大数据架构和模式，第 5 部分 对大数据问题应用解决方案模式并选择实现它的产品-2

look_w

解决方案模式：采取下一个最佳行动在关于获得高级业务洞察的解决方案模式中所做的欺诈预测通常导致应采取特定行动，例如拒绝索赔，或暂缓赔偿，直至收到进一步的澄清和信息，或报告它，以采取法律行动。在这种模式中，为预测的每个结果定义了行动。这个行动对结果（action-to-outcome）的表被称为行动决策矩阵。
图 3. 下一个最佳行动的解决方案模式图 3 使用：

• 非结构化数据存储
• 结构化数据存储
• 经过转换的结构化数据
• 经过预处理的非结构化数据
• 实体解析
• 欺诈检测引擎
• 业务规则
• 决策矩阵
• 数据探索工具
• 对用户的警告和通知
• 索赔请求拦截器
• 对其他系统和业务流程组件的变更和通知

通常可以采取 3 种行动：

• 可以向利益相关者发送通知，以采取必要的行动，例如，通知用户采取针对申索人的法律行动。
• 系统在采取进一步行动之前通知用户，并等待用户的反馈。系统可以等待用户响应任务，也可以停止或暂缓索赔处理事务。
• 对于不需要人工干预的场景，系统可以采取自动行动。例如，系统可以向流程发送一个触发器，以停止理赔程序，并将有关申索人、代理人和审批人的信息通知给法律部门。

此模式适合于需要使用大数据进行高级分析的企业。此模式使用高级功能来检测欺诈行为，通知并提醒相关利益方，启动自动工作流，根据处理的结果采取行动。
形成大数据解决方案骨干的产品和技术下图显示了大数据软件如何映射到第 3                部分中所描述的逻辑架构的各个组件。这些产品、技术或解决方案可以在大数据解决方案中使用；必须根据您自己的需求和环境来决定选择用于部署的工具。
图 4 显示了大数据设备，如 IBM PureData™ System for Hadoop 和 IBM PureData System for                Analytics，它们跨越多个层次。这些设备具有内置的可视化、内置的分析加速器，以及单一系统控制台等特性。使用设备有很多优点。（请参阅 ，了解有关 IBM PureData System for Hadoop 的更多信息。）
图 4. 映射到逻辑层次图的产品和技术
在欺诈检测中使用大数据分析的好处与传统方法相比，使用大数据分析来检测欺诈具有多种优势。保险公司可以构建包含所有相关数据源的系统。一个包罗万象的系统有助于检测不常见的欺诈案件。预测模型等技术可以深入分析欺诈实例，筛选明显的案例，并参照低发欺诈案件执行进一步分析。
大数据解决方案还可以帮助建立整个企业的反欺诈工作的全局视角。通过链接组织内的关联信息，全局视角往往导致更好的欺诈检测。欺诈行为可以在多个起源点发生：理赔、保险退保、缴费、申请新的保单，或者与员工相关的欺诈或第三方欺诈。各种来源的数据相结合可以实现更好的预测。
分析技术使组织能够从非结构化数据中提取重要信息。虽然大量结构化信息存储在数据仓库中，大多数关于欺诈的关键信息都是非结构化数据，比如第三方报告，它们很少被分析。在大多数保险机构中，社交媒体数据没有被正确地存储或分析。
结束语利用基于保险行业中的识别欺诈用例的业务场景，本文介绍了复杂性各不相同的几种解决方案模式。最简单的模式解决来自不同来源的数据的存储，并执行一些初步的探索。最复杂的模式涵盖如何从数据中获得洞察，并根据分析采取行动。
每一个业务场景都被映射到组成解决方案模式的相应原子模式和复合模式。架构师和设计师可以应用解决方案模式来定义高级的解决方案，以及相应的大数据解决方案的功能组件。