機械学習でモバイル・バンキングを再発明

産業

技術情報

Data Science Delta Lake ETL Lakehouse Machine Learning SQL

はじめに

プロセスを自動化し、複雑なアナリティクスのデータ処理を6時間から6秒に短縮。

クライアントについて

国際的な大手銀行の1行が、モバイル機器でのデジタル決済を管理する新たな方法の先駆けとなる。彼らは、消費者とそのネットワーク間のキャッシュレス取引を迅速かつ安全に促進するソーシャルアプリ、PayMeを開発した。 3,900万人以上の顧客を抱える同社は、データ主導の意思決定を阻むスケーラビリティの限界の克服に苦慮していた。ナッシュテックは、パーソナライゼーション、レコメンデーション、ネットワーク・サイエンス、不正検知など、顧客中心のユースケースを実現するために、データ分析と機械学習を拡張することができる。

インパクト

21カ国のデータセンターに170PB以上のデータ
複雑な分析に6時間かかるところを6秒で実行
1 デルタ湖は14のデータベースに取って代わられた
アプリのエンゲージメントが4.5倍向上

課題

同社は、データとアナリティクスを通じて3,900万人以上の顧客により良いサービスを提供するための大きな機会を理解している。モバイル決済を再発明するチャンスと考えた彼らは、ソーシャル決済アプリPayMeを開発した。ホームマーケットである香港でローンチして以来、180万人以上のユーザーを獲得し、同地域でNo.1のアプリとなった。

急成長する顧客層に可能な限り最高のモバイル決済体験を提供するため、同社は不正行為の検出、マーケティング上の意思決定に役立つ顧客360、パーソナライゼーションなど、さまざまな望ましいユースケースを可能にするデータと機械学習に注目した。しかし、これらのユースケースを安全、迅速、かつスケーラブルに実現できるモデルを構築することは、言うは易く行うは難しだった。

データパイプラインが遅いため、データが古い：レガシーシステムが、データを大規模に処理・分析する能力を妨げていた。手作業でデータをエクスポートし、サンプリングする必要があり、時間がかかっていた。その結果、データサイエンス・チームに提供された時点で数週間前のデータになってしまい、予測能力が阻害された。
手作業によるデータのエクスポートとマスキング：レガシーなプロセスでは、エラーが発生しやすいデータリクエストのたびに、手作業で承認フォームに記入する必要がありました。さらに、手作業によるマスキングプロセスは時間がかかり、厳格なデータ品質と保護ルールに準拠していなかった。
非効率なデータサイエンス：データサイエンティストは、各自のマシンやカスタム環境上でサイロ化して作業していたため、生データを探索したり、大規模なモデルをトレーニングしたりする能力が制限されていた。その結果、コラボレーションはうまくいかず、モデルの反復は非常に時間がかかった。
データアナリストがデータ活用に苦戦ビジネスインテリジェンスとレポーティングのために、構造化データのサブセットにアクセスする必要がある。

ソリューション

NLPと機械学習を利用することで、同社はPayMeアプリ内の各取引の背後にある意図を迅速に理解することができる。この幅広い情報は、顧客への提案から異常な活動の削減まで、さまざまなユースケースに活用される。

Azure NashTechを使うことで、データエンジニアリング、データサイエンス、アナリストにまたがるデータ分析を統一することができる。

運用効率の向上：自動スケーリングクラスターやDelta Lakeのサポートなどの機能により、データの取り込みから機械学習のライフサイクル全体の管理まで、運用が改善された。
デルタレイクによるリアルタイムのデータマスキング：NashTechとDelta Lakeを使用することで、匿名化された本番データをデータサイエンスとデータアナリストチームにリアルタイムで安全に提供できるようになった。
Delta Lakeを使った高性能でスケーラブルなデータパイプラインにより、下流のアナリティクスや機械学習のためのリアルタイムデータ処理が可能になった。
データサイエンスとエンジニアリングのコラボレーションより迅速なデータ発見、反復的なフィーチャーエンジニアリング、迅速なモデル開発とトレーニングが可能になります。

結果

豊かな洞察がNo.1アプリにつながる

ナッシュテックは、データエンジニアリングから、より豊かなビジネスインサイトを提供するMLモデルの作成まで、アナリティクスプロセスのあらゆる側面を一元化する統合データアナリティクスプラットフォームを提供しています。

データパイプラインの高速化: プロセスを自動化し、複雑なアナリティクスのデータ処理を6時間から6秒に短縮。
記述的なものから予測的なものへ: データセット全体に対してモデルを訓練する能力により、様々なユースケースに対応する予測モデルを展開できるようになった。
14のデータベースから1つのDelta Lakeへ： 14のリードレプリカデータベースからDelta Lakeによる1つの統合データストアに移行。
PayMeが香港でNo.1アプリに： 香港市場で60％のシェアを獲得し、PayMeがNo.1アプリに。
消費者エンゲージメントの向上： ネットワーク科学を活用して顧客のつながりを理解する能力により、PayMeアプリのエンゲージメントレベルが4.5倍向上した。