1. 我是CIO首页
  2. 资讯
  3. 金融

人工智能和机器学习如何帮助Razorpay改善业务成果

人工智能和机器学习如何帮助Razorpay改善业务成果

Razorpay 创立于 2013 年,Shashank Kumar 和 Harshil Mathur 在 Y Combinator 的支持下创立,致力于为印度中小企业及创业公司提供线上支付服务,使他们能够接受各种各样的支付方式。如,通过数字钱包、信用卡/借记卡、网上银行等,Razorpay 可以实时接收和验证网上付款信息。它在各大购物网站,发卡机构,收单银行以及其他支付网络之间,提供安全的连接线路。

Razorpay的CEO Harshil Mathur,一直在公司内部强化AI和ML,用于改善公司经营成果,同时减少欺诈交易。以下,是Harshil的采访记录。

Q:您被评为今年最具创新的支付公司。您如何利用技术实现同样的目标?

技术是Razorpay的最大特色。这种差异使我们能够不断赢得市场份额,并在过去一年中将其增长到15%以上。我们使用了多种技术,包括基于云的解决方案和API驱动的付款方式。此外,在商业方面,机器学习和基于AI的动态路由使我们能够提供更好的客户体验和更高的付款成功率。同时,我们使用技术将多个服务捆绑在一起。去年,我们推出了贷款产品,使用ML来确定企业的信誉度,并允许客户从Razorpay借贷。

Q:如何使用ML来确定信誉和帮助企业利用贷款

标准的征信局数据通常不足以贷给中小企业。结果,大多数中小企业没有贷款。由于这些企业使用Razorpay进行付款,因此我们每天,每周,每月都知道他们的收款情况。我们使用交易分析来确定变化,季节性并确定下一年的业务现金流量。根据对下一年业务现金流的估计,我们可以算出今天可以提供给他们多少贷款,这些贷款将在下一年的时间内偿还。这可以通过在我们平台上运行的机器学习系统来实现。基于此,我们提供从该模型中获得的任何金额的贷款,然后企业可以选择接受该贷款。

Q:您如何利用数据和AI来改善业务流程?

我们的贷款系统完全依赖于数据科学和机器学习功能。这就是端到端建模的方式。公司信用卡具有大量业务的现金流量数据。与传统限制相反,动态限制是可能的,这是因为数据科学确定了当天要提供的限制。在每笔交易中,都会根据历史记录生成新的限额。

收购Thirdwatch,借助AI驱动的欺诈分析方法,我们能够减少欺诈交易。它使用300多个参数,例如客户的电子邮件地址,客户使用的地址,PIN码,实际选择的时间(因为普通客户会花一些时间来确定合适的产品,欺诈者会立即这样做)。该系统使用AI将其与正常的购物者行为进行比较,如果有什么突出之处,我们将其标记为可能是欺诈交易。商业商人可以呼叫客户并确认他是否是实际下订单的客户。这一直是增长的主要动力,因为它减少了电子商务交易中的重大欺诈行为。

Q:随着平台上发生如此多的敏感交易,您如何应对网络犯罪?

我们使用多层策略。我们的基础系统检测并报告发生的任何数据泄漏。我们还接受第三方机构的定期审核,以确保控制措施正常运行。

第二层涉及在内部和外部开展意识运动。对员工进行了培训,并获得了最佳编码实践,安全性实践的认证以及在高度敏感的环境中进行编码的认证。我们还开展活动,在博客上提高知名度,并在每次交易中向客户发送电子邮件,告知他们如何避免受到攻击。

第三层策略包括ML和数据科学功能,以识别是否在我们的系统或合作伙伴系统上发生了系统性攻击。

Q:您如何弥合行业中普遍存在的技能差距?

您在市场上有工程师,优秀的程序员和编码人员,但问题在于AI,ML等深厚的技能。在印度市场上,这类技能并不容易获得,因为我们当前的课程并未提供这些技能。

我们根据基本技能(一般的编码和编程技能)聘用人员,然后为他们进行AI和ML培训。我们还与一些较新的机构建立了联系,在这些机构中,他们为特定职位培训候选人。

我们有L&D计划,允许人们从在线门户网站或IT空间中可用的综合性机构进行认证,并通过Razorpay进行补贴课程,并进行自我升级。这些就是我们激励人们的一些方式。

本文为作者 三石 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论