Fraud/Risk的工业界ML的前景怎么样

Euclidc 发表于 2021-09-09 14:49:56
我也在做fraud detection相关的ml 答主可以私我！

多谢 私你了 ^_^

cost center，不到万不得已，公司不愿意多花钱。除非是专门做fraud的公司，不然建议去和赚钱更相关的组。

业内人士答一波。需求有，但是ml部分不算是特别跟得上state of the art，很依赖rule base。 之前老板是做security出身的，但是他没有任何做ml的mind set，如果你需要别人带的话老板很重要。 还有一点就是labelled data并不好拿，因为fraud 的implicit feedback不明确，需要有domain knowledge。在我看来这块做的好的人都不是ml出身的，而是security出身的。欢迎加微信详聊
求点大米谢谢

匿名者 发表于 2021-9-9 21:35
业内人士答一波。需求有，但是ml部分不算是特别跟得上state of the art，很依赖rule base。 之前老板是做se ...

深表赞同，rule based engine还是主力，可解释性在fraud领域挺重要的。我做过一年engagement abuse detection，之后还是老老实实滚回去做推荐了。

曾经BOA做fraud的，离开fraud已经两年了。fraud估计是ML最早的实际应用领域之一，一般业界还都是用classification建模产生fraud score再配合rules由人来完成the last mile也就是生成alert通知customer。各大银行主要用的是SAS提供的model但是现在也都在背后自己开发model因为SAS的subscription fees每年在millions以上这个级别根据transaction volume会有很大的不同。但是一时半会想要替代用了很多年的model其实并不容易因为很多rules都是根据现行model优化的，所以用ML做fraud并不是收集数据train one model那么简单，会有很多业务逻辑需要考虑比如哪些feature可能会因为claim date发生变化 etc。美国的金融机构是长期受到严格监管的fraud也不会例外，所以好的model从submit to deploy需要长时间的compliance investigation, 比如有没有使用可能歧视的feature有没有忽略vulnerability etc。 这个过程可能会长达一年甚至多年，期间除了写/改documents和各个其他部门开会（si bi）基本是没啥technical work的。

更加重要的是，银行作为长期求稳的系统引入新变量本身就会被别的stakeholders attack，根据大部分银行或者更加宽泛的finance institutions的policy有些fraud即使被抓到也还是要赔这部分钱所以新model的performance肯定是会被打折扣的再算上人力资源以及infrastructure的成本未必就能给公司带来足够的收益。没有收益，可以想见fraud ml team的重要性也不存在了。所以总体而言做金融界的fraud detection modeling，作为engineer的成就感是比较小的。

当然会有很多fintech专门做这个然后卖服务，但是作为乙方不就得看甲方爸爸的脸色了么。 关于risk，各个机构有自己长期一套的做法基本不怎么依赖model，就算用上model大概率也会很强调interpretability 这也是JP morgan那么浩大的research team 主要做model interpretability 以及 fairness的原因。

我觉得不怎么样

个人体验：跟公司里Risk部门的人合作，肉眼可见地觉得他们一定是见识了太多人性的黑暗面。。。

匿名用户 发表于 2021-09-09 21:35:33
业内人士答一波。需求有，但是ml部分不算是特别跟得上state of the art，很依赖rule base。 之前老板是做security出身的，但是他没有任何做ml的mind set，如果你需要

求加绿色聊天软件聊聊啊，chenkuo下划线513

如果楼主职业反正是在湾区的话，fraud不是好方向。湾区还是尽量往nlp，cv跟推荐靠。其他地区尤其东岸应该好很多。

skininthegame 发表于 2021-9-9 16:51
业内人士来答一波： 前景还行 需求很大 模型难度不高 WFH之后fraud量增加了很多 eComm和支付行业发展会带动 ...

模型难度不高，果然是业内人士。
但是这样势必前景也有限啊。
如今刷题上岸这么多人，很快上手的行业一下人才的supply就上来了。