كيف تستفيد PayU من علوم البيانات لتعزيز عملياتها

ستساعدك المقالة التالية: كيف تستفيد PayU من علوم البيانات لتعزيز عملياتها

في العامين الماضيين ، بدأت الخدمات المصرفية الجديدة في إحداث موجات في صناعة التكنولوجيا المالية. توجد البنوك الجديدة حصريًا على الإنترنت وتغطي جميع الاحتياجات المصرفية التقليدية مثل المدفوعات والإقراض والمحفظة والتأمين وما إلى ذلك.

PayU ، التي تأسست في عام 2002 ، تقدم حلول التكنولوجيا المالية وبوابات الدفع. تحدث Sachin Garg ، رئيس علوم البيانات في PayU ، عن خدمات الشركة ، واستخدام التعلم الآلي ، و “التكنولوجيا” التي تدعم الصناعة المالية في MLDS 2021.

حول PayU

كانت صناعة التكنولوجيا المالية من أوائل المؤيدين لعلوم البيانات. بالطبع ، كانت الخوارزميات محدودة ، لكن استخدامها كان لا يزال يُنظر إليه في صناعة التكنولوجيا المالية منذ وقت مبكر جدًا للتطبيقات باعتباره أمرًا حيويًا فيما يتعلق بما إذا كان يجب منح العميل قرضًا أم لا “، قال جارج.

PayU مملوكة بالكامل لمجموعة بقيمة 100 مليار دولار تدعى Prosus ، والتي تمتلك أيضًا حصصًا في شركات رائدة مثل Swiggy و Byjus. تتواجد PayU في أكثر من 18 دولة وهي مزود رائد في 36 سوقًا.

PayU India ، على وجه الخصوص ، لديها قسمان رئيسيان – PayU Payments و PayU Finance.

ثروة البيانات

وفقًا لـ Garg ، تعد البيانات حجر الزاوية في صناعة التكنولوجيا المالية. مع 200.000 شريك تجاري عبر شركات مثل Facebookو Netflix و Flipkart و Myntra ، كما زعم ، تمتلك PayU أكبر عمق للبيانات في الفضاء الرقمي في الهند.

“إن أكثر ميزات PayU إثارة هو وجود بيانات عن جانب الإقراض والإنفاق. هذا يساعدنا على رسم مخطط لدورة حياة بيانات العميل من البداية إلى النهاية ، مما يساعدنا على اتخاذ قرارات حاسمة فيما يتعلق بالإقراض ، وسلوك المخاطرة والتقييم ، وما إلى ذلك ، “قال جارج.

تتعامل PayU Finance مع بيانات الطرف الثالث وبيانات المكتب والبيانات الشخصية والبيانات المالية وبيانات الهاتف المحمول وبيانات الرسم البياني.

يستخدم فريق علوم البيانات في PayU أحدث خوارزميات التعلم الآلي لاستخراج الرؤى من قاعدة البيانات المتاحة. تشمل النماذج البارزة: نموذج الميل ؛ نموذج الدخل / الثراء؛ نموذج المخاطر / الاحتيال ، أتمتة العمليات ؛ نماذج التجميع والتخصيص.

وفي حديثه عن حالة استخدام ML شائعة في PayU ، قال جارج: “هناك عملاء يأخذون قرضًا منا – يمكن أن يكون قرض Swiggy أو قرضًا نقديًا كبيرًا. في بعض الأحيان لا يكونون قادرين على السداد في غضون الموعد النهائي. في معظم الأوقات ، الأشخاص الذين يفوتون الدفع في الموعد النهائي للاسترداد في الأيام السبعة المقبلة. يساعدنا نموذج ML على توقع مدى احتمالية قيام العميل بالسداد بعد 7 أيام على الأقل من الموعد النهائي. يساعدنا هذا النوع من البيانات والتقدير على تقليل الجهود المبذولة في التذكيرات وعمليات رد الاتصال المنتظمة. وبدلاً من ذلك ، يمكننا تركيز جهودنا على المتعثرين الآخرين. إنه وضع يربح فيه كل من العميل والشركة “.

حالة استخدام أخرى هي أتمتة خدمة العملاء. قال جارج: “لقد قمنا ببناء روبوت محادثة داخلي حيث أن النطاق محدد للغاية”. هنا ، تواجه نماذج ML مجموعة من التحديات التي تشمل دورة حياة القرض متعددة المراحل ومجموعة واسعة من الاستعلامات ولغة الاستعلام.

تأتي استفسارات العملاء باللغات الإنجليزية والهنجليزية (الهندية والإنجليزية) والهنجليزية مع وجود أخطاء. “يأخذ نموذج البرمجة اللغوية العصبية الخاص بنا في الاعتبار هذه القيود ويفهم الاستعلام بشكل صحيح ثم يصنفه إلى أكثر من 350 هدفًا. من خلال الجمع بين تصنيف النية والقواعد المحددة مسبقًا ، نقدم إجابات فورية على استفسارات العملاء هذه “.

تحدث جارج باستفاضة عن استخدام علم البيانات في PayU:

• يخضع علم البيانات ومنصة البيانات في الشركة لنفس المظلة ، مما يتيح نشر أسرع للنماذج وتقليل الاعتماد على فرق التكنولوجيا الأساسية
• أن تكون جزءًا من النظام البيئي الأكبر لـ Prosus يساعد في الوصول إلى مجتمع علماء البيانات العالمي
• هناك تركيز كبير على الذكاء الاصطناعي العادل والجدير بالثقة