在当今的数字时代，一方面需要更高的速度和实时处理，另一方面需要降低在线业务的风险，两者之间可能存在矛盾。这些风险包括潜在的欺诈、接触不安全的业务伙伴（无论是客户、供应商、服务提供商）、未能遵守行业或金融法规等。

今天是如何做到的？

为了降低这些风险，公司依赖的技术可以帮助他们扫描交易中的欺诈或违规行为，进行合规性检查，或者从道琼斯（Dow Jones）或汤森路透（Thomson Reuters）等私人供应商处筛选业务合作伙伴与公开名单或其他数据库，并发出警报让他们进行调查。所涉及的数据量呈指数级增长，因此需要越来越多的能力这些显然是大数据类型的需求。

然而，许多人仍然使用传统的工具，通常基于基本的数据挖掘或更复杂的商业智能技术，这显示了他们的局限性，可能涉及大量的手工工作结果证明是相当昂贵和不可靠的。此外，许多用于异常检测和筛选的工具没有与需要扫描的数据所在的业务系统集成，因此定制和维护的成本可能非常高。

最近的分析产品提高了复杂度，利用web服务或其他或多或少有效的提取-转换-加载（ETL）技术来挖掘事务、第三方数据和其他记录，并执行欺诈检测和筛选。可以开发出相当复杂的算法，让他们能够检测出更多隐藏的模式，或者可疑的关系，例如，但往往需要高技能（且稀缺）的数据科学家。

但即使是更复杂的工具，也会在事后扫描交易或

新的业务伙伴信息。

鉴于在最繁忙的时间处理的数据量非常大，1元云购，为了避免中断，通常在夜间进行批量筛选，当交通流量减少时。但这并不理想，因为业务增长的速度越来越快，而且现在很多业务都是在线的，而且每天24小时都在进行。

随着你不断地接触新客户，并与他们在线交易，如果在下一次筛选中发现他们有问题，而你已经与他们打过交道，那就不太好了。

实时业务需要实时保护

显然业务的速度和数据量不会降低，"实时业务"一词的使用越来越广泛。这也增加了风险水平和潜在欺诈交易、异常情况、合规问题或风险第三方风险敞口的发生频率。

这意味着帮助检测这些风险的技术需要与他们需要实时运营的业务步伐同步。

如果我们举个例子在亚马逊、优步、天空传媒等在线商业网站中，每天都有成千上万的客户加入到他们的记录中，物联网技术及应用，他们需要能够实时进行检查，hadoop大数据，以确认自己不在风险名单上，或者发送不合法的身份或支付信息，而这需要在他们开始与他们交易之前进行绝大多数客户都是合法的，因此重要的是，这些检查不会让他们久等，这样他们就不会被诱惑放弃或去找竞争对手。

这需要能够实时处理这些海量信息的技术，这些技术基于最新的创新，如：

支持大数据的内存计算能够以极快的速度处理高事务量强大的数据分析和预测技术，可以分析所有不同类型的模式和各种数据易于使用的警报和调查功能，以便正确的团队能够快速有效地分析和处理警报

所有这些都是SAP过去几年大力投资的领域，以开发能够以理想的速度和效率响应这些需求的解决方案，并提供非常协作和高度可视化的用户体验，以帮助调查人员。

但这不仅仅是速度，而是准确度

在这种快节奏的业务背景下，伴随着实时风险检测工具，高准确度也是一个关键因素。如果没有它，持续筛选大量交易和第三方数据可能会产生大量警报，其中许多可能是误报，结果会加重调查人员的负担并显著降低其效率。

例如，他们需要提供模拟能力，微调检测规则和阈值，并包括一定程度的智能，例如，识别先前已被识别为错误警报的情况，或帮助持续改进检测。机器学习是下一个重要的步骤，企业软件服务，而且发展很快。

它是关于易用性的

欺诈和其他风险情况可能非常复杂，而且模式也在不断演变，尽管技术可以越来越有帮助，正如我刚才提到的，它永远不能完全取代从业者和经验丰富的调查人员的经验。

由于他们很少掌握操作复杂算法的技能，欺诈和第三方风险筛查工具需要更具亲和力。这是通过提供更直观、直观的功能来实现的，帮助他们分析、改进规则和检测标准，并添加新的规则和检测标准，云服务器吧，以应对不断变化的模式或新类型的风险或合规要求（例如），随着业务的扩展和发展。

当今创新的欺诈管理、筛选，和预测分析解决方案

总之，当今最好的欺诈管理、筛选和预测分析解决方案有很多好处。他们可以：

实时处理大量数据，并适应日益数字化的业务步伐，利用内存计算技术、先进的分析技术和直观、协作的用户工具

不仅快速而且更准确地识别欺诈情况、违规行为或第三方风险，即使在快节奏的商业活动中，也要尽量减少误报并保持控制

使人们能够追求不太知名和更复杂的模式和网络，不仅利用预测分析等创新技术，而且利用最优秀从业人员的经验