// 01 — finanças
Detecção de Fraude em Tempo Real para Banco Digital
Banco com 4M de clientes sofria com perdas crescentes por fraude transacional. Regras estáticas geravam 8% de falsos positivos, bloqueando clientes legítimos e gerando custo operacional em chargebacks.
5 meses (descoberta → produção)1 cientista lead · 2 engenheiros · 1 PM
// abordagem
- 01Ingestão Kafka de eventos transacionais com latência <50ms
- 02Feature store online (Redis) com 240 features comportamentais
- 03Modelo XGBoost calibrado por isotonia + thresholds dinâmicos por segmento
- 04Servido via FastAPI atrás de Envoy, com circuit breaker e fallback determinístico
- 05Painel de risco em Grafana para o time de prevenção, com ack/escalation
PythonKafkaRedisXGBoostFastAPIClickHouseGrafana
ler case completo 
Finanças
// resultados
−42%
perdas evitadas
0.97
AUC
118 ms
latência p95
−61%
falsos positivos
