TL;DR
- موسسات مالی در مواجهه با افزایش انتظارات مشتریان،.
- تهدیدات در حال تحول و حجم اطلاعات رو به رشد،.
- تحت فشار فزایندهای برای نوسازی هستند.
چه اتفاقی افتاد
موسسات مالی در مواجهه با افزایش انتظارات مشتریان،. تهدیدات در حال تحول و حجم اطلاعات رو به رشد،.
تحت فشار فزایندهای برای نوسازی هستند. در واقع،.
بیش از 60 درصد از تصمیمگیرندگان ارشد بانکداری اذعان میکنند که سرعت پایین تحول دیجیتال آنها مستقیماً منجر. به از دست دادن مشتریان جدید شده است.
کاربرانی که در ابتدا از تلفن همراه استفاده میکنند،. تقاضای تجربه اپلیکیشنهای بیدرنگ دارند – کلاهبرداران سریعتر و پیچیدهتر میشوند – و خدمات مشتریان مبتنی بر هوش.
مصنوعی در حال تبدیل شدن به سهام جدول هستند. وقتی سرعت، مقیاسپذیری و هوشمندی غیرقابل مذاکره باشد، بانکهای پیشرو و فینتکها به Redis روی میآورند.
بنابراین، چگونه کمک میکنیم؟ با Redis،.
مشتریان ما میتوانند در عصر اختلالات دیجیتالی پیشرفت کنند و:. ارائه 76 درصد سریعتر تجارب بانکداری تلفن همراه،.
وفاداری مشتری را شناسایی و از تقلب در مقیاس 100 تراکنش AI در هر هزار ثانیه مشتری جلوگیری. کند.
سرویس چتباتها که کاهش هزینهها و بهبود زمان پاسخگویی به مشتریان تا بیش از 50% ایجاد برنامه. های بانکداری تلفن همراه پاسخگو و مقیاس پذیر امروز،.
مهمترین شعبه بانک در کف دست است. بانکداری تلفن همراه اکنون بیش از 62 درصد از تراکنشهای بانکی در سراسر جهان را تشکیل می.
دهد - و پذیرش همچنان در حال رشد است. مشتریان اکنون برای همه چیز از چک کردن موجودی حساب گرفته تا انتقال وجه و واریز چکهای.
فیزیکی به اپلیکیشنهای موبایل روی میآورند. و دلیل خوبی وجود دارد طبق یک مطالعه Deloitte در سال 2023،.
انجام متوسط تراکنش بانکی تلفن همراه کمتر از 90 ثانیه طول میکشد،. در حالی که همان تراکنش در یک شعبه فیزیکی بیش از 8 دقیقه طول میکشد.
در حالی که افزایش بانکداری تلفن همراه تجربیات مشتریان را تا حد زیادی بهبود میبخشد،. همچنین میتواند فشار قابل توجهی بر پشته فناوری بانک وارد کند.
بسیاری از این پشتهها بزرگ و پیچیده هستند و برای برآورده کردن الزامات مدرن برای عملکرد و. مقیاس پذیری علاوه بر این،.
سیلوهای داده میتوانند بینشهای بین پلتفرمییا بین حسابهای منسجم را به یک چالش بزرگ تبدیل کنند. برای کمک،.
بانکها بهطور گسترده از Redis بهعنوان یک ذخیرهسازی جلسه یا حافظه پنهان در کنار سیستمهای موجود برای افزودن. سرعت و مقیاسپذیری بدون نیاز به معماری مجدد یا بازسازی دردناک استفاده میکنند.
برای بررسی عمیقتر اینکه چگونه Redis به تجربههای بانکداری تلفن همراه پاسخگو و بیدرنگ قدرت میدهد،. وبلاگ ما را در مورد معماری بانکداری تلفن همراه بررسی کنید.
بهعنوان یک حافظه پنهان:. Redis به برنامهها اجازه میدهد جزئیات حساب مانند موجودیها،.
دادههای بازار و تاریخچه تراکنشها را در زمان واقعی با حجم فوقالعاده بالا برای میلیونها مشتری همزمان ارائه. کنند.
نحوه عملکرد cache-aside: 1. برنامههای مالی موبایل به دادههایی (مانند موجودی حساب یا اطلاعات بازار) نیاز دارند،.
برنامه ابتدا بررسی میکند که آیا دادهها در Redis ذخیره شدهاند یا خیر. اگر وجود داشته باشد، دادهها از Redis به صورت بلادرنگ به برنامه تحویل داده میشود.
2. اگر دادهها وجود نداشته باشند،.
از قسمت بارگیری میشوند پایگاه داده اولیه،. به کاربر بازگردانده میشود و سپس برای درخواستهای آینده در Redis ذخیره میشود.
دادههای مالی اغلب تغییر میکنند،. به این معنی که دادههای ذخیره شده در حافظه پنهان میتوانند به سرعت بیات شوند.
با استفاده از Redis Data Integration،. مشتریان میتوانند با همگامسازی مداوم دادهها از پایگاه داده پشتیبان در حافظه پنهان Redis،.
اطمینان حاصل کنند که دادهها همیشه تازه هستند - بهبود عملکرد و کاهش بار روی پایگاههای داده پشتیبان. این تضمین میکند که با تغییر دادهها در پایگاههای داده باطن،.
تغییرات بلافاصله در Redis منعکس میشوند. همچنین میتوان از آن برای تقویت برنامههای چند کانالی استفاده کرد که در آن تغییرات ایجاد شده در.
یک سیستم پشتیبان از طریق یک رسانه (مانند یک شعبه یا از طریق یک برنامه وب) بلافاصله در. یک برنامه تلفن همراه که از Redis خوانده میشود منعکس میشود.
موسسات مالی اغلب دادههای جلسه مانند توکنهای احراز هویت را ذخیره میکنند،. پروفایلهای کاربر،.
اقدامات اخیر،. تاریخچه تراکنشها،.
اوراق بهادار و دادههای مرجع بازار،. و پیش نویسهای فرم در Redis در طول جلسات کاربر.
سرعت Redis دسترسی فوری به دادههای جلسه را تضمین میکند،. در حالی که ویژگیهایی مانند زمان داخلی برای زندگی (TTL) به مدیریت ایمن انقضای جلسه بدون هزینه اضافی.
کمک میکند. ببینید چگونه Axis Bank برنامه تلفن همراه خود را با Redis 76 درصد سریعتر کرد.
کشف کلاهبرداری در زمان واقعی تغییر به سمت دیجیتال که تجربههای بالاتر کاربر در بانکداری تلفن همراه را. تسهیل کرده است،.
منجر به تهدید منظره کلاهبرداری نیز شده است. انتظار میرود ضرر و زیان ناشی از کلاهبرداری پرداخت آنلاین بین سالهای 2023 تا 2028 از 350 میلیارد.
دلار در سطح جهان فراتر رود. و زمانی که کلاهبرداری اتفاق میافتد،.
معمولاً بازرگانان،. بانکها و شرکتهای کارت اعتباری هستند که این صورت حساب را نگه میدارند.
کشف کلاهبرداری به یک بازی موش و گربه بین مؤسسات مالی و کلاهبرداران پیچیده تبدیل شده است. تقلب باید باشد فوراً برای جلوگیری از انجام معاملات غیرقانونی قبل از اینکه یک تاجر یا مؤسسه مالی.
پرداخت شود،. شناسایی میشود.
مقیاس محض و پیچیدگی دادههایی که باید تجزیه و تحلیل شوند،. کشف و پیشگیری از تقلب را به یک چالش بزرگ تبدیل میکند.
برای کمک، موسسات مالی بهطور گسترده از Redis برای کشف تقلب استفاده میکنند. بهویژه برای فروشگاههای ویژگی آنلاین که به امتیازدهی ریسک تراکنشهای بلادرنگ کمک میکنند.
امتیازدهی ریسک تراکنش:. Redis امتیازدهی ریسک تراکنشها را در مقیاس وسیع امکانپذیر میکند – تجزیه و تحلیل بیش از ۷۰۰۰۰۰ تراکنش.
در ثانیه برای برخی از برترین شرکتهای بانکی و پرداخت جهان. امتیازدهی ریسک تراکنش در خدمات مالی فرآیندی است که از الگوریتمهایی برای ارزیابی احتمال تقلبی بودن یک تراکنش.
مالی استفاده میکند. به هر تراکنش بر اساس عوامل مختلفی مانند مقدار،.
مکان،. رفتار مشتری و دستگاه مورد استفاده،.
امتیازی تعلق میگیرد. نمرات بالاتر نشان میدهد ریسک بیشتر، ایجاد تأییدیه اضافی یا مسدود کردن تراکنش.
Redis به سیستمهای کلاهبرداری کمک میکند تا در میلیثانیهها تصمیمهای امتیازدهی را اتخاذ کنند—تصمیمات مثبت کاذب را کاهش. میدهد در حالی که تقلب را قبل از وقوع متوقف میکند.
فروشگاه ویژگی آنلاین: این کار اغلب با استفاده از Redis بهعنوان فروشگاه ویژگی آنلاین انجام میشود. فروشگاه ویژگی سیستمیاست که به مدیریت و ارائه دادهها (به نام ویژگیها) که توسط مدلهای یادگیری ماشین.
برای شناسایی تقلب یا ناهنجاریهای احتمالی استفاده میشود،. کمک میکند.
فروشگاههای ویژه معمولاً دو بخش دارند. یک فروشگاه ویژگی آفلاین،.
که حاوی مقادیر زیادی از دادههای تاریخی است که برای مدلهای آموزشی استفاده میشود تا به شناسایی رفتارهای. عادی و غیرعادی کمک کند،.
و فروشگاههای ویژگی آنلاین،. که حاوی دادههای بیدرنگی است که به مدلها برای تصمیمگیری مستقیم یا امتیازات تراکنش داده میشود.
نحوه عملکرد یک فروشگاه ویژگی آنلاین: ۱. دادههای خام (نمایههای مشتری، فعالیت پرداخت، اطلاعات دستگاه و مکان) از هر دو سیستم دستهای جمعآوری میشود.
(یعنی پایگاههای اطلاعاتی) و جریانهای بیدرنگ (رویدادهای تراکنش، تلاشهای ورود به سیستم). خطوط لوله مهندسی ویژگی،.
این دادههای خام را به سیگنالهای معنی دار برای تشخیص تقلب تبدیل میکند (مانند میانگین. مبلغ تراکنش،.
تعداد ورود ناموفق یا تغییرات غیرمعمول مکان). به این سیگنالها ویژگیها میگویند.
3. ویژگیهای به دست آمده در یک فروشگاه ویژگیهای آنلاین در Redis.
4 ذخیره میشوند. در طول یک تراکنش،.
مدل تشخیص کلاهبرداری این ویژگیهای بلادرنگ را از فروشگاه ویژگی بازیابی میکند تا فوراً خطر تراکنش را ارزیابی. کند و رفتار مشکوک را علامتگذاری کند.
یکی از شرکتهای پیشرو کارت اعتباری جهان از Redis بهعنوان فروشگاه ویژگی بلادرنگ برای امتیازدهی و تجزیه و. تحلیل بیش از 700000 تراکنش در ثانیه استفاده میکند و کلاهبرداران را قبل از حمله دستگیر میکند.
با تأخیر زیر میلیثانیهای Redis، تصمیمگیریها فوراً گرفته میشوند و هر سال میلیونها ضرر احتمالی صرفهجویی میشود. کارایی را با خدمات مشتری بهبود بخشید.
chatbots خدمات مشتری مانند همیشه مهم است. نظرسنجی اخیر FICO نشان داد که 88 ٪ از مشتریان گزارش میدهند که تجربیات مشتری به اندازه.
محصولات و خدمات یک بانک مهم یا مهمتر است. و در عصر نوظهور هوش مصنوعی ما،.
موسسات مالی پیشرو از هوش مصنوعی برای بهبود تجربیات مشتری و جلب یا حفظ مشتریان استفاده میکنند. چتباتهای خدمات مشتری مبتنی بر هوش مصنوعی میتوانند بیش از 80 درصد درخواستهای معمول مشتری را مدیریت کنند.
و به عوامل انسانی اجازه میدهند روی مسائل پیچیدهتر تمرکز کنند. و چترباتهای هوش مصنوعی همچنین میتوانند کارمندان انسانی را سریعتر و کارآمدتر کنند،.
همانطور که ابزار هوش مصنوعی JPMorgan ثابت میکند - به مشاورانشان کمک میکند اطلاعات را 95 ٪ سریعتر. پیدا کنند و فهرست مشتریان خود را تا 50 ٪ در 3 تا 5 سال آینده گسترش دهند.
اما ساخت ربات چت خدمات مشتری هوش مصنوعی آسان نیست. موسسات مالی با چالشهایی از نظر دقت پاسخ،.
عملکرد (به ویژه در مقیاس)،. یکپارچهسازی دادهها و ناکارآمدی مواجه هستند.
با فراخوانی مکرر LLM یا APIهای خارجی با درخواست برای دادههای مشابه. Redis میتواند به کسب و کارها کمک کند تا بر این چالشها غلبه کنند و هوش.
مصنوعی سریع،. دقیق و مقرون به صرفه بسازند.
Redis معمولاً برای موارد زیر استفاده میشود:. پایگاه داده برداری:.
برای ذخیره جاسازیها و فعال کردن Retrieval Augmented Generation (RAG) که پاسخهای دقیقتری را از. LLMها ارائه میدهد.
کش معنایی:. برای ذخیره سوالات مکرر و جفت پاسخ بهطوری که چتباتها بتوانند پاسخها را سریعتر از حافظه برگردانند.
و از تماسهای پرهزینه LLM صرف نظر کنند. نحوه کار کش معنایی: 1.
کاربر سؤالی میپرسد - بهعنوان مثال: "چگونه میتوانم حد اعتبار خود را افزایش دهم؟ این برنامه آن را به یک جاسازی تبدیل میکند - سوال با استفاده از یک مدل هوش.
مصنوعی به یک بردار تبدیل میشود. Redis (با قابلیت جستجوی برداری) در پایگاه داده خود به دنبال سوالات مشابه قبلی است.
اگر ضربهای وجود داشته باشد یا اگر قبلاً به سؤال مشابهی پاسخ داده شده باشد،. Redis بلافاصله پاسخ ذخیره شده را برمیگرداند.
5. در غیر این صورت،.
برنامه از یک LLM میخواهد تا پاسخی را ایجاد کند—برنامه سؤال را برای یک LLM ارسال میکند تا. پاسخ جدیدی دریافت کند.
این برنامه پاسخ را به کاربر برمیگرداند — پاسخ به کاربر نشان داده میشود،. یا از حافظه پنهان یا در زمان واقعی ایجاد میشود.
حافظه بلندمدت: برای ذخیره تعاملات مشتری در جلسات و مکالمات. حافظه کوتاهمدت:.
برخی رباتهای گفتگو از عوامل هوش مصنوعی برای برنامهریزی مسیر و ارزیابی در حین پاسخ دادن به سؤالات. کاربر استفاده میکنند— Redis آن حالتهای متناوب را برای بازیابی سریع ذخیره میکند.
مسیریابی معنایی:. جایی که کاربران ممکن است از یک ربات چت سؤال بپرسند که بهترین پاسخ آنها توسط بخشها.
یا ابزارهای مختلف (مانند تقویم یا برنامه قیمت گذاری) است. مسیریابی بهترین ابزار را بر اساس قصد کاربر انتخاب میکند.
با استفاده از Redis،. Asurion زمان پاسخگویی به مشتریان را بیش از 50 درصد به لطف بینشهای مبتنی بر هوش مصنوعی و.
مسیریابی بهتر بهبود بخشید. میتواند تجربیات بیدرنگ ارائه دهد،.
فوراً با کلاهبرداری مبارزه کند و نوآوریهای مبتنی بر هوش مصنوعی را افزایش دهد - همه اینها بدون. معماری مجدد از ابتدا.
و این تازه شروع است. کاوش کنید که چگونه Redis به برنامههای بانکداری تلفن همراه بلادرنگ نیرو میدهد تا تجربههای سریعی را در.
حال حرکت ارائه دهند. منتظر پستهای آتی ما باشید،.
جایی که ما عمیقتر به چگونگی قدرتدهی Redis به فروشگاههای ویژگیهای همزمان،. شخصیسازی رباتهای چت،.
و دگرگونیهای بانکداری تلفن همراه میپردازیم. آیا میخواهید ببینید Redis چگونه میتواند به شما کمک کند؟
یک جلسه رزرو کنید یا به صورت رایگان شروع به ساختن کنید.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.