Améliore la qualité de l'application
Grâce à Elastic Observability, petaFuel a su rationaliser le cycle de vie logiciel et garantir la qualité des applications lorsqu'elles partent en production.
Diminue les erreurs de l'application jusqu'à 15 % pour les applications axées sur les données
Grâce au déploiement d'Elastic Observability, petaFuel peut surveiller de près les performances de l'application et les ajuster, réduisant ainsi les erreurs (jusqu'à 15 %) pour les applications axées sur les données, et réduisant également le temps moyen de réponse des autorisations.
Réduit les fraudes par carte de crédit de deux points de base
Le Machine Learning d'Elastic Observability aide petaFuel à réduire les transactions et paiements non autorisés par carte de crédit frauduleux de deux points de base.
petaFuel, fournisseur de paiements innovants et organisme de traitement de cartes de crédit, déploie Elastic Observability pour glaner des informations exploitables sur le comportement des clients, améliorer les performances de son application et prévenir la fraude
petaFuel est un fournisseur de paiement et organisme de traitement de cartes de crédit certifié qui fournit un logiciel et des applications de paiement innovants, et suit des normes de technologie et de sécurité avancées. Cela inclut l'application VIMpay pour les paiements mobiles ainsi que Styx XS2A, une interface permettant à des tiers d'utiliser les services d'information sur les comptes et les services d'initiation de demande proposés par les banques.
La responsabilité des logiciels, des services et de la sécurité incombe à Ludwig Adam, directeur technique chez petaFuel. "Nous devons nous assurer que les services que nous fournissons aux banques sont compatibles avec les risques commerciaux et les réglementations du marché, et correspondent également à la demande en termes de transactions mobiles, d'e-commerce et multicanales."
C'est un programme vaste, qui ne laisse aucune place à l'erreur lorsqu'il s'agit de la qualité et de l'intégrité de l'infrastructure et des applications informatiques de petaFuel. "Pour surveiller et optimiser les performances de nos systèmes, nous avons déployé Elastic Observability dans deux domaines clés de l'entreprise" explique M. Adam. En premier lieu, la détection d'événements, qui sert à rationaliser le cycle de vie logiciel via l'analyse des logs et la détection des erreurs. Il déclare : "grâce à Elastic, nous pouvons identifier les bugs et autres problèmes logiciels dans le cadre du processus de développement et garantir la qualité des applications lorsqu'elles partent en production".
Elastic joue également un rôle essentiel dans la gestion des incidents. Ici, les notifications d'événements délivrées quasiment en temps réel permettent à petaFuel d'identifier les comportements inhabituels ou suspects. Mais le simple fait de détecter un incident ne suffit pas. Elastic le qualifie rapidement pour dénicher les fausses alertes et prioriser les véritables menaces. "C'est là qu'Elastic se distingue vraiment" explique M. Adam. "En consolidant les données, nous pouvons recouper les incidents, accélérant ainsi l'analyse des causes profondes et minimisant l'impact financier de n'importe quel incident."
"Grâce à Elastic, nous pouvons identifier les bugs et autres problèmes logiciels dans le cadre du processus de développement et garantir la qualité des applications lorsqu'elles partent en production."
petaFuel a adopté Elastic très tôt, nous sommes donc bien placés pour comparer la plateforme aux autres solutions d'observabilité. "Pour le transfert de logs, nous avons créé une application personnalisée, qui n'était malheureusement pas suffisamment scalable pour pouvoir atteindre nos objectifs d'expansion" explique M. Adam. Il a également envisagé une autre solution d'observabilité, mais il s'est rapidement avéré qu'elle n'était pas suffisamment conviviale pour les développeurs de petaFuel. "Elastic a dépassé de loin tous ses concurrents et notre équipe l'a rapidement adopté, en particulier lorsque nous avons ajouté Kibana pour monitorer et visualiser les logs" explique M. Adam.
Aujourd'hui, la détection d'événements et la gestion d'incidents dans Elastic prennent en charge trois activités commerciales et technologiques essentielles : le comportement client, la gestion des performances de l'application et la prévention des fraudes.
Ludwig Adam (gauche), directeur technique chez petaFuel, déclare que les fonctionnalités de Machine Learning d'Elastic ont été incroyablement bénéfiques pour l'identification et la prévention des fraudes.
Informations exploitables sur le comportement des clients
"Nous avons commencé à utiliser Elastic pour le transfert de logs et l'analyse" explique M. Adam. "Cependant, nous l'avons adapté à d'autres domaines en structurant nos données avec les bons champs et une taxonomie claire. Nous bénéficions ainsi d'informations exploitables plus approfondies sur le comportement et les chronologies de nos clients et de nos vendeurs. Nous savons par exemple combien de personnes font leurs achats sur Amazon et à quel moment, ou qui est susceptible de faire des achats dans des stations-service tard la nuit. Cela nous donne les informations exploitables nécessaires pour ajuster les seuils de surveillance, car les comportements frauduleux ciblent certains canaux, et il n'existe aucune approche unique" ajoute-t-il.
Pour la gestion des performances, petaFuel utilise Elastic pour suivre ses applications. Celles-ci comprennent des informations exploitables concernant l'exécution, l'impact des charges de travail et la façon dont les erreurs affectent les performances globales du système. "Ça a été une véritable révélation," explique M. Adam. "Il nous a suffi d'activer la fonctionnalité dans Elastic pour que les informations apparaissent et nous permettent d'ajuster les applications et d'optimiser les performances."
"Elastic a dépassé de loin tous ses concurrents et notre équipe l'a rapidement adopté."
Elastic joue également un rôle important dans la surveillance des bases de données de petaFuel. La difficulté ici est de maintenir les performances pour les clients là où le nombre de transactions peut varier énormément. "C'est une chose difficile à prévoir dans l'environnement test" explique M. Adam. "Mais avec Elastic, nous pouvons identifier les problèmes des bases de données de production et prendre des mesures pour rectifier n'importe quel problème que rencontre un client." Cela permet à petaFuel de respecter ses accords de niveau de service, en particulier le temps nécessaire pour autoriser les transactions.
Utilisation du Machine Learning pour prévenir la fraude
petaFuel utilise également le Machine Learning dans Elastic pour prévenir la fraude en filtrant les transactions et en détectant les comportements inhabituels. M. Adam souligne la façon dont Elastic aide à prévenir la 'fraude nette' lorsque les banques sont dans l'impossibilité de rétro-facturer les transactions frauduleuses. "Cela peut être préjudiciable du point de vue de la banque, mais avec Elastic, nous pouvons bloquer les comportements criminels dès qu'ils se produisent, puis définir de nouvelles règles pour éviter des incidents similaires à l'avenir" explique M. Adam. "Grâce à Elastic, le traitement des données en temps réel à l'aide d'un schéma commun est extrêmement bénéfique lorsqu'il s'agit d'identifier et de prévenir la fraude."
Les fonctionnalités de Machine Learning d'Elastic permettent à petaFuel de détecter les anomalies, d'analyser les données de langage naturel et d'identifier les domaines qui aident à prévenir les fraudes.
Il souligne également la menace que représentent les robots et les scripts qui automatisent les attaques sur les sites marchands sur la base des données de carte volées. Habituellement, ces outils tentent de traiter de petites transactions et d'identifier des cartes valides pour des achats à grande échelle. "Il peut se passer une demi-heure pour qu'un employé, même expérimenté, réagisse, mais à ce moment-là, le mal est déjà fait. Mais grâce au Machine Learning d'Elastic, nous pouvons identifier les modèles de transactions suspectes et réagir quasi immédiatement pour éliminer une menace" explique M. Adam.
Lorsqu'il envisage l'avenir, M. Adam a hâte de profiter de l'architecture ouverte d'Elastic. "Grâce aux API d'Elastic, nous pouvons saisir et gérer les données de télémétrie depuis nos interfaces et nos connecteurs. Nous apprécions également pouvoir ajouter de nouvelles fonctionnalités lorsque nous en avons besoin. Cela nous offre une flexibilité immense pour l'avenir."
La communauté Elastic et l'équipe de support technique Elastic s'assurent également que petaFuel tire le meilleur parti des outils existants et des nouvelles itérations du logiciel. "Nous sommes une petite entreprise, mais nous avons toujours l'impression qu'Elastic entend nos préoccupations et y répond. Au-delà de ça, Elastic comprend notre parcours de croissance et nous aide à nous adapter à tous les défis auxquels nous pourrions faire face."
"Travailler avec Elastic nous donne l'impression d'avancer ensemble vers un objectif commun. Ils partagent notre vision, en particulier la priorité que nous donnons aux performances et à l'évolutivité logicielle. Cela booste notre confiance dans l'avenir de l'entreprise et dans les services que nous fournissons à nos clients."
Lecture complémentaire
- Apprenez-en davantage sur les fonctionnalités de Machine Learning d'Elastic et profitez d'un essai gratuit
- Découvrez comment les organisations de services financiers tirent parti de l'IA générative et comment vous lancer
- Témoignage : Grâce à Elastic Observability, Wells Fargo accélère l'innovation numérique pour placer les clients au cœur de ses décisions
