SAS表示,新冠肺炎疫情去年初在去年開始蔓延,美國舞弊稽核師協會表示,已有77%的受訪成員指出詐欺案件數量激增,全球支付業數位詐欺事件更增加35%。此外,因為疫情影響,網購和數位支付的蓬勃發展,促使電商銷售創下歷史新紀錄,但隨之而來的,數位支付在全球助長詐欺案件增加。

而台灣近期非接觸式的交易需求大幅增加,加上近期銀行處理紓困貸款業務,金融犯罪隱憂也升溫。陳愷新指出,對金融業者來說,此時更需仰賴AI大量且快速運算的特性,阻斷即時異常交易與風險評估,讓資金與金融服務留給真正有需求的民眾。同時針對可疑案件及資金流向,立即透過視覺化調查平台打造更強有力的防範後盾。

陳愷新指出,疫情的影響下,企業更需要能支撐決策的數據基礎、給予行動建議的即時運算技術,以及規劃出模擬情境來預測風險及需求。整體在疫情期間,可說以「詐欺偵測」、「客戶關係重塑」、「需求預測」三大面向的應用成長最為明顯。

以詐欺偵測來說,陳愷新說,匯豐銀行(HSBC)導入SAS即時交易詐欺偵測系統,在客戶刷卡的當下,以平均不到60毫秒的時間內整合大量資料、客戶特徵資料、客戶過去的交易資料,即時偵測出這張信用卡被盜刷的可能性,判斷是否直接阻斷交易。

目前匯豐銀行至今已在30個地區監控超過1億張信用卡,不但讓掌握即時偵測的交易量增加了87%,標記出潛在詐欺的運算資源成本更減少30%。陳愷新也指出,目前國內也有大型銀行加速佈局,已與SAS展開合作信用卡偽冒交易阻斷。

而在需求預測方面,以製造業來說,疫情下客戶更會要求交貨時程的精準度,製造業若沒有精準的預測,備料過多會增加庫存成本,過少則影響客戶滿意度。SAS曾協助美國本田汽車(Honda)運用1200個經銷商所累積下來的銷售與維修資料,建立AI模型,預測各零件預備的指標及客戶習慣等,讓零件準備預測準確度高達99%。

此外,在零售產業,疫情爆發讓民生消費轉往線上,如何精準預測銷售趨勢,及優化庫存管理將形成一大挑戰。法國零售商家樂福先前也攜手SAS處理全球賣場、倉庫及電子商務平台等來源的資料,改善下游消費預測及上游供應商訂貨程序,減少庫存過剩。

然而,目前全球供應鏈不確定仍在,資料難累積AI該如何預測?其實AI能以時間序列為基礎建立「事件」資料庫;除固定事件外,再納入特殊事件及外部資料如失業率、油價、疫情傳播狀態等,產出各程度衝擊的最佳與最壞情境模擬。

美國疫情爆發之初,各州陸續頒布「居家令」,許多製造商面臨業績衝擊,且保修準備金與備料預估大失準,財務狀況吃緊。當時通用電器(GE),即以SAS AI模型,將突發的疫情狀況參數,如各地政令、疫情嚴峻度、近期異常數據等加入模型訓練,快速產出各類情境,以利決策層級快速擬定應對戰略。

此外,連續多年被評為「全美最佳醫院」克里夫蘭醫學中心(Cleveland Clinic)於疫情爆發後也攜手SAS以AI模型預測患者人數、所需加護床位數、醫護人員防護設備和呼吸器數量。藉此設計了「最好」、「最壞」以及「最有可能發生」的三種情境,隨情勢和資料源變化進行即時調整。該醫學中心去年即曾啟動「最壞」的情境應對:在其教育園區內為無需加護病房的新冠肺炎患者搭建了1000張臨時病床。

#全球 #大量 #預測 #SAS #AI