Curve, британское финансовое суперприложение, сталкивается с проблемами, связанными с большим объемом финансового мошенничества. Традиционные методы обнаружения мошенничества с трудом справляются с организованными мошенническими схемами, которые демонстрируют сложные взаимосвязи. Для решения этой проблемы Curve сотрудничает с Google Cloud для внедрения BigQuery Graph для глубокого анализа сетей. Выявление мошенничества требует понимания многошаговых связей, которые вычислительно затратны и сложны в масштабировании с помощью стандартного SQL. Curve перевела свой сетевой анализ на BigQuery Graph, используя его нативную поддержку языка запросов к графам (GQL). Это позволило им сохранить данные в существующей среде BigQuery, экономя время и затраты. Моделируя свою платежную экосистему как графы свойств, Curve упростила архитектуру и использует интуитивно понятный GQL для сопоставления с образцом. Теперь они могут эффективно перемещаться по миллиардам соединений и унифицировать анализ данных со стандартными рабочими процессами SQL и машинного обучения. Эта интеграция привела к значительному финансовому эффекту: по оценкам, экономия от потерь по транзакциям составит 12 миллионов долларов в 2025 году. Запросы на основе графов достигают примерно 72% точности в выявлении мошеннических пользователей, что позволяет агентам по борьбе с мошенничеством сосредоточиться на случаях с высокой степенью уверенности. Внедрение GQL упростило правила борьбы с мошенничеством и обеспечило более быстрое перемещение для моделей машинного обучения. Curve в настоящее время изучает циклы обнаружения в реальном времени и нативную визуализацию графов для дальнейшего улучшения своей стратегии по снижению мошенничества.