épargne et de protection.

Depuis plusieurs années, le client a adopté une approche de plus en plus axée sur les données pour rester compétitif dans un environnement financier en évolution rapide. Cette orientation vers les données intègre le recours à l’analyse de données pour comprendre les besoins des clients, gérer les risques et prendre des décisions stratégiques. Le client investit également dans des technologies de pointe telles que l’Intelligence Artificielle et l’apprentissage automatique afin d’améliorer ses services et processus internes.

Dans un effort constant d’exploitation optimale des données et d’optimisation des coûts de maintenance, la banque de détail de la filiale française du client a déployé une architecture Data Hub solide, véritable colonne vertébrale de sa stratégie Data, où convergent les données et où sont hébergées les applications métiers. Parmi les différentes applications disponibles au sein du Data Hub, l’une des plus stratégiques est sans conteste celle assurant la lutte contre la fraude.

Enjeux

L’objectif principal de l’application de lutte contre la fraude réside dans l’agrégation minutieuse des données relatives aux opérations des clients afin d’être capable d’anticiper et de détecter les transactions ou les parcours client potentiellement frauduleux. Pour être pleinement opérationnelle et efficace contre la fraude, l’application doit être rapide et réactive avec une réponse complète (scoring et traçabilité) en moins de 650 millisecondes.

Le défi majeur est donc de mettre en place une plateforme Big Data robuste capable de gérer de gros volumes de données tout en assurant la sécurité et la fiabilité des données client. Le tout en réduisant le plus possible les coûts d’exploitation et de maintenance.

#WeHelpDataPeople

DES BESOINS ET DES
ENJEUX SIMILAIRES ?

Démarche et réalisations

Aubay Data & AI a mobilisé une équipe experte en architecture et ingénierie de données composée d’un Tech Lead et de plusieurs Data Engineers.

Liste des activités adressées par l’équipe de Aubay Data & AI :

  • Déploiement d’une infrastructure de stockage et de traitement des données sur un Cloud privé basé sur les services IBM Cloud ;
  • Conception et mise en place d’un framework Big Data sur mesure reposant sur Hadoop, Spark, Kafka et Cassandra ;
  • Ingestion des données via des jobs Spark ordonnancés avec Oozie ;
  • Mise en place de normes de sécurités rigoureuses afin de garantir la sécurité et la fiabilité des données ;
  • Mise en place et amélioration continue d’un système de détection des activités potentiellement frauduleuses basé sur un moteur de règles et des modèles de Machine Learning ;
  • Mise à disposition auprès des métiers des données et d’une IHM spécialisée pour analyser les données et identifier de nouveaux patterns de fraude à modéliser au sein du système de détection des fraudes ;
  • Mise en œuvre d’un processus d’amélioration continue (recours au templating Jinja et utilisation de Splunk) afin d’optimiser les coûts d’exploitation et le monitoring.

Bénéfices

  • Une réduction considérable du nombre de cas de fraude avéré via l’analyse en temps réel des transactions et des parcours client sur les espaces digitaux ;
  • Une latence de réponse du moteur de détection de la fraude inférieure à 50 millisecondes ;
  • Un nette amélioration de la performance tout en réduisant les coûts de maintenance ;
  • Des données clients sécurisées et exploitables par le système de détection des fraudes et pour les analyses par les métiers.

Découvrez nos autres cas clients