دمج الذكاء الاصطناعي مع هندسة البيانات لنظام بنكي

نظام مصرفي ذكي مصمم لتقييم أهلية العميل لإضافته إلى البنك. يعمل نظام اتخاذ القرار هذا بواسطة نموذج التعلم الآلي الذي يعالج الميزات الرئيسية المستخرجة من مستودع البيانات. وإليك كيفية عمله:

سير عمل المشروع:

1️⃣ يقوم العميل بإدخال تفاصيله على موقعنا الإلكتروني.

2️⃣ يبحث الموقع الإلكتروني في مستودع البيانات للتحقق مما إذا كان العميل موجودًا بالفعل.

3️⃣ إذا كان العميل موجودًا، يتم تمرير معلوماته إلى Databricks، الذي يقوم بجلب الميزات الرئيسية وتشغيلها من خلال نموذج التعلم الآلي الخاص بنا.

4️⃣ ينتج نموذج التعلم الآلي قرارًا - ما إذا كان العميل مؤهلاً بناءً على تاريخه المصرفي من البنوك الشريكة لدينا.

5️⃣ إذا كان مؤهلاً، يتم تخزين تفاصيله في قاعدة بيانات البنك 3. إذا لم يكن كذلك، فلا يتم اتخاذ أي إجراء.

6️⃣ بالنسبة للعملاء الجدد، يضيفهم الموقع الإلكتروني مباشرة إلى قاعدة بيانات البنك 3.

مصادر البيانات:

تنشأ بياناتنا في ملفات CSV مخزنة في Azure Data Lake Gen2.

يتم نقل البيانات من قواعد بيانات البنوك الشريكة إلى مستودع البيانات عبر خطوط أنابيب Azure Data Factory، المجدولة يوميًا.

تتغذى بيانات المستودع على لوحات معلومات Power BI للحصول على رؤى حول النظام المصرفي وسلوك العميل واكتشاف الاحتيال وتحليل المعاملات.

مجموعة الأدوات التقنية:

تم إنشاء الموقع باستخدام HTML وFlask.

معالجة البيانات من خلال Databricks وSpark.

نموذج التعلم الآلي يعمل في الوقت الفعلي (Real Time) داخل Databricks.

قواعد بيانات Azure SQL وAzure Data Factory وPower BI متصلة لضمان التشغيل والتحليل السلس.

التصور: توفر لوحات المعلومات لدينا رؤى قوية حول:

أداء النظام المصرفي

أنماط المعاملات

سلوك العملاء

تحليل الاحتيال