REDWOOD CITY, Kalifornien, Nov. 21, 2019 (GLOBE NEWSWIRE) -- TigerGraph, die einzige skalierbare Graphdatenbank für Unternehmen, hat heute bekanntgegeben, dass die innovativsten Finanzdienstleistungsunternehmen der Welt – von aufstrebenden Unternehmen bis zu den größten Banken weltweit – sich für TigerGraph entschieden haben, um ihre Bemühungen zur Aufdeckung von Betrugsfällen und zur Bewertung von Kreditrisiken zu verstärken. Tatsächlich nutzen vier der fünf größten globalen Banken und der weltweit größte Anbieter von Zahlungskarten TigerGraph für ihre Initiativen zur Betrugsbekämpfung. Diese führenden Banken und andere Finanzinstitute nehmen für ihre wichtigsten Aufgaben die Graphanalyseplattform von TigerGraph in Anspruch, da die Technologie speziell für das Verknüpfen, Analysieren und Berechnen von ML- (maschinelles Lernen) und KI-Algorithmen und das Analysieren komplexer Daten entwickelt wurde.
„Finanzdienstleistungsunternehmen gehören zu den mächtigsten – und doch anfälligsten – Institutionen der Welt. Für jeden Dollar, der mit einem Betrug in Zusammenhang steht, entstehen Finanzdienstleistungsunternehmen Kosten in Höhe von 2,92 US-Dollar – und die Tendenz ist steigend. Diese Organisationen geben Milliarden von Dollar für Betrugsbekämpfung aus und stellen Tausende von Mitarbeitern ein, um Betrug aufzudecken“, sagte Dr. Yu Xu, CEO und Gründer von TigerGraph. „TigerGraph unterstützt diese Unternehmen dabei, ihre Anwendungen, die maschinelles Lernen einsetzen, mithilfe von Diagrammanalysen zu verbessern, um die Erkennung von „schlechten Mustern“ in ihren riesigen Datenmengen zu verbessern. Wenn ein Kreditantragsteller ein Besucher ist, der an Ihre Tür klopft, können Sie mit TigerGraph sehen, wie oft er zuvor geklopft hat, welche Informationen er verwendet hat und wie dies mit zuvor identifizierten „schlechten Antragstellern“ verglichen werden kann. TigerGraph führt all diese Analysen in Echtzeit durch. Auf diese Weise kann das Finanzdienstleistungsunternehmen entscheiden, ob es „die Tür öffnen“ und Geschäfte mit dieser Person tätigen, einen Mitarbeiter mit der Prüfung des Falls beauftragen oder das Geschäft als „risikoreich“ ablehnen möchte.“
In einer Ankündigung vom Februar 2019, hat Gartner, Inc. die Graphanalytik als einen der Top 10 der Daten- und Analysetechnologietrends 2019 identifiziert: „Die Anwendung von Graphverarbeitung und Graph-DBMS wird bis 2022 jährlich um 100 Prozent zunehmen, um die Datenaufbereitung kontinuierlich zu beschleunigen und eine komplexere und anpassungsfähigere Datenwissenschaft zu ermöglichen … Der Bereich der Graphanalytik wird in den nächsten Jahren wachsen, da komplexe Fragen über komplexe Daten gestellt werden müssen, was mit SQL-Abfragen nicht immer praktikabel oder in einem bestimmten Maßstab überhaupt nicht möglich ist“. Die Graphdatenbanktechnologie kann Verknüpfungen in Daten analysieren, um die Muster- und Ähnlichkeitsanalyse zu verbessern. Beispielsweise stärken Finanzinstitute ihre Systeme, die maschinelles Lernen und KI einsetzen, mit einer Graphendatenbank, um komplexe Datenmuster zu visualisieren, zu analysieren und zu erkennen – Muster, die auf ein Betrugspotenzial hinweisen. Eine Bank kann „antragsbezogene Verknüpfungen“ anwenden, um einen bekannten betrügerischen Kredit-/Debitkartenantrag mit einem neuen Kredit-/Debitkartenantrag zu vergleichen. Wenn gemeinsame Merkmale in neuen Anträgen erkannt werden, kann die Bank diese Anträge als betrügerisch ablehnen. Das gleiche „Vergleichs- und Ablehnungsverfahren“ kann auch auf Kredit- oder Debitkartentransaktionen angewendet werden.
So implementieren führende Finanzdienstleister die nächste Generation der Graphendatenbanktechnologie und schließen einen Vertrag mit TigerGraph ab:
- Ein bedeutendes US-amerikanisches Finanzdienstleistungsunternehmen hat TigerGraph ausgewählt, um seine Bemühungen in Bezug auf Zahlungsbetrug und die darauf folgenden Ermittlungen voranzutreiben. Die Aufdeckung und Verhinderung von Betrug erfordert das Verständnis von Zusammenhängen und das Erkennen von Anomalien in Bezug auf Verbindungen zwischen Personen, Transaktionen, Zahlungsmethoden, Standorten, Zeiten und vielem mehr. Darüber hinaus muss mit riesigen und häufig unvollständigen Datensätzen gearbeitet werden. Das Unternehmen verwendet TigerGraph, um Zahlungsinformationen zu visualisieren, insbesondere die zugehörigen Konto-, Benutzer- und Geräteinformationen sowie alle Verbindungen zwischen diesen. Nachdem die Daten „visualisiert“ wurden, können Betrugsermittler Daten analysieren, um verdächtige Muster aufzudecken, und zuvor bestätigte schlechte Muster können beim Auffinden neuer Betrugsfälle hilfreich sein. Dann untersucht die Technologie Milliarden von Zahlungen, um sich wiederholende betrügerische Muster im gesamten Datensatz zu finden. Die Täter werden markiert und die Transaktionen gestoppt. Jedes Mal, wenn eine Zahlung generiert wird, wird diese in Echtzeit mit mehrstufigen Mustern auf potenziellen Betrug überprüft. Während dieses Prozesses, der mit Visualisieren-Analysieren-Finden/Stoppen beschrieben werden kann, ist das mit maschinellem Lernen ausgestattete System in der Lage, zukünftige Betrugsmuster innerhalb des sich ständig ändernden Datensatzes zu kennzeichnen. Dieses rechnergestützte Lernen und Modellieren verbessert die aktuellen Analysealgorithmen und macht die Module, die die Funktion für maschinelles Lernen beinhalten, intelligenter und schneller. Da dieser gesamte Zyklus automatisiert ist, können Betrugsermittler anhand der Ergebnisse besser priorisieren, auf welche Fälle sie sich konzentrieren.
- Eine führende multinationale US-Investmentbank hat TigerGraph ausgewählt, um ihre Initiativen zur Vermeidung von Betrug zu verbessern, insbesondere die Betrugserkennung bei Debit- und Kreditkarten. Die Organisation wird ihr System für maschinelles Lernen um Grafikanalysen erweitern, um Datenverbindungen zwischen Kreditkartenanträgen mit dem Status „Bekannter Betrug“ und neuen Anträgen zu finden. Das Ergebnis: Die Bank wird fragwürdige Muster identifizieren, Betrugsringe aufdecken und betrügerische Kartenkonten schließen. Voraussichtliche Einsparungen: mehrere Millionen Dollar pro Jahr.
- Der weltweit größte Anbieter von Zahlungskarten wird TigerGraph als hauptsächliche Graphanalytikplattform zur Aufdeckung von Zahlungsbetrug und zur Verwaltung von Händlerkrediten einsetzen. Das Unternehmen, das zuvor ein RDBMS (relationales Datenbankmanagementsystem) verwendet hatte, setzt jetzt standardmäßig die skalierbare und sichere Graphdatenbank von TigerGraph ein. Relationale Datenbanken sind nicht in der Lage, Muster in unterschiedlichen Datensätzen zu identifizieren. Sie sind komplex, langsam und ihre Leistung ist unzureichend, wenn es um detaillierte Analysen geht. TigerGraph wurde speziell für die tiefgreifende Analyse von Mustern entwickelt. Die Aktualisierungsfunktionen in Echtzeit sind für die Betrugsbekämpfung des Finanzdienstleisters von entscheidender Bedeutung.
- Die China Construction Bank (CCB), die zweitgrößte Bank der Welt, entschied sich für TigerGraph, um ihre Analyseplattform der nächsten Generation im Big Data Innovation Center zu unterstützen. Mit TigerGraph kann CCB ihre riesigen Datenspeicher analysieren – 18 Terabyte (und es werden immer mehr) –, um Kundeninformationen zu erhalten, Geldwäsche zu bekämpfen und Betrugsfälle aufzudecken. Die CCB generiert jedes Jahr zwischen fünf und sechs Terabyte an Transaktionsdaten und hatte Probleme dabei, ihre Aktivitäten in diesem Bereich angesichts immer komplexer werdender Daten und Hunderten von Millionen von Privat- und Unternehmenskonten von Tochterunternehmen auf der ganzen Welt entsprechend zu skalieren. Die CCB entschied sich für TigerGraph wegen der Fähigkeit, komplexe und miteinander verbundene Daten in 10 Schichten zu analysieren, um neue Muster und Algorithmen zur Verbesserung ihrer Betrugsmodelle zu generieren. Mit der Gewinnung von CCB als Kunden hat TigerGraph nun Verträge mit zwei der vier größten Geschäftsbanken in China geschlossen.
- Pagantis, eine POSF-Plattform (Point of Sale Financing) für den elektronischen Handel in Europa, entschied sich für TigerGraph, um die Risikobewertung in Echtzeit und die Betrugsprävention zu beschleunigen und die Wartezeiten der Kunden zu verkürzen. Das in Spanien ansässige Fintech-Unternehmen bietet jetzt eine schnelle, nahtlose Finanzierungslösung für Verbraucher mit automatisierten Konsumentenkrediten für E-Commerce-Transaktionen in Italien, Frankreich und Spanien. Pagantis verwendet TigerGraph, um die Bonität eines Kunden unter Verwendung aller seiner Echtzeitaktivitäten sowie des historischen Kontexts zu berechnen. Pagantis bietet eine Finanzierung mit sofortiger Online-Genehmigung, die in Echtzeit über einen innovativen Bewertungsalgorithmus durchgeführt wird. Dieser Algorithmus analysiert das Betrugs- und Kreditrisiko, um die höchstmögliche Akzeptanz durch die Kontrolle des Kriminalitätsrisikos sicherzustellen.
Klicken Sie hier, um weitere Informationen zu den Graphdatenbanklösungen und -funktionen von TigerGraph zu erhalten.
Hilfreiche Links
- TigerGraph Developer Edition & kostenlose Probeversion
- TigerGraph-Website
- TigerGraph-Blog
- TigerGraph auf Twitter
- TigerGraph auf LinkedIn
Über TigerGraph
TigerGraph ist die einzige skalierbare Graphdatenbank für Unternehmen. TigerGraph basiert auf der branchenweit ersten Native- und Parallel Graph-Technologie und setzt die Leistungsfähigkeit von miteinander verbundenen Daten frei, um Unternehmen tiefere Einblicke und bessere Ergebnisse zu ermöglichen. TigerGraph erfüllt das wahre Versprechen und die Vorteile einer Graphplattform, indem es die schwierigsten Herausforderungen in Bezug auf Daten in Echtzeit bewältigt – unabhängig davon, wie groß oder komplex der Datensatz ist. Die bewährte Technologie von TigerGraph unterstützt Anwendungen wie Betrugserkennung, Customer 360, MDM, IoT, KI und maschinelles Lernen, um sich ständig ändernden Big Data gerecht zu werden. Sie wird von Kunden wie Amgen, China Mobile, Intuit, Wish und Zillow eingesetzt. Das Unternehmen hat seinen Hauptsitz in Redwood City, Kalifornien (USA). Folgen Sie TigerGraph auf Twitter unter @TigerGraphDB oder besuchen Sie www.tigergraph.com.
Medenkontakt
Tanya Carlsson
Offleash PR for TigerGraph
tanya@offleashpr.com
+1 707.529.6139