PayPal is een van de meest populaire betalingsverwerkingstransactiebedrijven op internet, met meer dan 10 miljoen dagelijkse logins, financiële overboekingen in 26 verschillende valuta en gegevensverwerking van meer dan 1,1 petabyte. PayPal behoort tot de top vijf van betalingsbedrijven op het gebied van marktkapitalisatie.De snelle expansie kan te wijten zijn aan het substantiële gebruik van Big Data-analyse en datawetenschap. We zullen enkele van de datawetenschaps- en Big Data-analysetechnieken bekijken die door PayPal worden gebruikt om de klantervaring te verbeteren.
Bekijk deze video met zelfstudie over gegevensanalyse voor beginners
PayPal handelt betalingen voor veilingwebsites en leveranciers via cloud computing op een veilige manier af. De handelaren zijn de directe klanten van PayPal, terwijl de klanten van de handelaren de indirecte klanten van PayPal zijn. De gebruikerservaring is enorm verbeterd als gevolg van de uitgebreide voorspellende mogelijkheden van PayPal.
Hoe PayPal uitgebreid profiteert van Hadoop?
PayPal gebruikt HBase en Hadoop om al haar gegevens te verwerken, ongeacht het formaat. PayPal combineert traditionele databases met Hadoop om haar klanten als gespecialiseerde dienstverlener beter van dienst te kunnen zijn. Bij PayPal wordt Hadoop gebruikt in combinatie met traditionele dataplatforms om te voldoen aan verschillende zakelijke behoeften, waaronder analyse van klantsentiment, marktsegmentatie en fraudedetectie.Door de combinatie van Hadoop en traditionele dataplatforms kunnen datawetenschappers query's uitvoeren op HDFS-gegevens om hypothesen te testen en onderzoek te doen.
PayPal anonimiseert alle informatie voordat deze wordt opgeslagen in Hadoop, vanwege de noodzaak van sterke beveiligingsfuncties in Hadoop. PayPal gebruikt Hadoop om semi-gestructureerde gegevens op te slaan voor Big Data-analyse en business intelligence-initiatieven, en het is toegankelijk voor PayPal-vertegenwoordigers over de hele wereld. Elke dag verzamelt het meer dan 20 gigabyte aan loggegevens. Dit is met name handig in aanbevelingsengines, het verzenden van realtime locatiegebaseerde aanbiedingen, sentimentanalyse, gebeurtenisanalyse en consumentensegmentatie.
Fraudedetectie in PayPal
PayPal ontwikkelt een nieuw fraudeanalysesysteem en vervangt het oude door open source-technologie zoals Hadoop en Spark te combineren met online caching, machine learning-algoritmen en de inzet van detectives. Zodra de machine learning-modellen de kans op fraude hebben vastgesteld, de detective voert een uitgebreid onderzoek uit om te bepalen of het een fraude is of niet.
Risicobeheer is ultrasnel omdat machine learning-algoritmen in milliseconden beslissen of een transactie legitiem is of een frauduleuze poging tot misleiding. Wanneer een klant als betrouwbaar en betrouwbaar wordt beschouwd, worden zijn transacties snel voltooid. Als het algoritme detecteert dat de transactie frauduleus is, vertraagt het systeem om meer gegevens te verzamelen en voert het een volledig onderzoek uit.
Algoritmen voor machine learning evalueren recent gedrag, aankoopgeschiedenis, cookiegegevens en honderden andere indicatoren om frauduleuze transacties te detecteren. Voor elke associatie worden de bevindingen van deze onderzoeken vergeleken met externe gegevens van authenticatieproviders. Als bijvoorbeeld een enkel account in korte tijd vanuit meerdere plaatsen over de hele wereld lijkt te worden beheerd, wordt dit gemarkeerd.
Hoe zeer relevante advertenties zijn mogelijk in PayPal?
De analytische algoritmen gebruiken eerdere aankoopinformatie op basis van het aankoopmedium, zoals online of in-app, waarmee klanten geld kunnen besparen en tegelijkertijd hoge transactievolumes voor retailers kunnen bieden. PayPal gebruikt Big Data-analyses om de aankoopgeschiedenis, gebruikersactiviteit op verschillende sites en de smaak van de consument te koppelen om relevante aanbiedingen, kortingen en gerichte advertenties te geven. De voorspellende modellen van PayPal kunnen identificeren waar consumenten hun geld met een duizelingwekkende 69 procent nauwkeurigheid.
Het succes van de uitzonderlijke klantenservice van PayPal is te danken aan NLP-algoritmen (Natural Language Processing). Bij onderwerpmodellering, voorspellende modellering, clustering en invloedsscores maakt PayPal gebruik van op Hadoop gebaseerde tekstmining. PayPal kan niet zeggen of een consument het product of het merk van het product leuk vindt zonder text mining-gegevens van een productaankoop. Met behulp van text mining kan dit echter worden geanalyseerd en van toepassing zijnde aanbevelingen worden doorgestuurd naar de klant.
Conclusion
PayPal is een meester geworden in het gebruik van zoek- en transactiegegevens van klanten om zijn voorspellingsvermogen te verbeteren, met een trackrecord van succes. PayPal wil meer zijn dan alleen een betaalmogelijkheid op de website van een winkelier; het wil wekelijks, dagelijks worden gebruikt. Venmo is een app voor mobiele geldoverdracht en Xoom wordt gebruikt voor internationale overmakingen, die beide worden overgenomen door PayPal.PayPal streeft ernaar om rekeningen, geldautomaten en integratie van de bovengenoemde acquisitiediensten aan te bieden. PayPal ligt op schema om in de toekomst een enorm succes te worden, gebaseerd op het huidige groeitraject. De belangrijkste reden voor deze prestatie is dat er effectief gebruik wordt gemaakt van Big Data-analyses.Als er een probleem is, neem dan contact met mij op via Paypal Contact.
Je bent ook Lees meer:-HOE GMAIL-CONTACTEN NAAR OUTLOOK TE IMPORTEREN - EEN DOE-HET-ZELF-AANPAK