Кейс: Data & ML платформа для платёжного сервиса в Узбекистане

ФинтехData & ML платформаУзбекистан

Задача. Платёжный сервис в Ташкенте быстро рос: данные о транзакциях лежали в разных системах, антифрод-правила срабатывали слишком поздно, а отчётность для регулятора готовилась вручную.

Решение

Построили Data & ML платформу: потоковый сбор транзакций, витрины для антифрода и скоринга, ML-модели обнаружения аномалий в реальном времени, автоматическая отчётность. Платформа развёрнута в контуре заказчика в Узбекистане.

Результат

Технологии: Kafka, ClickHouse, Spark, MLflow, Python, Kubernetes.

Решения для финансового сектора — см. статью «ИИ-ассистенты для банков и МФО Кыргызстана».

Этапы проекта

1. Аудит источников транзакций и требований регулятора — 1 неделя;
2. Потоковый сбор и витрины данных — 3 недели;
3. Антифрод-модели и скоринг — 3 недели;
4. Автоматическая отчётность и запуск в промышленную эксплуатацию — 2 недели.

Где это применимо

Банки, МФО и платёжные сервисы Кыргызстана, Узбекистана и Казахстана: антифрод в реальном времени, скоринг с учётом локальной специфики (неформальная занятость, денежные переводы), отчётность для регуляторов. Развёртывание в контуре заказчика.

Обсудить проект