Pepperstone 使用 AWS 上的機器學習來提供無縫的全球交易體驗

交易者在選擇線上經紀商時，可信度和客戶服務是重要的參考標準。大家會傾向於選擇成立時間早並持有多個授權經營牌照的交易平台。在 2021 年的經紀商大獎中，DayTrading.com 將 Pepperstone 評為最佳外匯經紀商，主要是因為 Pepperstone 的經營足跡遍佈全球並擁有「超級可靠的平台」。 Pepperstone 是一家總部位於墨爾本的外匯 (forex) 和證券線上交易平台，每月有超過 40,000 名不重複訪客。

自 2010 年成立以來，Pepperstone 一直依賴於 Amazon Web Services (AWS) 雲端。Pepperstone 行銷長 Tony Gruebner 表示：「AWS 提供頻繁的創新和靈活的立即可用解決方案，協助我們更有效地開展業務。」得益於容器化和使用 Amazon Elastic Kubernetes Service (Amazon EKS) 等立即可用的受管服務，Pepperstone 才能夠快速擴大客戶群並安全擴展服務。僅在 2020 年，Pepperstone 就實現了 20% 至 30% 的增長。

藉助 Amazon EKS，Pepperstone 可以在任何環境中標準化操作，並在擴展到新的國家/地區時利用自動化實現一致的多區域部署。Pepperstone 原本在澳洲和英國持有兩個牌照，並與 2020 年從杜拜金融服務管理局等機構取得了另外五份授權經營牌照。該公司透過取得新牌照，開啟了新的市場，包括非洲和歐洲市場。

機器學習 (ML) 和人工智慧 (AI) 是 Pepperstone 技術堆疊中的核心技術。除了分散在四個國家的 70 人 IT 團隊外，該公司還在墨爾本擁有一支致力於開發 ML 模型的資料科學團隊。最初，這些資料科學家開發自己的演算法，並在 AWS 上執行。到了 2019 年，他們轉向使用 Amazon SageMaker 和 AWS Fargate，以自動化 ML 模型的建立和部署。

在轉而使用 Amazon SageMaker 進行模型訓練的過程中，Pepperstone 的資料科學團隊能夠輕鬆將該工具融入到已有的工作流程。「學習新的 AI 或 ML 工具通常很難，但 Amazon SageMaker 很容易上手。透過在 AWS 環境中進行託管、訓練和部署，我們從第一天開始就能夠節省大量時間，」Pepperstone 的首席資料科學家 Samuel Ellett 說道。訓練 ML 模型所需的時間從使用本機機器時的 180 小時減少到了使用 Amazon SageMaker 時的 4.3 小時。

為了取得新的授權經營牌照，Pepperstone 必須證明其設有嚴格的「了解您的客戶 (KYC)」程序，以篩選進入其平台的交易者。在實作 Amazon SageMaker 之前，他們的大部分文件審查程序都是手動進行的。員工需要親自檢查提交之文件 (例如護照相片) 的真實性。很多時候，讓一個客戶加入其平台需要花費幾個小時，幾天後才發現該客戶的身分並非本人。

Pepperstone 現在可以透過在 Amazon SageMaker 中部署詐騙偵測模型，在新客戶上傳文件的同一天識別出潛在的詐騙行為。在訓練 ML 模型的過程中，資料科學家將提交的文件與儲存在 Amazon Simple Storage Service (Amazon S3) 資料湖中的數百萬張影像進行比對，這些影像包括全球常見 ID 文件的真實影像和篡改影像。

然後，系統會為每個潛在客戶指派一個分數，這個分數是一個百分比，指示提交的文件被非法篡改的可能性。客戶引導團隊在收到結果後，會跟進處理帶有警示標記的文件，要求客戶提供額外的身分證明。這改進了該團隊的決策程序，從而減少了手動 ID 驗證所花費的時間。

除了節省時間之外，Amazon SageMaker 提供的詳細程度和準確性遠遠優於人類所能達到的水準。「人類不可能比對 300 萬份文件，而且很多時候虛假之處非常細微，人眼很難發現，」Ellett 說道。 

加快客戶引導程序對新的客戶也有好處。線上交易平台之間的競爭異常激烈，交易者並不會侷限在一個特定的平台上。因此，無縫的客戶引導程序對於 Pepperstone 贏得交易者的信任至關重要。「使用 ML 實現客戶引導自動化不僅在營運上幫助了我們，而且還建立了一套更加完善的程序，極大地改善了客戶體驗。我們的目標是讓交易變得愉快，當然要避免不必要的延遲或進入壁壘，」Gruebner 解釋道。

Pepperstone 還使用在 Amazon SageMaker 中產生的 ML 模型來協助銷售團隊進行潛在客戶評估和轉化。在每個客戶加入平台時給客戶指派一個分數，這讓銷售團隊能夠有針對性地提供客戶服務。在客戶瀏覽 Pepperstone 網站的過程中，他們的資料會不斷累積，他們的評分會即時更新。這有助於銷售團隊更好地管理工作量並提供量身打造水準的服務，讓公司在線上經紀商市場中脫穎而出。「Amazon SageMaker 是一款出色的工具，可確保整個資料科學管道盡可能整合和自動化，並在您需要的時間和位置提供資料，」Gruebner 補充道。

由於透過 Amazon SageMaker 取得了立即可用的功能，即使 DevOps 工程師非常忙碌，Pepperstone 的資料科學團隊仍可維持生產力。資料工程師仍然需要 DevOps 團隊幫他們在 Amazon SageMaker 中設定沙盒環境，但一旦完成這一步，他們就可以獨立執行概念驗證。「我們有效地解決了資料和 DevOps 團隊之間的資源衝突問題。Amazon SageMaker 讓我們能夠輕鬆快速地進行建置、檢驗我們的假設並在完成之後立即將其關閉，這樣就不會花費太多成本。因此，我們能夠進行更多的實驗，」Ellett 總結道。

 若要進一步了解，請造訪 aws.amazon.com/machine-learning 和 aws.amazon.com/startups。