Melhora a qualidade da aplicação
Com o Elastic Observability, a petaFuel conseguiu agilizar o ciclo de vida do software e garantir a qualidade das aplicações quando elas entram em produção.
Diminui os erros em até 15% para aplicações com foco em dados
Com a implantação do Elastic Observability, a petaFuel pode monitorar atentamente e ajustar o desempenho das aplicações, reduzindo erros em até 15% para aplicações com foco em dados e baixando o tempo médio de resposta de autorização.
Reduz fraude em cartões de crédito em 2 pontos base
O machine learning no Elastic Observability ajuda a petaFuel a reduzir transações fraudulentas com cartões de crédito e pagamentos não autorizados em dois pontos base.
petaFuel, inovadora empresa de pagamentos e processadora de cartões de crédito, implanta o Elastic Observability para obter insights sobre comportamento dos clientes, desempenho das aplicações e prevenção de fraudes
A petaFuel é um provedor de pagamentos certificado e processador de cartão de crédito que fornece software e apps de pagamento inovadores, baseados em tecnologia e padrões de segurança avançados. Isso inclui seu app VIMpay para pagamentos pelo celular e o Styx XS2A, uma interface para terceiros usarem serviços de informações de contas e serviços de iniciação de pagamentos oferecidos por bancos.
A responsabilidade pelo software, serviços e segurança é de Ludwig Adam, CTO da petaFuel. “Precisamos garantir que os serviços que prestamos aos bancos sejam compatíveis com o risco e as regulamentações do mercado, além de atender à demanda por transações multicanal, de celulares e de e-commerce.”
É uma agenda abrangente, sem margem para erros no que diz respeito à qualidade e integridade da infraestrutura e das aplicações de TI da petaFuel. “Para monitorar e otimizar o desempenho dos nossos sistemas, implantamos o Elastic Observability em duas áreas importantes do negócio”, diz Adam. Em primeiro lugar, a detecção de eventos, que é usada para agilizar o ciclo de vida do software por meio de análise de logs e detecção de erros. “Com a Elastic, podemos identificar bugs e outros problemas de software como parte do processo de desenvolvimento e garantir a qualidade das aplicações quando elas entram em produção”, diz ele.
A segunda área em que a Elastic desempenha um papel crítico é o gerenciamento de incidentes. Aqui, notificações de eventos entregues quase em tempo real permitem que a petaFuel identifique comportamentos incomuns ou suspeitos. Mas simplesmente perceber um evento não é suficiente. A Elastic oferece suporte para a rápida qualificação, a fim de eliminar alarmes falsos e priorizar ameaças genuínas. “É aqui que a Elastic realmente brilha”, diz Adam. “À medida que consolidamos os dados, podemos fazer referências cruzadas, acelerando a análise da causa raiz e minimizando o impacto financeiro dos incidentes.”
“Com a Elastic, podemos identificar bugs e outros problemas de software como parte do processo de desenvolvimento e garantir a qualidade das aplicações quando elas entram em produção.”
Sendo uma das primeiras empresas a adotar a Elastic, a petaFuel está bem posicionada para comparar a plataforma com outras soluções de observabilidade. “Para o envio de logs, criamos uma aplicação customizada, mas ela não era escalável o suficiente para atender às nossas metas de expansão”, diz Adam. Ele também analisou outra plataforma de observabilidade, mas logo ficou claro que ela não era amigável o suficiente para os desenvolvedores da petaFuel. “A Elastic realmente surpreendeu a concorrência, e nossa equipe a adotou rapidamente, especialmente quando adicionamos o Kibana para monitorar e visualizar os logs”, diz Adam.
Hoje, a detecção de eventos e o gerenciamento de incidentes na Elastic dão suporte para três atividades críticas de negócios e tecnologia: comportamento do cliente, gerenciamento do desempenho das aplicações e prevenção de fraudes.
Ludwig Adam (à esquerda), CTO da petaFuel, afirma que os recursos de machine learning da Elastic têm sido extremamente benéficos quando se trata de identificar e prevenir fraudes.
Insights sobre o comportamento do cliente
“Inicialmente usamos o Elastic para envio e análise de logs”, diz Adam. “Mas nós o adaptamos a outras áreas, estruturando nossos dados com campos adequados e uma taxonomia clara. Isso nos dá insights mais profundos sobre o comportamento e a linha do tempo dos clientes e lojistas. Por exemplo, quantas pessoas estão comprando na Amazon e em quais horários ou o que as pessoas podem estar comprando em postos de gasolina tarde da noite. Isso fornece os insights necessários para ajustar os limites de monitoramento, uma vez que o comportamento fraudulento é direcionado para determinados canais e não existe uma abordagem única para todos”, diz ele.
Para gerenciamento de desempenho, a petaFuel usa a Elastic para monitorar suas aplicações. Isso inclui insights sobre o tempo de execução, o impacto das cargas de trabalho e como os erros afetam o desempenho geral do sistema. “Esse foi um momento realmente incrível”, diz Adam. “Simplesmente ativamos a funcionalidade da Elastic e as informações estavam lá, permitindo-nos ajustar as aplicações e otimizar o desempenho.”
“A Elastic realmente foi muito superior à concorrência, e nossa equipe adotou a solução rapidamente.”
A Elastic também desempenha um papel valioso no monitoramento dos bancos de dados da petaFuel. Aqui, o desafio é manter o desempenho para os clientes onde o número de transações pode variar enormemente. “Isso é algo difícil de prever no ambiente de teste”, diz Adam. “Mas com a Elastic, podemos identificar problemas nos bancos de dados de produção e tomar medidas para corrigir qualquer problema desse cliente.” Isso permite que a petaFuel cumpra seus SLAs, especialmente o tempo necessário para autorizar transações com cartão.
Usando machine learning para prevenir fraudes
A petaFuel também está usando machine learning na solução da Elastic para evitar fraudes, fazendo a triagem das transações e detectando comportamentos incomuns. Adam destaca como a Elastic ajuda a prevenir fraudes em situações nas quais os bancos não conseguem estornar as transações fraudulentas. “Isso é potencialmente prejudicial do ponto de vista do banco, mas com a Elastic podemos bloquear o comportamento criminoso à medida que ele acontece e então estabelecer novas regras para evitar incidentes semelhantes no futuro”, diz Adam. “Com a Elastic, o processamento de dados em tempo real usando um esquema comum é extremamente benéfico quando se trata de identificar e prevenir fraudes.”
Os recursos de machine learning da Elastic ajudam a petaFuel a encontrar anomalias e valores discrepantes, analisar dados de linguagem natural e identificar áreas de interesse que ajudam a prevenir fraudes.
Ele também enfatiza a ameaça representada por bots e scripts que automatizam ataques a sites de lojistas com base em dados de cartões roubados. Normalmente, essas ferramentas tentam processar pequenas transações e identificar cartões válidos para compras maiores. “Mesmo um funcionário experiente pode levar meia hora para reagir, mas a essa altura o estrago já está feito. No entanto, com o machine learning da Elastic, podemos identificar padrões de transações suspeitas e reagir quase imediatamente para neutralizar uma ameaça”, diz Adam.
Olhando para o futuro, Adam deseja aproveitar as vantagens da arquitetura aberta da Elastic. “Com as APIs da Elastic, podemos capturar e gerenciar dados de telemetria de nossas interfaces e conectores. Também gostamos da maneira como você pode adicionar novos recursos quando precisa deles. Isso nos dá uma enorme flexibilidade para o futuro.”
Depois, há a comunidade Elastic e a equipe de suporte da Elastic em segundo plano, garantindo que a petaFuel aproveite ao máximo as ferramentas existentes e as novas iterações do software. “Somos uma pequena empresa, mas sempre sentimos que a Elastic ouve nossas preocupações e as soluciona. Mais do que isso, a Elastic entende nossa jornada rumo ao crescimento e está nos ajudando a enfrentar os desafios que vêm por aí.”
“Trabalhando com a Elastic, parece que estamos caminhando em direção a um objetivo comum. Eles compartilham nossa visão, especialmente nosso foco no desempenho e na escalabilidade do software. Isso nos dá uma enorme confiança no futuro da empresa e nos serviços que prestamos aos nossos clientes.”
Para ler mais
- Saiba mais sobre os recursos de machine learning da Elastic e faça uma avaliação gratuita
- Saiba como as organizações de serviços financeiros podem aproveitar a IA generativa e como começar
- História de sucesso: Wells Fargo accelerates digital innovation to put customers first with Elastic Observability (Wells Fargo acelera a inovação digital para colocar os clientes em primeiro lugar com o Elastic Observability)
