fbpx

SoftBank 透過 Elastic Stack 推動搜尋支付服務監控和詐欺檢測

公司簡介

SoftBank Payment Service Corporation 為 SoftBank Group 旗下子公司,利用支付篩選和 API 為電子商務網站會員提供行動支付平台。 SoftBank Payment Service 還支援電信業者與便利商店的交易、預付卡的使用、銀行帳戶間的轉帳和信用卡獎勵計劃,以及標準的信用卡支付。迄今為止,大約有 80,000 家公司選擇使用這項服務,原因是它可以讓客戶降低開發和處理成本。

使用產品

Elastic Stack Machine Learning Alerting

解決方案

行動支付服務創造更強大的可見性

先前,SoftBank 的行動支付系統透過電子郵件或 Slack 向負責 SoftBank 系統的技術人員發送失敗通知。這意味著 SoftBank 的 IT 支援團隊負責向相關銷售部門報告失敗,而銷售部門向發生支付失敗的會員商店報告細節。IT 團隊全權負責提供有關故障的資訊、追蹤故障原因、修復故障並讓客戶了解情況。這種故障報告系統不僅耗時,而且妨礙了 SoftBank Payment Services 的銷售和營運部門提供即時和完整的相關故障資料。

Kibana 的儀表板使整體服務狀況實時可見

鑑於故障發生時缺乏可見性,SoftBank 尋求監控和視覺化工具。他們發現 Kibana 及其清晰易用的儀表板,是理想的產品。使用 Logstash 定期更新 Elasticsearch 中的交易資料,SoftBank 可以立即使用 Kibana 對交易資料進行視覺化,並在其業務中共享該資訊。 SoftBank 營運人員建立了儀表板,以綠色顯示成功支付,以紅色顯示失敗支付。監控這些儀表板的營運商可以快速捕捉不同支付方式的成功和失敗支付量的變化,並迅速採取行動。 現在有兩個簡單的規則可以讓營運商更直觀地了解他們所看到的內容,並快速察覺問題:
  1. 注意成功的支付(綠色)是否快速減少
  2. 注意失敗的支付(紅色)是否快速增加
如果發現任何變化,營運商可以在支付方式和會員商店層面,快速探究交易的問題點,並找尋根本原因。 Elastic Stack 也提供信用處理狀態資訊。 Kibana 儀表板可以向操作人員顯示哪些會員商店發送請求,以及發生哪些錯誤代碼的資訊。這些錯誤代碼用於識別何時使用了不正確的信用卡號碼、信用卡的有效期是否無效、信用卡是否被凍結或無法使用。儀表板上的圓餅圖提供有關錯誤的用戶數量以及所涉及的信用卡號的詳細資料。這有助於營運商了解信用卡詐欺何時發生。 Kibana 儀表板還可以安全的與其他團隊共享,無論是在工作中還是在工作之外。例如,on-call 工程師可以為他的手機設定系統觸發告警。 Softbank 使用 Jenkins 在發生錯誤時捕捉儀表板螢幕截圖,並使用 Selenium,每五分鐘重複一次此過程。然後將這些螢幕截圖發佈到特定的 Slack channel,而該 channel 會提醒值班的工程師。

使用機器學習檢測信用卡詐欺

2017 年 7 月,SoftBank Payment Services 開始試用機器學習。作為一項測試,Elastic 機器學習用於處理三個星期內每日總支付交易趨勢的特定資料。任何與預測明顯不同的變化都被識別、處理並被視為異常。例如,智慧型手機遊戲等線上服務的信用卡額度,通常在每個月的第一天提供,這通常會導致付款增加。起初,這種情況被檢測為異常。但三個月後,這種模式被機器學習識別,系統停止將其檢測為奇怪的銷售波動,因此,機器學習準確地與預期相符。 為了識別其他潛在問題,SoftBank 用不同標準建立新的機器學習作業,例如按不同的支付方式劃分成功和失敗的支付總數。將會員商店、產品名稱和錯誤代碼(包括錯誤資訊)設定為影響因素。當檢測到異常時,這些因素有助於確定原因,例如,檢測到不正確卡號或到期日期的告警峰值。從過去經驗來看,當對會員商店進行全面分析時,告警資料可能會在龐大的交易量中丟失,從而難以查找問題。然而現在,當 SoftBank Payment Services 人員篩選特定會員商店時,Kibana 儀表板可以讓營運商立即發現信用卡詐欺的用途。因此,SoftBank Payment Services 已經意識到,在試圖識別信用卡詐欺時,僅將資料視覺化是不夠的。 檢測到異常後,作業名稱和嚴重性級別將發佈到 Slack。這個過程還附帶 Slack bot 的獨特測量,它為機器學習儀表板捕捉並添加螢幕截圖。 透過增加複雜工作的級別,操作人員可以更早發現詐欺行為,從而增強對會員商店的服務。SoftBank Payment Services IT support 旨在取代基於會員商店閾值或支付方式的舊告警系統,進而考慮採用基於機器學習的異常檢測程式。

為業務資料創造強大的可見性

此後,SoftBank Payment Services 將 Elastic Stack 在資料視覺化的測試擴展到新部門。在此擴展中,IT support 團隊查看了以前由銷售部門管理的基於 Excel 的銷售資料。然後設定追蹤目標,例如合約數量和服務站點的網路流量。 對於合約,兩年內的銷售量趨勢被轉換為堆疊長條圖,並按部門或項目細分。熱圖讓 SoftBank Payment Services 列出銷售部門的目標,這些目標可以進一步細化到銷售代表級別或按月過濾。任何達到的目標都以藍色顯示;錯過的目標是紅色的,還可以使用地圖來繪製會員商店的年度狀況。 對於服務站點的流量,SoftBank Payment Services 的 IT support 團隊能夠根據 source IP 位置猜測哪些公司正在存取他們的站點。對簽約客戶和非簽約公司的存取進行排名,以便為銷售部門提供可用資訊。 儀表板最初是由 IT support 人員根據銷售部門的要求建立的。然而有時,銷售部門開始進行新的任務,從添加視覺化資料,到建立新的儀表板。添加基於 Excel 的資料最為困難,最終透過開發一個獨立的拖放工具(drag-and-drop tool)來解決。 這些早期的努力為 SoftBank Payment Services 打下良好的基礎,藉由使用 Kibana 提供的正則表達式工具,以及簡單的數學運算進行更詳細的分析。與此同時,這些努力讓 SoftBank Payment Services 能夠處理大量資料,而這些資料原本無法用 Excel 處理。現在,這些功能讓任何人都可以輸入資料並建立儀表板,從而改善報告,並真正達成協作。 本文翻譯自:https://www.elastic.co/customers/softbank-payment-service  參考更多 Elastic 相關資訊:https://www.omniwaresoft.com.tw/elastic/

相關文章