成功案例和創新說明，個人和企業/組織如何使用 KNIME，以獲得卓越成果…
案例一：使用 KNIME 支援的自動化線上貸款申請決策
公司：WEBBANKIR
關鍵詞：金融服務、風險分析、機器學習
成果：
- 通過高度自動化、準確的決策流程更快地批准和發送貸款
- 每月處理 200,000 個申請，每個申請不到 10 秒
- 將全自動決策的比例從 75% 提高到 85%
KNIME 幾乎包含任何類型的機器學習模型與演算法。它還可以支援專案所需的任何類型的數據轉換。構建工作流的可視化拖拉方式不僅可以加快模型和流程的工作，還可以讓非編碼人員自由獨立地工作。
全文連結：https://www.knime.com/solutions/success-story/automated-online-loan-application-decision-making
案例二：有目標的機器學習之旅
公司：TODO1
關鍵詞：金融服務、詐騙識別、機器學習
TODO1 構建了一個反欺詐分析器來減少金融機構與其客戶之間的交易詐騙。
- 要求：滿足所有要求的平台；REST API；自我記錄的功能；經濟實惠
- 挑戰：詐騙數據難以獲取，即時響應難以實現 (<100ms)
- 設置：運行負載均衡器 / 4 x KNIME 大型服務器 / Rabbit ML / 2 x KNIME 執行器
- 成果：系統在雲端中投入生產並在過去 3 個月內全面運行，它已經管理了 650 多萬筆交易而沒有停機。詐騙檢測率整體提高 100%。時間中位數約為 100 毫秒。
全文連結：https://www.knime.com/solutions/success-story/our-journey-to-ml-with-a-purpose
案例三：異常檢測 - 反洗錢中的未知模式
公司：Rabobank
關鍵詞：金融服務、審計、異常檢測
荷蘭合作銀行在兩天內培訓了 300 名稽核人員，使其具備數據素養並開始自己使用 KNIME，基本步驟包括訪問和檢查數據、進行異常檢測、創建可視化以及匯出和儲存輸出。雖然他們可能不是最終進行分析的人，但重點是能夠看到和理解數據潛力以及如何使用數據的重要性。通過這種方式，企業文化受數據驅動化影響愈來愈大。
案例四：為銀行監管創建數據分析模型
公司：Qatar Financial Centre Regulatory Authority
關鍵詞：金融服務、銀行業、資料分析
在銀行監管中，重點已從對某個時間點的財務報表審查轉為更具分析性的審查模式，例如：觀察不同時間、個別公司和變數的差異。KNIME 分析平台在相同的基礎上獲取財務數據——例如，將季度財報提交中插入月度財報，從 FYTD (財務年度)中計算 CYTD (日曆年度)，創建 12 個月的滾動變量等等。工作流程通過 KNIME Server 部署，將準備好的數據送到 Tableau，並在 Tableau 中作為標準化儀表板的基礎，使主管能夠執行靈活的臨時分析。
全文連結：https://www.knime.com/solutions/success-story/analytical-data-model-banking
案例五：使用 KNIME WebPortal 進行客戶數據評分和數據隱私
公司：Trūata
關鍵詞：金融服務、數據隱私、引導式分析
此案例的目標是信用卡數據的匿名化和自動化，使金融服務公司能夠執行自己的“自助服務”分析，同時確保隱私得到維護。
- 要求：一種開源、可擴展的工具，並提供引導式分析和藍圖
- 挑戰：集成解決方案架構中的授權具有嚴峻的驗證挑戰！
- 設置：多個 KNIME 執行器和 KNIME WebPortal
- 成果：數百家金融機構現在可以通過 WebPortal 訪問該解決方案
案例六：內部審查中的數據分析和流程挖掘
公司：ING
關鍵詞：金融服務、審計(審查)、流程挖掘
ING 已設法將數據分析集成應用到審計人員的日常工作中，而無需進行大量繁重的工作。越來越多以前沒有深入研究數據的用戶現在能夠比以前更快地獨立產生見解，並使用 KNIME Server 和 KNIME Data Apps 進行流程挖掘。由於KNIME工作流具可重複使用性和可共享性，它不僅有助於流程標準化，還能提高效率，在某些情況下，個別審計人員的工作從三天減少到十五分鐘。
全文連結：https://www.knime.com/solutions/success-story/data-analytics-process-mining-within-internal-audit