公司概况
软银支付服务公司是软银集团旗下的一家公司，它使用支付筛选和 API 为会员电子商务网站提供在线支付市场。软银支付服务还支持移动运营商进行的交易、便利店的交易、预付卡的使用、银行账户之间的转账、信用卡奖励计划以及标准的信用卡支付。迄今为止，约有 80,000 家公司选择使用此服务，部分原因是它可以帮助客户降低开发和处理成本。
创建更高的在线支付服务可见性
软银的在线支付系统以前通过电子邮件或 Slack 向负责软银系统的技术人员发送失败通知。这意味着软银的 IT 支持团队负责向相关销售部门报告故障，反过来，销售部门会将事件详细信息报告给发生支付失败的会员商店。IT 团队全权负责提供有关故障的信息、追踪故障原因、修复故障并让客户了解情况。这种故障报告系统不仅耗时，而且还阻止了软银支付服务销售和运营部门立即全面地了解相关的故障数据。
Kibana 的仪表板使整体服务状况实时可见
鉴于发生故障时缺乏可见性，软银寻求一种监控和可视化工具。他们发现 Kibana 及其清晰易用的仪表板是理想的产品。通过使用 Logstash 定期更新 Elasticsearch 中的事务数据，软银可以立即使用 Kibana 可视化事务数据，并在其业务部门之间共享该信息。
我们的重点是实现一个可以让任何人在任何时间、任何地点检查仪表板的系统。
软银运营人员创建了仪表板，其中成功支付以绿色显示，失败支付以红色显示。监控这些仪表板的操作员可以快速捕捉到按不同支付方式组织的成功和失败支付量的变化，并迅速采取行动。
现在有两条简单的规则可以让操作员更直观地了解他们看到的内容，并快速查明支付问题
- 注意成功的绿色支付的快速减少，以及
- 注意失败的红色支付的快速增加。
如果发现任何变化，操作员可以快速深入到支付方式级别和会员商店级别的交易，并找出其来源。
Elastic Stack 还提供信用处理状态信息。Kibana 仪表板可以向操作员显示哪些会员商店发送请求以及发生哪些错误代码的信息。这些错误代码用于识别何时使用了不正确的信用卡号、卡片的有效期是否无效，或者信用卡是否被阻止或不可用。仪表板上的饼图提供了有关遇到错误的用户数量以及所涉及信用卡号的详细数据。反过来，这有助于操作员确定何时发生欺诈性信用卡交易。
Kibana 仪表板也可以安全地与工作场所内外的其他团队共享。例如，值班但不在办公室的工程师可以为其智能手机设置系统触发警报。软银使用 Jenkins 在发生错误时捕获仪表板屏幕截图，并使用 Selenium 每五分钟重复此过程。然后，这些屏幕截图将发布到特定的 Slack 频道，该频道会向值班工程师发出警报。
使用机器学习检测欺诈性信用卡使用
2017年7月，软银支付服务公司开始试用机器学习。作为测试，使用了Elastic机器学习来处理三个周期内每日总支付交易趋势的特定数据。任何与预测显著不同的变化都会被识别、处理并视为异常。例如，智能手机游戏等在线服务的信用额度通常在每个月的第一天提供，通常会导致支付增加。起初，这种情况被检测为异常。但三个月后，机器学习识别了这种模式，系统停止将其检测为销售额的奇怪波动。机器学习的结果正如预期。
为了识别其他潜在问题，创建了新的机器学习任务，使用了不同的标准，例如将成功和失败的支付总数划分为不同的支付方式。会员商店、产品名称和错误代码，包括错误消息，都被设置为影响因素。当检测到某些异常时，这些因素有助于确定原因，例如，检测到错误的卡号或失效日期警报的峰值。历史上，当一起分析会员商店时，警报数据可能会在大量的交易中丢失，使得很难搜索问题。然而，现在，当软银支付服务人员筛选特定的会员商店时，Kibana仪表板可以让操作员立即发现信用卡欺诈行为。因此，软银支付服务公司意识到，在试图识别信用卡欺诈时，仅可视化数据是不够的。
感谢机器学习，我们能够检测到信用卡欺诈行为。
一旦检测到异常，任务名称和严重程度级别就会发布到 Slack。此过程还附带 Slack 机器人实现的独特测量，该机器人会捕获并添加机器学习仪表板的屏幕截图。
通过增加复杂任务的级别，工作人员可以更早地检测到欺诈行为，从而能够增强会员商店的服务。软银支付服务公司的 IT 支持部门还计划替换旧的警报系统，该系统基于会员商店的阈值或支付方式。他们正在考虑采用基于机器学习的异常检测流程来替代。
提高业务数据的可见性
此后，软银支付服务公司已将 Elastic Stack 的数据可视化测试扩展到新的部门。在此扩展中，IT 支持团队查看了以前由销售部门管理的基于 Excel 的销售数据。然后设置了合同数量和服务网站的网络流量等目标以进行跟踪。
对于合同，两年来的销售额趋势被转换为堆叠条形图，并按部门或项目进行分解。热图使软银支付服务公司能够列出销售部门的目标，这些目标可以进一步细化到销售代表级别或按月份进行筛选。任何实现的目标都以蓝色显示；未实现的目标以红色显示。还使用地图绘制了会员商店的年度状况，按县级划分。
对于服务网站流量，软银支付服务公司的 IT 支持团队能够根据源 IP 地址猜测哪些公司正在访问他们的网站。对签约客户公司和非签约公司的访问进行排名，以便为销售部门提供可用的信息。
仪表板最初由 IT 支持部门应销售部门的要求创建。然而，在某个时候，销售部门开始从事新的任务，包括添加和可视化数据，以及创建新的仪表板。添加基于 Excel 的数据的最困难问题最终通过开发一个独立的拖放工具得到解决。
这些早期努力为软银支付服务公司使用 Kibana 提供的正则表达式工具和简单的数学运算进行更详细的分析铺平了道路。与此同时，这些努力让软银支付服务公司能够处理大量无法使用 Excel 处理的数据。这些增强功能现在使任何人都可以输入数据并创建仪表板，使改进报告成为真正的协作工作。
