REFERENZA

Reinventare la banca online con il ML

6

Seconds to perform complex analytics compared to 6 hours

1

Delta Lake has replaced 14 databases

4.5x

Improvement in engagement on the app

immagine sfondo

“We’ve seen major improvements in the speed we have data available for analysis. We have a number of jobs that used to take 6 hours and now take only 6 seconds.”

– Alessio Basso, Chief Architect, HSBC

HSBC, una della maggiori banche internazionali, sta introducendo un nuovo modo di gestire i pagamenti digitali su dispositivi mobili. L'istituto ha sviluppato PayMe, un'app social che facilita transazioni digitali fra i consumatori e le loro reti, in modo istantaneo e sicuro. Con oltre 39 milioni di clienti, HSBC faticava a superare i limiti di scalabilità che le impedivano di prendere decisioni guidate dai dati. Grazie a Databricks, la banca è ora in grado di potenziare l'analisi dei dati e il machine learning per alimentare casi d'uso incentrati sul cliente, con personalizzazione, raccomandazioni, scienza delle reti e rilevamento delle frodi.

Data science and engineering struggled to leverage data

HSBC è consapevole dell'enorme opportunità di fornire un servizio migliore ai suoi oltre 39 milioni di clienti attraverso dati e analisi. Cogliendo l'occasione di reinventare i pagamenti mobili, ha sviluppato PayMe, un'app di pagamenti social. Dal lancio sul mercato di Hong Kong l'app è diventata la prima nella regione, con oltre 1,8 milioni di utenti.

Nell'ottica di fornire alla propria base di clienti in continua espansione la migliore esperienza di pagamento possibile, l'istituto ha puntato su dati e machine learning per realizzare svariati casi d'uso come il rilevamento di attività fraudolente, la gestione del cliente a 360 gradi per supportare le scelte di marketing, la personalizzazione e altro ancora. Tuttavia, costruire modelli adeguati a questi casi d'uso, che funzionassero in modo sicuro, rapido e scalabile, era più facile a dirsi che a farsi.

  • La lentezza delle pipeline di dati si traduceva in dati obsoleti: i sistemi esistenti frenavano l'elaborazione e l'analisi di dati su larga scala. I dati dovevano essere esportati e campionati manualmente, con grande dispendio di tempo. Di conseguenza, quando arrivavano ai data scientist, i dati erano ormai vecchi di settimane, e questo impediva loro di realizzare attività predittive.
  • Esportazione e mascheramento manuale dei dati: i processi esistenti richiedevano di compilare manualmente un modulo di approvazione per ogni richiesta di dati, aumentando il rischio di errori. Inoltre, il processo di mascheramento manuale richiedeva molto tempo e non rispettava le severe regole di qualità e protezione dei dati.
  • Data science inefficiente: i data scientist lavorano a compartimenti stagni, ciascuno sulla sua macchina e in ambienti personalizzati, con capacità limitate di esplorare i dati grezzi e addestrare modelli su larga scala. La collaborazione risultava quindi scarsa e l'iterazione sui modelli molto lenta.
  • Gli analisti faticavano a sfruttare i dati: serviva un accesso a sottoset di dati strutturati per business intelligence e reportistica.

Faster and more secure analytics and ML at scale

Through the use of NLP and machine learning, HSBC is able to quickly understand the intent behind each transaction within their PayMe app. This wide range of information is then used to inform various use cases from recommendations to customers to reducing anomalous activity.

Con Azure Databricks, l'istituto ha unificato l'analisi dei dati per tutte le attività di data engineering, data science e analisi.

  • Maggiore efficienza operativa: funzionalità come la gestione e l'autoscalabilità dei cluster hanno migliorato le attività operative dall'acquisizione dei dati alla gestione dell'intero ciclo di vita del machine learning.
  • Mascheramento dei dati in tempo reale con Delta Lake: con Databricks e Delta Lake, HSBC è riuscita a fornire ai team di data science e analisi, in maniera sicura, dati di produzione anonimizzati in tempo reale.
  • Pipeline di dati performanti e scalabili con Delta Lake: la banca è riuscita a elaborare i dati in tempo reale per l'analisi e il machine learning a valle.
  • Collaborazione per data science e data engineering: consente di velocizzare la scoperta dei dati, ingegnerizzare le feature in modo iterativo, sviluppare e addestrare i modelli in tempi rapidi.

Richer insights leads to the #1 app

Databricks fornisce a HSBC una piattaforma unificata di analisi dei dati che centralizza tutti gli aspetti del processo di analisi, dall'ingegneria dei dati alla "messa in produzione" dei modelli ML che forniscono informazioni approfondite più ricche.

  • Faster data pipelines: Automating processes and increased data processing from 6 hours to 6 seconds for complex analytics.
  • Descriptive to predictive: Ability to train models against their entire dataset, has empowered them to deploy predictive models to feed various use cases.
  • From 14 databases to 1 Delta Lake: Moved from 14 read replica databases to a single unified data store with Delta Lake.
  • PayMe is #1 app in Hong Kong: 60% market share of the Hong Kong market making PayMe the #1 app.
  • Improved consumer engagement: Ability to leverage network science to understand customer connections has resulted in a 4.5x improvement in engagement levels with the PayMe app.