全球詐騙案件層出不窮，數位科技的進步，更讓金融詐騙手法持續進化，造成民眾財產損失。本集《全新一週》專訪美商天睿資訊 Teradata 業務總經理陳盈竹，探討面對日新月異的詐騙手法，數據導向的解決方案如何成為金融機構與政府單位即時防堵金融犯罪的關鍵應用，以及 Teradata 如何透過「打詐四部曲」，助力全球客戶打造金融安全新典範、加速邁向防詐成功的路徑。
從事後監控的打詐策略，升級為「事前預防」和「即時阻斷」
陳盈竹指出，國內外詐騙手法截然不同。國外多以工程化與資訊化手段發動大規模攻擊，國內則傾向運用高科技仿真技術，結合人性弱點設下陷阱。金融機構身為資金流動的重要樞紐，自然成為打擊詐騙行為的關鍵切入點。然而，全球多數金融業仍以事後監控與規則引擎為主要手段來辨識詐欺者或高風險對象，往往無法即時阻止犯罪。Teradata 因此協助客戶建構事前監控機制，及早辨識潛在詐騙行為，從源頭全面強化金融犯罪的防制能力。
「在防制詐騙的過程中，金融機構必須善用數據與 AI 科技介入」，陳盈竹表示。Teradata 因此提出全球性的方法論，協助客戶建立黃金數據（Golden Data）體系，透過整合分散在各系統中的關鍵資料，打造一套可信且可追蹤的數據基礎，為後續的風險辨識與 AI 模型訓練奠定堅實基礎。此一方法論不再僅限於傳統的 KYC，而是從「一人一檔」的觀點出發，進一步涵蓋 Know Your Customer、Know Your Employee，以及 Know Your Product，全面掌握客戶、員工與產品的風險輪廓。當金融機構擁有更完整的數據集，並建構內部打詐資料庫後，後續導入 AI 機器學習技術，即可更精準且迅速地預測潛在風險。
「Teradata 在全球定位是企業數據的大腦」，陳盈竹說明。其數據平台能整合並承載歷史交易紀錄、客服訊息及系統日誌等軌跡資料，並透過產業數據模型（Industry Data Model）集成為黃金數據，提供前端分析靈活取用。因此，除了防詐應用，也能支援向上銷售（Upsell）、交叉銷售（Cross Sell）與信用風險評分（Credit Risk Scoring）等多元場景。她進一步指出，許多企業關注內部數據架構的健康程度，以及是否具備支援新型應用場景的彈性。為此，Teradata 提供完整的雲端分析與數據平台 VantageCloud，採用 Lake-Centric 的現代化方法，協助企業將數據轉化為驅動創新與突破的洞察力。此外，Teradata 解決方案採用 MPP 架構，具備高效能的運算引擎，就如同航空母艦等級的基礎設施，能讓客戶放心將各類 AI 模型部署於平台，實現從實驗室驗證到生產環境的順利落地，加速應用價值的實現。
助力國際金融機構以 AI 實現識詐、堵詐、阻詐、防詐，全面建構兼具即時應對與長期預防的智慧風控體系
進一步談到 Teradata 如何協助金融業建立 Golden Data 架構，陳盈竹說明，Teradata 會先協助客戶導入 Industry Data Model，並與客戶共同釐清分析主題、需蒐集的資料來源，以及如何加速數據庫建置，以支援前端分析需求。當資料整合完成後，即可進一步推動 AI 應用，包括模型建置與模型迭代管理。她也提醒，「企業必須檢視現行資料架構是否具備支援新型模型與風險預測的能力，並進一步整合內外部資源，才能為數據驅動的決策奠定穩固基礎，同時強化整體的風險管理與內部控制機制。」
聚焦實際案例，陳盈竹分享，丹麥銀行原先以傳統規則引擎進行詐欺分析，但誤報率偏高，影響偵測效率。後續該行依循 Teradata「識詐、堵詐、阻詐、防詐」的四階段策略，逐步導入 AI 技術強化防詐成效。在識詐階段，導入 AI 模型以精準辨識詐欺行為，較傳統系統提升約 60% 的偵測率。在堵詐階段，Teradata 協助客戶於 300 毫秒內完成交易風險評分，實現即時阻斷可疑交易，有效防止資金外流。進入阻詐階段，透過 AI 平台降低誤報率達 50%，讓偵測團隊能專注處理真正的詐欺案件，不僅提升資源使用效率，也釋放近一半人力投入更高價值任務。在最終的防詐階段，Teradata 持續協助客戶優化模型機制，建立長期防禦體系，應對日益複雜且變化迅速的詐欺手法。
銀行產業除了提供金融交易服務外，在放款與授信審核上同樣肩負重要職責。陳盈竹表示，巴西金融機構 Sicredi 為建立預先核准的信用額度機制，採用了 Teradata 平台的「ClearScape Analytics」功能，成功將審核速度提升至原本的 25 倍，大幅加快「貸款給誰、額度多少」的判斷效率，同時有效降低營運成本。面對保險業日益嚴重的詐保及道德風險的挑戰，例如詐欺手法隱匿多變、交通事故造假頻繁、行為模式日益系統化，加上缺乏統一的數據共享平台，Teradata 也提供了具體解方。日本損害保險協會便攜手 Teradata 建立內部 Golden Data 架構，進一步推動 AI 分析應用，針對保險索賠、投保紀錄與關聯行為數據進行深入探勘，不僅可快速辨識異常交易與可疑行為模式，亦能準確鎖定高風險案件，並於理賠流程中主動發出異常預警，全面強化保險防詐能力。
隨著資料流通日益頻繁，電信產業也逐漸成為詐騙攻擊的新目標。陳盈竹分享，英國電信業者 Vodafone 在 2023 年曾遭遇「中間人詐欺」事件，不法人士冒充其員工接觸客戶，提供虛假交易資訊，不僅造成高價設備損失，也嚴重衝擊企業信譽。面對此類威脅，Teradata 協助 Vodafone 將傳統以規則為主的防禦模式升級為機器學習導向的智慧型偵測機制，客戶無需冒著資安風險將資料移出平台，即可直接在 Teradata 上建構詐欺檢測模型，提升偵測準確度與效率。Vodafone 進一步運用 ClearScape Analytics 的特色功能，透過 SQL 即可調用機器學習函式，讓熟悉 SQL 的使用者也能執行 AI 分析，快速升級為資料科學工作者，「透過這樣的方式，Vodafone 得以深化業務與 AI 的整合，並持續再訓練（Retrain）更具預測力的冠軍模型，進一步提升模型效能與應用價值。」陳盈竹說
打造開放、可擴展的 AI 平台，全面強化金融機構的詐欺偵測能力
在台灣的應用案例中，Teradata 以內部詐欺（Internal Fraud）為切入點，協助企業針對內部員工進行詐欺偵測。陳盈竹表示：「當基於一人一檔的黃金數據資料超市建置完成後，我們運用分析引擎協助客戶提升辨識效率，將原本需查閱上千份報表的作業，簡化為透過單一風險評分即可掌握員工異常行為，有效釋放菁英人力，專注於更深入的調查與風險控管。」
陳盈竹指出，面對金融產業對巨量資料的管理需求，Teradata 不僅致力成為客戶的數據大腦，更積極推動「One Truth in One Platform」的理念，打造開放且具可擴展性的 AI 平台，支援與外部系統及多元資料結構的整合應用。同時，在「Load Once, Use Many Times」的實踐上，Teradata 透過完善的數據整理方法論，協助客戶有序整合各類資料，落實數據治理，並將其轉化為前端各部門可靈活運用的應用資產。
隨著 AI 應用的普及，數據在金融安全中的角色愈發關鍵。Teradata 憑藉領先的數據平台解決方案，協助全球金融機構邁向數據驅動的事前預防與即時阻斷應用，為打擊金融詐騙注入全新動能。同時，最新一代 Teradata 平台整合企業向量資料庫（Enterprise Vector Store）與 AI Factory 的能力，協助企業打造具備推理與自動決策能力的 Agentic AI 應用，進一步強化金融詐騙防制效能。陳盈竹強調，面對詐騙手法快速演變的挑戰，企業唯有擁抱數據驅動與智慧決策的轉型思維，才能有效守護金融安全，為產業與消費者築起值得信賴的防護網。
