作为数字化市场的监督者，信用卡公司能够俯瞰我们所购买的物品。如果你想知道最近美国消费者对什么东西感兴趣，大概没有比检测他们的购买记录更好的方法，所以也就不用对类似于American Express，Capital One，JP Chase Morgan以及Citibank等信用卡公司处于大数据挖掘的前沿感到奇怪了。
American Express是大数据挖掘领域做了很多工作的信用卡公司之一。这家已经成立166年的老公司非常喜欢采用大数据技术，例如Hadoop，机器学习算法，以此来帮助大规模数据挖掘所需要的数据存储和计算能力。
这家市值340亿美元的公司选择MapR Technologies的Hadoop平台来存储数据和运行大数据程序，比如说，欺诈识别，吸引顾客，以及推荐系统等课题。每年他们的交易额达到一万亿美元，占所有信用卡公司的四分之一，所以它们有很多数据需要处理。
类似大多数金融服务公司一样，检测欺诈交易大概是Amex(American Express)利用大数据一个最大的案例。正如骗徒所尝试的一样，去创造完全能够模仿交易的所有细节是非常困难的，而机器学习算法又非常善于将这些异常交易检查出来。
但Amex所做的远不止诈骗检查，它们让他们的大数据技术更具创造性，其中就包括推荐产品和服务给他们的客户。
比如说，如果一个持卡人定期频繁的光顾某种类型的餐厅，Amex可能给那位客户推荐尝试附近的类似餐厅。Amex也有一个叫做Amex Offer的服务，这个能够利用客户的所处地的地理信息来实时给他们推送求职机会。这家公司最近在硅谷建立了一个实验室，并且正在提升它们在销售匿名客户交易信息的商业服务方面的大数据技术。
Hadoop在Amex的大数据活动中扮演者主要作用。“Hadoop平台确实让我们能够有效处理大规模数据量，并且以一个我们过去在传统技术的基础上不敢想象的成本，” American Express副总裁及全球科技信息管理及技术组织数字功能的领军人物Sastry Durvasula，2014年面对ODBNS.org采访时说。
大Citi数据
Citibank是一家比American Express更老的公司。事实上，拥有203岁的年龄，它比全世界90%的国家的寿命还长。由其子公司NYSE: C在数据科学和大数据技术上的投资来判断，它正在为未来200年做谋划。
这家公司在全球140多个国家里有超过2亿客户，很少有公司能达到，坐拥如此多的客户，就会有巨额的数据量来管理。根据2013年Citibank的全球决策管理业务先进分析副总裁Juan Huerta SlideShare的报告，这家公司正在取得阶段性进步，走近大数据。
它们慢慢从数据存取的公共数据集，公共工具和技术的建立开始，据Huerta介绍说。另一方面，基于分布计算的机器学习算法在Citi的Hadoop大数据进程起着很大作用，根据Huerta的介绍，它也提到了在风险和诈骗检测，情景营销，消费者行为以及点击率方面的应用案例。
一旦公司的数据科学家创造了一种分析方法，公司就想将其应用到各个方面。“我们目标在于给我们的客户提供超过其他所有银行提供的一种水平的服务”Citigroup的执行与技术总裁Don Callahan在2013年的《金融时报》写道。“我们正专注于预测性分析，不仅要了解人们的需求，而且要知道他们在将来可能会想要什么，这样我们就可以对我们产品和服务做好准备。在保护数据方面我们也有警惕性，会分配一些资源在信息安全方面。”
数据首都
建立于1994年，在信用卡领域，Capital One是一家相当年轻的公司。但可能比它的的竞争对手the Tysons Corner时间长一点，这家弗吉尼亚公司正在以一种在迅速增长的市场中与众不同的方式拥抱新科技。
据一份2014年凯捷咨询公司对Capital One的研究，这家银行从建立的第一天起就是数据驱动的。与一刀切的方法来评估信用不一样，这家公司聚集所有的精力激情给客户定制方案。“本质上来说，我们90年代所做的就是利用数据杠杆来给我们客户定制产品。”
今天，分析是这家250亿美元公司的基石，他们利用这套分析方法不仅仅是定价和诈骗检测，也应用在预测销售，保留客户，已经减少赢取客户成本方面。
在Capital One中机器学习算法扮演者很重要的角色。“每次我们的C apital One信用卡被刷，我们就会获取到数据并且将其应用与我们的模型当中”。Capital One数据科学家Brendan Herger在H2O上发布以一段视频中如是说道，值得一提的是，H2O会做自己的机器学习软件。
“每当我们取得一份信用卡申请，或者贷款申请或者某些人打电话给客服中心来通知我们情况好或者坏，我们也会做类似的事。”他补充到，“所有这些数据都会被捕捉到并且存储下来。”
在Capital One，分析的结果影响着决策，并且已经扩张到其他方面，例如基于消费者的消费习惯给消费者推送优惠券的移动交易应用程序。客服中心也使其具有预测能力，按凯捷的说法这种能力能够在100毫秒内，预测消费者打进来电话的话题是什么，并且能达到70%的准确率。
JP Morgan Chase里的数据分析
就像大多数信用卡公司一样，JP Morgan Chase公司也有数据科学实验室，在那技术人员能够实验最新和正在形成的新技术。但是这家216年的银行巨头已经向前迈了一大步，他们已经能够分析宏观经济的线索所占的比例，包括收入与花费模式，并且将结果与大众分享。
Diana Farrell， JPMorgan Chase学院的总裁兼CEO，向我们描叙了该机构的动力。“我无法表达当你身处经济衰退危机之中并且对家庭将要发生的事情一无所知是多么恐惧”，Farrell 说道，在2009到2010年的经融危机末期他曾经是奥巴马的经济顾问，“我们只是急需实时信息而已。”
这家建立于纽约的公司通过从250万个账户中随机选取的10万个个体，对他们长达27个月花费和收入模式的追踪进行了研究。这家市值960亿美元的银行发现，在其他事物中，40%的个体每个月的收入保持超过30%的上下浮动，然而60%的个体的每个月的消费保持超过30%的上下浮动。
JP Morgan Chase 也发现星期一是一周内大家消费最多的一天，而周日则是最少的一天。他们发现，美国人在周一的支出是周日的三倍。并非所有的大数据发现都是惊天动地的，但是他们总是帮助我们填补我们对世界了解的空白。
本文由数据分析网– 江伟翻译，在读研究生，擅长英语和数学。
本文由 翻译小组 翻译发布，英文链接：数据分析网翻译小组，转载或内容合作请联系我们，未经允许谢绝转载，本文链接：https://www.afenxi.com/17988.html 。
