Implementatie van een machine learning-platform en fraudedetectiemodel voor Tinka

Tinka

Implementatie van een machine learning-platform en fraudedetectiemodel voor Tinka

Op basis van AWS Sagemaker is er een innovatief en end-to-end machine learning-platform ontwikkeld en geïmplementeerd. Ook bouwden we twee cloud-native en hertrainbare facturatiemodellen en een fraudedetectiemodel.

De uitdaging

Tinka heeft zo’n 2 miljoen actieve klanten en verwerkt ieder jaar ruim 90 miljoen transacties. Hun grootste uitdaging is dus om zoveel mogelijk geldige betalingen te verwerken, zonder dat dit frictie bij gebruikers oplevert. Om dat doel te bereiken, schakelden ze Eraneos in. Ze wilden machine learning- en AI-mogelijkheden in gaan zetten om zo hun klanten beter te leren kennen, hun risico’s te reduceren en te zorgen dat ze aan de strenge financiële wet- en regelgeving voldoen. Tinka hecht veel waarde aan transparantie en eerlijkheid. Dus was het belangrijk dat we oplossingen ontwikkelden die hier rekening mee hielden. Om snel in te springen op veranderingen in frauduleus of betalingsgedrag, moesten de modellen bovendien makkelijk hertrainbaar zijn. Ook de verklaarbaarheid van modellen speelde een belangrijke rol om bias terug te dringen en het voorspelproces te verbeteren.

“Op basis van AWS Sagemaker bouwden en implementeerden we een compleet en innovatief machine learning-platform.”

De aanpak

Samen met Tinka gingen we aan de slag om hun mogelijkheden voor data-activatie te verbeteren. Daarom bouwden we op basis van AWS Sagemaker een compleet machine learning-platform. Hiermee kan Tinka snel en efficiënt hoogwaardige ML-modellen voorbereiden, bouwen, trainen en uitrollen. Bovendien ontwikkelden we een aantal makkelijk hertrainbare facturatiemodellen. En we hielpen het bedrijf om een fraudedetectiemodel te bouwen. We zorgden ook dat de modellen verklaarbaar zijn. Op die manier doen zich geen black box-situaties voor. De modellen baseerden we op XGBoost-algoritmes.

Tinka wil graag de favoriete financiële dienstverleningspartner worden voor duizenden (web)winkels in Nederland. Ze bieden onder meer kredieten en mogelijkheden om achteraf of gespreid te betalen. Via hun (web)winkelpartners bedienen ze op een verantwoorde en veilige manier miljoenen klanten. Via hun systeem voor kredietrisicomanagement houden ze het uitgavegedrag van hun klanten nauwlettend in de gaten, zodat hun producten verstandig worden gebruikt.

Het resultaat

Op basis van AWS Sagemaker bouwden en implementeerden we een compleet en innovatief machine learning-platform. Hiermee kan Tinka geavanceerde use cases voor AI en ML testen en ontwikkelen. Ook bouwden we twee cloud-native en hertrainbare facturatiemodellen en hielpen we Tinka om hun eigen fraudedetectiemodel uit te rollen. De facturatiemodellen voorspellen hoe groot de kans is dat een klant niet betaalt. Het fraudedetectiemodel geeft aan of er een risico is dat de transactie frauduleus is. Eraneos integreerde verklaarbaarheid in alle modellen – zowel op lokaal niveau (elke transactie) als op globaal niveau (welke kenmerken volgens het model mogelijk wijzen op fraude). Op die manier kunnen klanten een toelichting krijgen als achteraf betalen wordt geweigerd. En weten ze waarom het algoritme deze beslissing nam. Wij maken gebruik van verklaarbare modellen om het algoritme voortdurend te kunnen verbeteren, bias te voorkomen en een hoge mate van nauwkeurigheid te waarborgen.

Samen werken aan een duurzame verandering?