D&B revolutioniert sein System zur Erkennung von Zahlungsbetrug mit NashTech

Industrie

Technologie

Akka Esper GridGain (Apache Ignite)Scala

Einführung

NashTech arbeitete mit dem technischen Team von Dun & Bradstreet zusammen, um die geschäftlichen Anforderungen zu ermitteln und kritische nicht-funktionale Anforderungen zu dokumentieren. Dies führte zu einer Verkürzung der Reaktionszeit von Tagen und Wochen auf 30 Minuten für die Aufdeckung von Betrug und die Meldung an die Analyse.

Dun and Bradstreet ist ein weltweit tätiges Unternehmen, das seinen Partnerorganisationen Informationen über Geschäftskredite, Daten und analytische Berichte über Unternehmen zur Verfügung stellt. D&B ist weltweit anerkannt für die Erstellung von Bonitätsauskünften, die Dritten helfen, die finanzielle Leistungsfähigkeit und Gesundheit eines Unternehmens zu analysieren.

Derzeit erstellt Dun & Bradstreet Analysen für etwa 100 Millionen Unternehmen weltweit. Die firmeneigene Suite von Berichten hilft Unternehmen, Analysen zu nutzen, um zu entscheiden, ob sie einem Kunden einen Geschäftskredit gewähren, Geschäfte mit anderen fortsetzen oder anbahnen oder ihre Glaubwürdigkeit und ihren Ruf in der Branche stärken.

Die Herausforderung

Für Partnerorganisationen, die sich auf die Dun & Bradstreet-Plattform verlassen, ist das Timing der wichtigste Faktor. Wenn es in der Kredithistorie eines der Unternehmen, mit denen eine Partnerorganisation verbunden ist, eine Konkursmeldung oder einen Zahlungsausfall gibt, dann müssen sie sofort darauf aufmerksam gemacht werden. Die Schwierigkeit bestand jedoch in der Tatsache, dass es Millionen von Kunden gab, die stündlich eine große Anzahl von Warnmeldungen auslösten.

Die größten Herausforderungen, denen sich D&B stellen musste:

Die Leistung des Systems entsprach nicht dem gewünschten Standard. Der Bahnsteig war langsam und schwerfällig. Wenn eine Organisation beispielsweise ein Paket gebucht hatte, das es ihr ermöglichte, innerhalb von 4 Stunden Warnungen über Zahlungsbetrug oder -ausfälle zu erhalten, dauerte es bis zu 24 Stunden. Da das Timing ein kritischer Faktor war, war dies ein unbezahlbarer Nachteil.
Das System konnte nicht skaliert werden und funktionierte in Hochlastszenarien nicht nahtlos, da es Millionen von Kunden und riesige Mengen an Warnmeldungen zu verarbeiten hatte.
Die Erweiterung der Plattform um neue Funktionalitäten war eine Herausforderung.

Die Risikomanagement-Plattform benötigte ein Addendum für einen effizienten Mechanismus zur Erkennung von Zahlungsbetrug

Die Risikomanagement-Plattform von Dun & Bradstreet ermöglichte es den Partnerorganisationen, auf tiefer gehende Informationen zuzugreifen, um sich ein klares Bild von der Kreditgeschichte, den Zahlungsausfällen oder potenziell betrügerischen Aktivitäten der Organisationen zu machen, mit denen sie Geschäfte machten. Dies half ihnen, Risiken zu mindern, indem sie Benachrichtigungen und Warnungen erhielten, sobald ein Unternehmen in Zukunft eine Bedrohung darzustellen begann.

Dazu muss das System effizient sein und die SLAs erfüllen; Warnungen und Benachrichtigungen müssen schnell verarbeitet werden, damit die Partnerorganisationen, die die Plattform nutzen, ihre Geschäftsstrategien rechtzeitig ändern können, um keine Verluste zu erleiden. Es gab jedoch erhebliche Hindernisse für die Erreichung der Ziele von D&B aufgrund der Herausforderungen, die die Risikomanagement-Plattform mit sich brachte.

Lassen Sie uns diese Herausforderungen auf einer tieferen Ebene verstehen.

Die Lösung

Erfolgreich in der Betrugsanalytik

NashTech arbeitete mit dem technischen Team von Dun & Bradstreet zusammen, um die geschäftlichen Anforderungen zu ermitteln und kritische nicht-funktionale Anforderungen zu dokumentieren. D&B wollte sicherstellen, dass es alle Anforderungen seines Service-Level-Agreements (SLA) erfüllt. Die Lösung wurde mit festgelegt:

– Komplexe Ereignisverarbeitung Herkömmliche Datenverwaltungsarchitekturen können nicht ausreichen, da bei der Aufdeckung von Betrug jeglicher Art eine große Unsicherheit besteht. Daher stützen sich viele ereignisgesteuerte Echtzeitanwendungen wie ein System zur Betrugsbekämpfung auf eine komplexe Ereignisverarbeitung.
– Dank eines CEP-Ansatzes (Complex Event Processing ) konnte das System von D&B betrügerische Muster in der Kredithistorie eines Unternehmens sofort erkennen und die Kommunikation mit dem Betroffenen einleiten. CEP ermöglicht es, eingehende Ereignisse nahezu in Echtzeit einem Muster zuzuordnen, so dass Unternehmen die neuesten Erkenntnisse erhalten und das höhere Management in Echtzeit darauf reagieren kann. Wenn zum Beispiel ein Kreditkartenkunde seine Karte in Kalifornien durchzieht, ist es unwahrscheinlich, dass er dieselbe Karte auch im Vereinigten Königreich durchzieht. Esper wurde für die komplexe Ereignisverarbeitung zusammen mit GridGain verwendet, auf dem die gesamte Datenverarbeitung für rechtzeitige Warnmeldungen durchgeführt wurde.
– Doppelte Ausschreibungen wurden beseitigt Die Ausschreibungen, die für mehrere Kunden galten, wurden nicht neu generiert, sondern erneut in Umlauf gebracht, um die doppelten Instanzen zu beseitigen und damit die Effizienz des Systems drastisch zu verbessern.
– Test Harness mit einer CI/CD-Pipeline Da dem System eine Vielzahl von Testszenarien fehlte, stellte es eine Herausforderung dar, der Plattform neue Funktionen hinzuzufügen und neue Features rechtzeitig zu starten. Um dieses Problem zu lösen, haben wir ein Test-Harness für das System zusammen mit CI/CD-Pipelines eingeführt, was bedeutet, dass wir das gesamte System mit einer End-to-End-Testsuite abdecken. Ein Test-Harness führt automatisierte Test-Frameworks ein, mit denen das System unter verschiedenen Lastbedingungen getestet werden kann.
– Scala war die Sprache der Wahl Scala Programming Language wurde verwendet, um prägnanten und wartbaren Code zu schreiben, die weiter zu Akka erweitert wurde.

Ein Blick auf die Risikomanagement-Plattform von D&B

Technische Architektur

Das Ergebnis

– Schnellere Warnungen und Geschäftseinblicke: Verkürzung der Reaktionszeit von Tagen oder Wochen auf 30 Minuten, um Betrug zu erkennen und Analysen zu erstellen.
– 8X Alerts verarbeiten: Das System verarbeitet jetzt das 8-fache Volumen an Alarmen als zuvor und skaliert horizontal auf GridGain.
– 3X Clients einbinden: Dun & Bradstreet war in der Lage, viel mehr Kunden zu betreuen, da das System nun unter verschiedenen Lastbedingungen funktionieren konnte.