Потоковый feature store и объяснимая скоринговая модель заменили движок правил, блокировавший слишком много добросовестных клиентов.
Задача
Действующий движок правил отправлял 9% заявок на ручную проверку, и большинство из них оказывались легитимными. Потери от мошенничества росли, а каждое новое правило добавляло трения для хороших клиентов.
Решение
Мы построили слой потокового приёма событий заявок, устройств и транзакций, управляемый feature store на Snowflake и модель градиентного бустинга с объяснениями на основе SHAP для каждого решения.
- Задержка решения менее 80 мс на 99-м перцентиле
- Мониторинг модели с автоматическими алертами о дрейфе
- Консоль аналитика для разбора и разметки пограничных случаев
Готовы заставить данные работать?
Расскажите о задаче. В течение двух рабочих дней мы вернёмся с конкретным первым шагом.
Связаться с нами