One area of Citi’s operations where

One area of Citi’s operations where Big Data analytics have been implemented successfully is in customer retention and acquisition. This involves analyzing data and targeting promotional spending using machine learning algorithms. Citi is helping themselves as well as its customers by providing functionality that is keeping it as a firm and its customers protected. So from compliance and cybersecurity to customer service and fraud to marketing and web analytics, many uses need mixed support of Big Data in order to operationalize a wide range of new and critical functionality.Another is to scan transactional records to spot anomalies, which could identify or predict defects –and in the case of customers, incorrect or unusual charges. The costs resulting from these anomalies is far easier to correct if spotted quickly – or even before it happens – through predictive modelling. Simone tells me that across the organization the cost of reworking these “errant data points” has been brought down in some cases by double digits thanks to new methods of Big Data analysis.

結果 (繁體中文) 1:

其中，大數據分析已經成功地實施花旗的業務領域之一是在客戶保留和獲取。這包括分析數據，並利用機器學習算法針對促銷開支。花旗提供的功能，是保持它作為一個公司及其客戶保護幫助自​​己以及它的客戶。因此，從合規性和網絡安全客戶服務和欺詐營銷和網絡分析，多種用途需要，以實施一個範圍廣泛的新的關鍵功能的混合支持大數據。

另一種方法是掃描交易記錄，以發現異常，這可能識別或預測缺陷 - 和在客戶，不正確或不尋常的費用的情況。甚至發生之前 - - 通過預測模型，如果發現很快從這些異常導致的成本要容易得多正確的。西蒙告訴我，整個組織返工，這些“錯誤的數據點”的費用已經由雙得益於大數據分析的新方法數字放倒在某些情況下。

結果 (繁體中文) 2:

花旗成功實施大資料分析業務的一個領域是客戶保留和收購。這包括使用機器學習演算法分析資料和定位促銷支出。花旗通過提供功能，使其作為一個公司及其客戶受到保護，從而説明自己和客戶。因此，從合規性和網路安全到客戶服務和欺詐，到行銷和網路分析，許多用途都需要大資料的混合支援，以便實現各種新的關鍵功能。

另一種是掃描交易記錄以發現異常，從而識別或預測缺陷，如果是客戶，則收取不正確或異常的費用。如果快速發現（甚至在發生之前），通過預測建模，這些異常導致的成本更容易糾正。Simone 告訴我，由於新的大資料分析方法，在整個組織中，重新加工這些"錯誤資料點"的成本在某些情況下降低了兩位數。

結果 (繁體中文) 3:

花旗成功實施大資料分析的業務領域之一是客戶保留和收購。這包括使用機器學習演算法分析數據和確定促銷支出目標。花旗正在幫助自己和客戶，通過提供功能，使其作為一家公司和其客戶受到保護。囙此，從法規遵從性和網路安全到客戶服務和欺詐，再到市場行銷和網絡分析，許多應用都需要大數據的混合支持，以便實現各種新的關鍵功能。
另一種方法是掃描交易記錄以發現异常情况，這些异常情况可以識別或預測缺陷，如果是客戶，則可以發現錯誤或异常的費用。如果通過預測模型快速發現或甚至在异常發生之前發現，由這些异常產生的成本就更容易糾正。西蒙尼告訴我，由於採用了新的大資料分析方法，在某些情况下，整個組織中重新處理這些“錯誤數據點”的成本降低了兩位數。