虹科案例 | Redis企业版数据库帮助金融机构满足客户需求
如今,传统银行与新兴银行正在进行激烈的竞争。随着苹果、亚马逊、谷歌等科技巨头正凭借其数字化、移动应用程序和云体验打入金融服务行业。为了进行公平竞争,传统银行也需要通过个性化的全渠道客户体验来实现交互式客户应用程序—这一挑战需要彻底改变客户参与策略。
如果银行能够提供全方位服务的手机银行应用程序,则更可能提高客户忠诚度,激励客户进行互动,并让银行更深入地了解客户活动。
虹科提供的Redis企业版数据库已与全球许多领先的金融服务组织合作,不需要投资大量的资金和时间就可以实现现代数据技术,加速IT现代化和数字化转型过程。
Redis企业版数据库的典型用例分为三大业务领域:客户体验、风险管理(包括欺诈检测)和分析/报告。这些领域都需要实时数据并支持多结构数据模型。
解决方案图
通过实时的用户资料存储实现即时客户体验
1.概述
消费者每天都在使用移动设备访问他们的账户,数字银行业务现已成为常态。在此背景下,银行希望最大限度地提高用户体验,以在行业竞争中脱颖而出。由于银行的客户拥有多种产品,例如储蓄、信用卡、贷款和投资。因此,银行希望:
>根据客户的交易历史提供工具和见解,帮助客户更有效地进行财富管理。
>为客户提供所有账户信息的即时访问。
2.挑战
同一客户不同账户的交易数据存储在一个单独的、孤立的、基于磁盘的后端RDBMS系统中。该技术最初是为批处理而设计的,而不是为在线实时访问设计地。因此,用户必须在登录账户后从每个后端系统检索所需的数据,以及在移动应用程序中以正确的格式聚合和呈现数据才能实现实时访问,这导致客户等待时间很长,还使银行无法提供无缝的交互式用户体验,也无法提供所有客户账户信息的全方位整合视图。
>实时访问难,查询数据等待时间长。
>无法提供交互式用户体验和客户账户信息的全方位整合。
3.解决方案
具有RedisJSON模块的Redis企业版数据库提供了实时用户配置文件和文档存储,具有本地索引、查询和全文搜索功能。Redis企业版数据库还能充当银行前端应用程序的查询加速器。
具体来说,在应用程序或网站登录过程中,用户设备ID被识别并与用户配置文件相关联。在后台,应用程序对较慢的后端系统进行异步调用,在会话GUID键下检索和组装JSON记录对象中的数据,并将其临时存储在RedisJSON中。有限的账户价值信息在没有任何PII的情况下呈现出来。当客户完全通过身份验证时,他们账户的所有详细信息都可以查看了。Redis企业版数据库可以立即为银行客户提供合并的账户和余额信息,没有滞后和延迟。
此外,通过加载最近6个月的信用卡交易信息,可以向客户展示消费行为和趋势视图。例如,通过计算该时期特定类别的支出,客户能够知道与上一年相比,他们在超市或加油站的购买量增加了多少。基于此,银行可以将机器学习算法应用于这些交易集,为用户提供个性化的营销活动。这是一种根据用户需求量身定制银行个性化体验,有助于与客户建立更牢固的关系,并维系客户的忠诚度。
解决方案图
为证券交易提供快速参考数据
1.概述
在现实生活中,证券交易是非常复杂地。假如一家大型证券交易公司正在重写其自定义执行管理系统,以促进和管理交易订单的执行。每个订单都需要特定的信息来完成和结算交易,这些信息可以是参考数据(例如CUSIP、ISIN和SEDOL描述符等证券标识符)或者交易ID。对于复杂的金融工具而言,参考数据可能是动态的,这就要求它们始终可用并经常更新。
2.挑战
由于运行在基于磁盘存储上的MongoDB性能较慢,证券交易公司可能还会使用Kafka作为缓存,但这并没有提高性能,因为在Kafka的额外往返中减少了高达95%的交易数量。
3.解决方案
基于低延迟、高吞吐性和高可用性地性能,Redis企业版内存数据库被用于查找特定的参考数据和交易ID微服务,即Redis企业版数据库完全可以取代Kafka和MongoDB作为缓存解决方案和参考数据库。
解决方案图
风险管理
1.概述
不同类型的风险都对金融服务机构构成威胁,包括运营、合规和金融风险。在2008年金融危机后,一系列对可疑销售行为、金融犯罪、员工不当行为的监管罚款和执法行动涌现。与此同时,数字化、自动化、远程工作与金融科技的结合增加了对软件、IT系统及互联网的依赖,新的网络风险和单点故障由此产生。
2.挑战
银行专注于治理人为因素和内部流程故障导致的风险,一般会采用损失事件报告、风险控制自我评估(RCSA)、广泛的控制流程和开发操作风险资本模型等方法。
基于规则的欺诈和交易警报检测系统已经被金融服务机构使用了很长一段时间。然而,事实证明这些工具在主动检测网络风险、欺诈行为、用户行为风险、其他关键运营风险等都无效。一份来自麦肯锡的操作风险管理报告强调,这些欺诈检测技术的误报率可能超过90%。
3.解决方案
鉴于复杂性和成本效率,金融服务机构需要一种新方法来检测这些风险和问题。银行等金融机构应该利用结构化、半结构化和非结构化数据的大型存储库来识别风险问题,而不仅仅是依赖自我评估、主观控制和人工调查。
数据访问和分析可以帮助金融服务机构从定性的手动控制转变为数据驱动的自动化实时检测,从而转变风险管理。例如,通过挖掘销售和客户数据,银行可以检测到潜在的未经授权的销售行为或其他非法行为。
这些预测分析工具的核心是使用机器学习模型,该模型可以识别网络威胁、欺诈行为甚至洗钱行为。另一种方法是使用自然语言来分析电话、邮件、社交媒体等,以实时识别客户提出风险话题的峰值,同时确保遵守适用的隐私法规。
精细高效的财务风险分析
1.概述
有效的金融风险管理对于减少资本市场资产交易的潜在损失至关重要。在此用例中,我们假设一家大型金融服务机构进行了日常风险评估以降低自身及其客户的风险水平。这对于财务风险管理非常关键,因为经常性风险计算将表明是否需要更多的流动性风险来缓解。
2.挑战
随着市场波动和客户投资的增长,这家金融公司希望提高风险计算的可扩展性、粒度和频率。由于每个计算器的计算节点都必须具有足够的规模才能来收集所有市场数据并计算风险结果,但问题是该公司的配置和市场数据到风险引擎计算节点的加载过程受到NFS和本地文件系统的限制:
>整个工作流不能有效地扩展额外的资产类别(市场数据组+风险计算节点)。
>缺乏弹性。如果一个节点宕机,每个风险引擎节点都无法恢复另一个节点的工作。
3.解决方案
通过使用Redis企业版数据库作为缓存/临时数据存储,数据能够更有效地加载到风险引擎计算器节点中。如果将引擎配置存储在Redis中,无论金融公司在何时确定了一个大型资产类别,它们都能够独立地动态分配N个节点。
为不同的资产类别创建节点。使用Redis企业版数据库,金融公司能够为不同的资产类别创建节点。如果有一个节点“忙碌”于该特定类别的外部事件,金融公司将启动更多的风险引擎计算器节点。
缩减节点提高资源利用率。由于不需要虚拟机上的完整数据副本,这些节点现在还可以缩减,例如可以横向扩展较小的节点以便在系统中提供更高的资源利用率、更频繁地运行相关的风险计算。
显著提高弹性。使用Redis企业版数据库可以轻松地为每个资产类别复制工作流,以改进整体风险计算。由于每个风险引擎节点都可以恢复另一个节点的工作,因此弹性得到进一步增强。
使用Redis企业版数据库,能够帮助金融公司及其客户更高频地获得风险头寸信息,同时降低基础设施成本。同时,公司也能够更早、更准确地确定流动性风险,从而将额外的资金投资于其他业务,提高资金利用效率。
解决方案图
通过高效的案例管理和报告降低成本
1.概述
在理想情况下,系统应该在交易发生时自动检测欺诈。然而,即使使用最复杂的AI/ML算法,仍必须手动审查和调查欺诈案件。
有一家大型金融机构公司正在使用内部开发的案例管理系统,该系统存储了一个大型交易数据库及其数据以供调查人员进行筛选。调查人员使用案例管理工具开展研究并确定可疑交易是否属于欺诈或与洗钱等行为有关。
2.挑战
考虑到需要筛选地案例数量,以及欺诈行为调查人员需要对数据进行广泛的搜索,该公司正在寻找一种能够提高审核效率的解决方案。最初,该公司尝试使用传统的基于磁盘的搜索解决方案,包括ElasticSearch,但这些解决方案无法满足性能要求。此外,由于网络延迟及加密文件和数据的需要,搜索过程变得很缓慢。
3.解决方案
Redis企业版数据库通过RediSearch模块来索引数据,提供了一个快速的内存搜索解决方案,还提供了一个超级高效的处理引擎用于搜索离散字段、跨案例的术语以及发现可能产生欺诈的行为。
由于数据和属性都在Redis的内存中,并且是非持久性的,所以它能够保持去标记和短暂性,就像在UI中一样。这意味着不需要加密,搜索可以在几毫秒内完成。
为了维护最新的数据,RedisConnect被用于变更数据捕获(CDC)框架,将更新的案例数据从源关系数据库提取到Redis企业版数据库。
Redis企业版数据库(Redis Enterprise)解决方案和RediSearch闪电般速度的内存搜索功能提高了欺诈检测员的生产力和效率水平。对于金融机构而言,这大大降低了时间成本和金钱成本。
解决方案图
通过精细访问管理实现零信任
1.概述
随着安全漏洞和网络攻击的增加,银行等金融机构的网络安全仍然非常重要,IT成本预算也比较高。同时,由于银行即服务的采用、合作伙伴生态系统的扩展以及对银行法规的遵守,银行外部金融数据共享也在增加。出现这些变化后,一家知名银行希望通过构建一个零信任的基于OAuth的身份管理系统,使他们能够成为受信任的身份提供者,从而从竞争对手中脱颖而出。需要注意的是,在零信任模型中,每个请求都是实时允许或拒绝的。但是,在典型的OAuth2实现允许请求时,信息在过期前15分钟都是可用的,网络攻击可能会在这15分钟内发生。
此外,这家银行还希望使用基于属性的访问控制(Attribute Based Access Control, ABAC)模型来对API、数据和底层基础设施资源进行更细粒度的访问。例如,对于与税务平台或金融科技合作伙伴(Mint)的集成,银行只需要为特定的用户和开发人员共享特定的数据字段。
2.挑战
由于每个访问请求都需要验证并使用ABAC模型,细粒度的策略决策点(PDP)需要高性能和可用性,因为银行必须要为全球客户和开发人员提供随时随地的访问支持。传统SQL关系数据库的复杂性和高基础设施成本使其具有高性能和可扩展性,但这不是银行的最佳选择。
解决方案图
3.解决方案
通过使用Redis企业版数据库,银行能够克服这些挑战,并为全球客户提供随时随地、实时安全和细粒度的访问。以下是Redis企业版数据库的主要功能:
>提供高性能的Acitve-Active地理分布;
>全局激活授权服务器和ABAC主数据库,用于于存储OAuth2令牌、用户配置文件/ID和一般权限;
由于API、客户端/开发人员和PDP会随着应用程序和微服务数量的增加而增长,Redis企业版数据库还可以进行线性扩展,每次访问都会命中一个PDP以获得更好的安全性。通过使用Redis企业版数据库,该银行成为了值得信赖的身份提供者,并使开发人员能够以安全授权的方式创新和利用数据。
解决方案图
虹科Redis企业版数据库金融客户案例请看下期分享!
虹科是Redis企业版中国区战略合作伙伴,想了解【Redis企业版更多功能】或者【金融行业解决方案】,欢迎评论区进行交流或者联系我们!