上續：
數據分析及機器學習亦可準確偵測金融騙案，完善客戶體驗。數據分析在預測潛在個案時可減少誤判情況，提升數碼金融平台的安全性；同時，強大的詐騙管理系統亦可幫助金融機構減少詐騙個案，保障客戶免受損失並改善客戶體驗，在競爭激烈的金融市場中帶來優勢。
以泰國第五大銀行大城銀行附屬公司 Krungsri Consumer 為例，該公司在使用詐騙管理系統後，騙案識別率提升至近三成半，更減少近兩成誤判個案。詐騙管理系統亦透過全面整合該行系統及手機應用程式，成功預測潛在詐騙，加強偵測能力。
Krungsri Consumer 表示，利用數據分析的評分模型進行預測，有信心可在審批程序時，透過系統驗證阻截不法交易，為客戶帶來更佳體驗，與傳統銀行系統相比更準確可靠，而且更將客戶聯繫率提高逾五成。
最後，數據分析及機器學習檢測詐騙，可加快識別金融案件的速度，有效打擊騙案，同時可降低相關人力成本及負擔，並簡化營運結構，減少決策壓力，提高數碼安全及營運效率。德國第二大直銷銀行德意志信貸銀行（DKB），便使用數據分析平台管理庫存數據，處理完整的金融騙案管理生命週期，將規範及守則透明化，確保面對可疑案件時亦能無縫地進行偵測並提供日常服務，有助提升識別騙案效率，同時減少誤報情況，保障客戶服務體驗。
部署數據分析減損失 發展數碼安全成趨勢
對銀行與金融機構而言，利用數據分析及機器學習模型，結合大型資料庫，構建自動化詐騙檢測策略已成為大趨所勢。在後疫情時代，無現金交易及網上交易的需求將有增無減，由金融詐騙引致的用戶或平台財務損失，長遠會打擊大眾對金融體系的信心，因此改善金融業數碼安全方為長遠之策。銀行與金融機構應盡早於現行防止詐騙機制中引入數據分析技術，提升識別金融騙案的敏感度、準確度及效率，促進行業的數碼安全發展。
（作者為 SAS 香港客戶諮詢高級經理滕嘉敦，題為編輯擬定）
【相關文章】
【相關文章】
即刻【按此】，用 App 睇更多產品開箱科技影片
Source：ezone.hk