提高应用程序的质量
借助 Elastic 可观测性解决方案，petaFuel 得以简化软件生命周期并确保应用程序在投入生产时的质量。
针对聚焦于数据的应用程序，将应用程序错误率降低高达 15%
通过部署 Elastic 可观测性解决方案，petaFuel 能够密切监测并微调应用程序的性能，将聚焦于数据的应用程序的错误率降低了高达 15%，并缩短了授权响应的平均时间。
将信用卡诈骗率了降低了 2 个基点
Elastic 可观测性解决方案中的 Machine Learning 帮助 petaFuel 将欺诈信用卡交易和未授权付款的比率降低了 2 个基点。
创新型付款服务提供商和信用卡处理商 petaFuel 部署 Elastic 可观测性解决方案以获取客户行为洞察，提升应用程序性能并预防诈骗。
petaFuel 是一家获得认证的付款服务提供商和信用卡处理商，凭借先进的技术和安全标准提供创新型的付款软件和应用。其产品包括针对移动付款的 VIMpay 应用，还包括 Styx XS2A（这是一个接口，第三方可通过它来使用由银行提供的账户信息服务和付款发起服务）。
软件、服务和安全的重任落在了 petaFuel CTO Ludwig Adam 的肩上。Adam 说：“我们需要确保我们向银行提供的服务与市场风险和法规相容，同时契合电商、移动和多渠道交易的需求。”
这是一个涉及范围很广的议程，由于它事关 petaFuel 的 IT 基础架构和应用程序的质量和完整性，所以根本没有容错余地。Adam 说：“为了监控和优化我们系统的性能，我们在业务的两个关键领域部署了 Elastic 可观测性解决方案。”首先是事件检测，用于通过日志分析和错误检测来简化软件生命周期。他表示：“有了Elastic，我们可以在开发过程中识别错误和其他软件问题，并确保应用程序在投入生产时的质量。”
Elastic 发挥关键作用的第二个领域是事故管理。几乎实时传递的事件通知使 petaFuel 能够识别异常或可疑行为。但仅仅注意到事件是不足够的。Elastic 支持快速鉴定以排除虚假警报并优先处理真正的威胁。“这就是 Elastic 的真正闪光之处。”Adam 说道，“随着我们整合数据，我们可以在事故之间进行交叉引用，加速根本原因分析，并最大程度降低任何事故带来的财务影响。”
“有了Elastic，我们可以在开发过程中识别错误和其他软件问题，并确保应用程序在投入生产时的质量。”
作为 Elastic 的早期采用者，petaFuel 具有很大的优势，能够比较该平台与其他可观测性解决方案。Adam 说：“对于日志传送，我们构建了一个定制应用程序，但它的可扩展性不好，不足以满足我们的扩展目标。”他还研究过另一个可观测性平台，但很快就清楚地意识到它对 petaFuel 的开发人员来说使用起来不够方便。Adam 表示：“Elastic 完胜竞争对手，我们团队很快就采用了 Elastic，特别是在我们添加 Kibana 来监测和可视化日志后，团队的使用意愿更加高涨了。”
今天，Elastic 中的事件检测和事故管理支持三项关键的业务和技术活动：客户行为、应用程序性能管理和欺诈预防。
petaFuel 的 CTO Ludwig Adam（左）表示，Elastic 的 Machine Learning 功能在识别和预防诈骗方面发挥了巨大的帮助作用。
客户行为洞察
“一开始，我们使用 Elastic 进行日志传输和分析。”Adam 说道，“但后来，我们对 Elastic 进行了调整以将其应用于其他领域，具体做法就是使用正确的字段和清晰的分类法来整理我们数据结构。这为我们提供了有关客户和商户行为以及时间线的更深入洞察。例如，在特定时段有多少人在 Amazon 上购物，或者人们晚上在加油站可能会买些什么。因为欺诈行为针对特定渠道，并没有一刀切的解决方法，所以这为我们提供了必要的洞察来调整监测阈值。”
对于性能管理，petaFuel 使用 Elastic 跟踪其应用程序。这些包括有关运行时的见解、工作负载的影响以及错误对系统整体性能造成的影响。“这真是一个哇塞时刻。”Adam 说，“我们只需在 Elastic 中打开这个功能，信息就立即出现了，支持我们微调应用程序并优化性能。”
“Elastic 完胜竞争对手，我们团队很快就采用了 Elastic。”
Elastic 还在监测 petaFuel 数据库方面发挥着重要作用。这一场景中的挑战是确保为客户提供出色性能，尽管交易数量可能会变化很大。“这是在测试环境中很难预测的事情。”Adam 说道，“但通过 Elastic，我们可以识别生产数据库中的问题，并采取措施解决客户遇到的任何问题。” 这让 petaFuel 能够遵守其 SLA，尤其是授权卡片交易所需的时间这一指标。
使用 Machine Learning 来预防欺诈
petaFuel 还使用 Elastic 中的 Machine Learning 功能来筛查交易并检测异常行为，从而预防欺诈。Adam 强调了 Elastic 如何帮助阻止“净欺诈”（即银行无法对欺诈交易进行退单的情况）。“从银行的角度看，这可能会造成巨大损失，但是通过 Elastic 我们可以在犯罪行为发生时便加以阻止，并设立新规则以预防未来发生类似事件。”Adam 说道，“借助 Elastic，我们能够使用 Common Schema 实时处理数据，这对于识别和预防欺诈有很大的帮助作用。”
Elastic 的 Machine Learning 功能帮助 petaFuel 找到异常值和离群值，分析自然语言数据，并识别有助于预防诈骗的关注领域。
他还强调了机器人和脚本所带来的威胁，这些机器人和脚本会根据窃取的卡片数据自动攻击商家网站。通常，这些工具试图处理小额交易，并识别可用于大规模购买的有效卡片。“即使是经验丰富的员工也可能需要半个小时才能做出反应，但那时损失已经造成了。但通过 Elastic 中的 Machine Learning 功能，我们可以识别可疑交易模式并几乎立即做出反应以消除威胁。”Adam 说道。
展望未来，Adam 十分热切地希望利用 Elastic 的开放式架构。“通过 Elastic API，我们可以捕获和管理来自我们接口和连接器的遥测数据。我们喜欢的另外一点是，我们能够在需要时随时添加新功能。这为我们提供了巨大的灵活性。”
此外，Elastic 社区和支持团队会在幕后提供支持，这确保了 petaFuel 能够充分利用现有工具和软件的新迭代版本。“虽然我们是一家小型企业，但一直都觉得 Elastic 听取了我们的问题并加以解决。更重要的是，Elastic 理解我们成长旅程，并帮助我们进行扩展以应对任何挑战。”
