مجله هوش مصنوعی شهاب
با بیش از ۱۱۰ میلیون کارت آمریکن اکسپرس فعال و بیش از یک تریلیون دلاری که در معاملات پردازش می شود، این شرکت بیش از ۲۵ درصد از فعالیت کارت های اعتباری ایالات متحده را مدیریت می کند. این شرکت با افراد در هر دو طرف معامله – میلیون ها کسب و کار و میلیون ها نفر از خریداران – ارتباط برقرار می کند و جریان غنی از داده ها را در اختیار آمریکن اکسپرس می گذارد.
مقاله مرتبط :
آمریکن اکسپرس چگونه از کلان داده ها استفاده می کند؟
تجزیه و تحلیل داده ها، و به ویژه یادگیری ماشین، در قلب تصمیم گیری های آمریکن اکسپرس قرار دارد. دو حوزه ای که استفاده از کلان داده ها در آن آشکار است، تشخیص تقلب و نزدیک کردن تجار و مشتریان به یکدیگر است.
تشخیص و پیشگیری از تقلب در کارت اعتباری در حال حاضر به شدت بر الگوریتم های یادگیری ماشین بستگی دارد. هدف آمریکن اکسپرس این است که به سرعت معامله های جعلی را شناسایی کند تا ضرر و زیان را به حداقل برساند، بنابراین آن ها یک مدل یادگیری ماشین را با استفاده از انواع منابع داده ای، از جمله اطلاعات کارت عضویت، جزئیات مخارج و اطلاعات تجار برای تشخیص حوادث مشکوک، و تصمیم گیری در میلی ثانیه با مقایسه آن رویداد با مجموعه داده های بزرگ به کارمی گیرند.
این امر آمریکن اکسپرس را قادر ساخته تا بیشتر معاملات جعلی را شناسایی و میلیون ها نفر را نجات دهد. با استفاده از کلان داده ها و الگوریتم های یادگیری ماشین برای جلوگیری از تقلب در حال حاضر تبدیل به امری معمول در صنعت شده است. ویزا نیز از این تکنولوژی استفاده می کند و بسیاری از صدها جنبه معاملات را در حداقل زمان ممکن بررسی می کند. براساس برآوردهای ویزا، این رویکرد، ۲ میلیارد دلار از فرصت های بالقوه تقلب سالانه را که در حال افزایش بوده است شناسایی کند – که این شرکت توانست قبل از این که چیز از دست رفته و متضرر شود، آن ها را مرتب کند.
جالب توجه است که آمریکن اکسپرس به طور فزاینده ای تمرکز بر عملکرد سنتی خود در ارائه اعتبار برای مصرف کنندگان و خدمات تجاری برای پردازش معاملات را کنار گذاشته و ارتباط بین مصرف کننده و کسب و کاری را که می خواهد به آن ها برسد برقرار می کند.
این شرکت برای مصرف کنندگان، از جریان های اطلاعاتی وسیع خود برای توسعه برنامه هایی که می توانند یک دارنده کارت را به محصولات یا خدمات متصل کند استفاده می کند. یکی از این برنامه ها به اطلاعات خرید گذشته نگاه می کند و سپس رستوران های موجود در منطقه را توصیه می کند که کاربر احتمال دارد از آن ها لذت ببرد. یکی دیگر از برنامه ها، پیشنهادات Amex، کوپن های زمان حال حاضر مرتبط با شیوه زندگی فردی و عادات خرید بر اساس مکان فیزیکی و کسب و کارهای اطراف خود را نشان می دهد. و این فقط یک مزیت برای صاحبان کارت نیست که از برنامه استفاده می کنند، بلکه خوشبختانه انگیزه ای برای کسب و کارهای بیشتر برای پذیرش آمریکن اکسپرس می باشد.
در ارتباط با تجار و بازرگانان ، آمریکن اکسپرس، تحلیل های جدید آنلاین روند کسب و کار و ارزیابی معیار همکاری صنعتی را برای کمک به شرکت ها در جهت مقایسه فعالیت های خود در مقایسه با رقبای خود ارائه می دهد. داده ها به صورت ناشناس است، به این معنی که هرگونه داده شخصی قابل شناسایی از معاملات استخراج می شود، اما بازرگانان قادر به دیدن روند دقیق موجود در بازارهای خاص توزیع و یا بخش های مرتبط با مشتری هستند.
جزئیات فنی
در سال ۲۰۱۰، آمریکن اکسپرس از فناوری پایگاه داده سنتی به زیرساخت Hadoop ارتقا یافته و الگوریتم های یادگیری ماشین را برای خود به ارمغان آورد. این شرکت در مورد ادغام بخش داده های کسب و کار خود بسیار جدی است و اکنون یک آزمایشگاه فنی در پالو آلتوی کالیفرنیا را به صورت ویژه برای تمرکز بر کلان داده ها ، محاسبات ابری و زیرساخت های تلفن همراه افتتاح کرده است.
ایده ها و بینش هایی که می توان از آمریکن اکسپرس الهام گرفت
آمریکن اکسپرس در آستانه ادغام داده ها و یادگیری ماشین به مدل کسب و کار خود و شیوه های خود به نفع شرکت و کاربران نهایی این شرکت است. تعهد این شرکت به کلان داده ها ، تحلیل و یادگیری ماشین چیزی است که هر شرکت می تواند از آن یاد بگیرد. همچنین لازم به ذکر است که سایر شرکت های کارت اعتباری مانند MasterCard و Visa از فناوری های مشابه استفاده می کنند و به نظر می رسد که داده ها و تحلیل ها در خط مقدم نیروهای رقابتی قرار دارند. هرکدام از شرکت ها، داده ها را در موثرترین روش به عنوان اهرمی مورد استفاده قرار دهد ، در این محیط بسیار رقابتی برنده خواهند شد.
بیشتر بخوانید :
- گوگل ساختار سازمانی خود را جهت تمرکز بر هوش مصنوعی اصلاح می کند
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
- چالش های مدیریت کلاس با ابزار جدید تشخیص چهره هوش مصنوعی
سلام
سپاس فراوان بابت تمام مقاله های خوب و مفیدتون واقعا لذت بردم