支付算法化--算法对支付产业的影响

数据正在渗透入各行各业，很多发展历史悠久的行业也开始受到它的影响，其中就包括了支付行业。就在不久前，一些大公司CEO和银行还以为，银行网点会永远是服务客户不可或缺的条件。但在过去十年，我们看到了数字银行的出现，它们从来都没有固定点、也可能一直都不会有固定地点，但它们依然扩大了自己的用户基础，还增加了包括保险、抵押贷款和贷款在内的额外服务。

过去的40多年，在支付行业中，像Chase和First Data这样的公司一直占主导地位。

但就像银行的数字化迫使现有企业改变战略一样，支付的数字化也让WorldPay、Vantiv以及最近的Stripe、PayPal/Braintree和Adyen等公司抢占了大量的市场份额，它们聚焦于那些已经超越了传统企业、甚至令传统企业破产的初创企业当中，而不专注于传统业务。这里，你可以参考Blockbuster 影碟出租和Netflix、出租车和Uber、传统商店和Amazon。

随着越来越多的企业认识到，数字会成为新的传统，我经常会被问到，支付行业接下来会发生什么。

就像上世纪七八十年代就开放使用计算机和数据库的公司，或者那些90年代和2000年互联网泡沫事件后，觉得互联网会改变一切的公司一样，我相信那些了解算法化、对行业做出改变、并积极投资的公司，最有可能走出2010年和2020年年代，成为幸存者。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
2021年支付行业发展走向——疫情对支付领域数字化的影响
4个电商常用Customer Segmentation的方法
FB投资57亿美金，谷歌跟投45亿，疫情当头，这家印度公司为何成为硅谷的宠儿？
疫情期间大火的Instacart是如何使用数据科学来解决复杂的业务问题的?

流程的数字化

要了解什么是算法化，我们需要退两步，回到传统的业务流程。数百年来，传统的业务流程，包括了利用人力来创造产品，提供服务，以及业务支持等流程的组成。

比如，提供医疗服务的医生会有办公时间，病人可以在此期间就诊或提前预约。传统上，登记病人、更新档案或开处方的过程都是手写完成的。但是随着过程的数字化，计算机进入医生的办公室，文件以数字的方式存储，预约在数字日历中，处方通过电子邮件发送给药剂师。

直到今天，企业仍在通过开发移动应用程序或向客户提供基于云的解决方案，更好地访问或存储来自实际业务流程的数据，从而提高流程的数字化。

算法化

当我们谈到算法化时，我们谈论的是把标签数据数字化，然后以数据集的方式存储在数据库中，并自动化分析，来帮助用户从中获取信息的过程。

这些是大多数公司已经经历了的过程，但这只是算法化的第一步。当一个数据集(N)可以用来分析用户信息时，下一步是用机器学习和人工智能来创建一个新过程(N=N+1)，它本身就提供了一个算法化周期的新数据集。

为了说明这一点，请想象一个每天处理数百万笔交易的支付服务提供商。商家提交的每笔交易都包含与交易相关的信息，比如 PAN（个人帐号）、CVC（卡验证码）、有效期、客户姓名和电子邮件地址。通过浏览器，PSP能够收集其他数据，如日期和时间、设备指纹、浏览器类型和版本、IP 地址和其他一些数据点（N）。

当交易正在处理时，会把这些信息都存储在数据库中。大多数PSP会使用这些数据向它们的商家提供某一天交易的标准报告。有些甚至会把数据汇总到一起，提供数据的摘要。如果他们想要更细致，他们会开发可以UI访问的图表，来显示交易是如何随着时间进行的。

随着计算能力、云计算和分布式存储技术的进步，包括PSP在内的许多公司都在尝试改进现有的流程。比如，上面提到的PSP，可以判断研究大量的历史数据是否可以帮助他们防止交易欺诈。通过使用机器学习和人工智能，数据科学家可以创建一种算法用到交易中的很多变量上，然后预测一个新交易存在欺诈的可能性。

基于银行卡支付的好处是，持卡人能够在特定时间段内对交易提出异议。每当报告欺诈交易时，发行人都会向原计划发送消息，从而收回交易费用。每当PSP收到这些信息时，他们也会把它们存储在数据库中。

这让他们能够了解他们最初预测的准确性。通过使用人工智能，他们可以通过增加或减少算法中变量的权重来改进原始算法，从而有效地创建一个新过程(N=N+1)。

算法化如何影响支付？

上面的例子只是一个用算法改善现有流程的例子,有趣的是，上面的示例是多年来处理该欺诈问题的常用方式，但随着欺诈者越来越精明，欺诈还会发生。

但支付不仅仅是为了防止欺诈这一件事。成本、转换、连接、计费和支付也是新PSP能够使用算法来发挥作用的一些领域。随着越来越多的公司开始适应PSP的商品化，想要PSP成功，不是专注于减少欺诈或降低每笔交易的成本，而是展示出PSP能带来更多业务的价值。

销售人员比财务部门更受欢迎，是因为他们能带来更多收入，而收入就等同于增长，降低成本可能会提高利润，但并不会增加收入。

智能路由

相同的交易数据可以根据性能、功能或定价来优化获取路线。一种很好的方法是实施多臂老虎机算法（multi-armed bandit algorithm），这是一个”更智能”或更复杂版本的A/B测试，使用机器学习算法，将流量动态分配到性能良好的变量中，同时分配较少的流量到表现不佳的变量。通过连接多个接收者，PSP可以改善商家搜索，为该商户提供性能、定价或功能等方面的最佳结果。

动态 3D 验证

像Visa的两步验证，或万事达的3D验证这样，由于强制要求额外的两步验证交易， PSP的递减率依旧很高。通过使用决策树学习，PSP可以预测是否要进行额外的两步验证，还是走传统流程，才能产生成功的交易。

不要被别人的想象力限制

当然，还有很多其他方法可以用支付中的交易数据来改善商家的绩效。PSP已经获取了数十年的数据，他们会思考如何通过最新工具来改进流程，从而创建更适合（甚至尚未出现的）商家和商业模式的PSP。

感谢阅读！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Dwayne Gefferie
翻译作者：Lea
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/the-algorithmization-of-payments-how-algorithms-are-going-to-change-the-payments-industry-5dd3f266d4c3