Um crédito compromete-o e deve ser reembolsado. Verifique as suas capacidades de reembolso antes de se comprometer.

Publicado a 19/12/2024

Como o machine learning1 está ao serviço do pagamento fracionado

Como lidar com 2 milhões de pedidos de financiamento por mês, garantindo simultaneamente uma resposta de princípio em 150 milissegundos? Este é o desafio que enfrentamos diariamente na Floa como um dos líderes franceses no pagamento fracionado. Entre inovação tecnológica e compromisso ético, a empresa ultrapassa as fronteiras da data science2 para simplificar o acesso ao financiamento. Encontro com Sébastien Robert, Head of Data3 e IA4 da Floa, que explica como a inteligência artificial transforma a experiência de pagamento fracionado.


Hoe machine learning1 wordt gebruikt voor betaling in meerdere termijnen Hoe machine learning1 wordt gebruikt voor betaling in meerdere termijnen

Como um dos líderes em pagamentos fracionados, como a Floa aproveita o machine learning1 para otimizar os seus serviços de financiamento?

A nossa posição como empresa líder do BNPL (Buy Now Pay Later)5 impõe-nos uma especial exigência em termos de inovação tecnológica. A nossa missão é clara: validar o máximo de pedidos de pagamento fracionado para acompanhar eficazmente os nossos clientes e parceiros, controlando simultaneamente os riscos de incumprimentos e fraude.

 

Para isso, fizemos a escolha estratégica de usar a Dataiku, uma solução líder em IA4 e Data Science2. Esta plataforma permite-nos desenvolver algoritmos de machine learning1 particularmente eficientes que geram, em tempo real, probabilidades precisas sobre diferentes eventos, evitando assim os riscos financeiros.

 

A nossa abordagem foca-se em três pilares fundamentais. Primeiro, a rapidez: os nossos sistemas fornecem uma resposta em cerca de 150 milissegundos, um tempo recorde no nosso setor. Em segundo lugar, a simplicidade: minimizamos os dados a serem inseridos pelos nossos clientes, enquanto maximizamos o enriquecimento automático dos nossos sistemas. Finalmente, a eficiência: os nossos modelos atingem desempenhos muito elevados, garantindo uma robustez otimizada da nossa infraestrutura.

 

Concretamente, uma vez desenvolvidos os nossos modelos, colocamo-los em produção através da Dataiku, tornando-os acessíveis por API6 em cada pedido de pagamento fracionado. Esta industrialização permite-nos alcançar o nosso objetivo: oferecer uma experiência fluida aos nossos clientes e parceiros, enquanto asseguramos as nossas operações de pagamento fracionado. 

 

Como um dos líderes em pagamentos fracionados, como a Floa aproveita o machine learning<sup>1</sup> para otimizar os seus serviços de financiamento?

Quais são as vantagens concretas que os nossos comerciantes parceiros tiram desta experiência em Data Science2?

Traduz-se em benefícios muito concretos. Em primeiro lugar, os nossos modelos de Machine Learning1, cada vez mais precisos, permitem aumentar significativamente a taxa de aceitação de pedidos de pagamento fracionado nas nossas soluções de pagamento, reduzindo, ou até mesmo evitando, os incumprimentos.

 

A principal vantagem para os nossos parceiros reside na nossa capacidade de enriquecer dados em tempo real. Em termos concretos, isso simplifica a vida deles: só têm de nos transmitir um mínimo de informações, porque as nossas tecnologias encarregam-se de explorar de forma inteligente os dados contextuais, as nossas bases de conhecimento do cliente e os open data7.

 

Além do desempenho puro, os nossos parceiros beneficiam de um sistema altamente disponível e ultrarrápido. Mas o que me parece particularmente importante sublinhar é que, ao escolher a Floa, os nossos parceiros associam-se a uma empresa comprometida a ética. O nosso patrocínio da Cadeira IA4 de Confiança das Universidades de Bordéus e a nossa contribuição para os trabalhos do IA Act com o Hub France IA são prova disso. É um compromisso que faz a diferença no nosso relacionamento com os nossos parceiros. 

 

Quais são as vantagens concretas que os nossos comerciantes parceiros tiram desta experiência em Data Science<sup>2</sup>?

E quais são as vantagens para os clientes?

Excelente pergunta: no final, todo o nosso trabalho de inovação visa melhorar a experiência dos nossos clientes finais. As vantagens para eles alinham-se naturalmente com as dos nossos comerciantes parceiros.

 

Concretamente, os nossos clientes beneficiam de uma tripla vantagem. Em primeiro lugar, numa relação com o cliente cada vez mais digital, eles obtêm uma resposta de princípio quase imediata ao seu pedido de pagamento fracionado10. Em segundo lugar, o percurso foi consideravelmente simplificado: reduzimos ao mínimo as informações a serem inseridas manualmente, o que torna a experiência muito mais fluida e agradável.

 

Mas o aspeto mais importante para mim é que os nossos clientes podem ter a confiança de lidar com um agente confiável, como explicava antes. É esta combinação de simplicidade, rapidez e confiança que faz toda a diferença na experiência do cliente.  

 

E quais são as vantagens para os clientes?

Diante da explosão dos dados, qual é o principal desafio técnico que a Floa enfrenta diariamente?

O desempenho de um algoritmo depende essencialmente da qualidade e quantidade dos dados que o alimentam. Na Floa, processamos mais de 2 milhões de pedidos de pagamento fracionado por mês, o que representa um volume considerável de dados. Mas o verdadeiro desafio reside na sua diversidade: dependendo dos nossos produtos, quer se trate da duração ou do tipo de pagamento fracionado, dos nossos percursos e de nossos parceiros, recebemos dados muito diferentes e, frequentemente, muito específicos.

 

O grande desafio, portanto, é encontrar o equilíbrio certo na nossa abordagem algorítmica. Se nos limitássemos a alguns modelos genéricos, certamente teríamos a vantagem de explorar enormes volumes de dados, mas perderíamos em precisão sobre as especificidades dos nossos parceiros, produtos e percursos. Por outro lado, criar um modelo distinto para cada caso nos levaria a trabalhar com volumes de dados insuficientes, comprometendo o desempenho e a robustez dos nossos modelos.

 

É por isso que optamos por uma solução intermediária com cerca de cinquenta modelos diferentes na Dataiku. Esta abordagem permite-nos manter esse equilíbrio entre volume de dados e especificidades. Isso implica, no entanto, dois grandes desafios técnicos: ser capaz de selecionar instantaneamente o algoritmo certo de acordo com os parâmetros específicos de uma solicitação e gerir de forma eficaz a criação e reconversão regular de todos estes modelos. 

 

Diante da explosão dos dados, qual é o principal desafio técnico que a Floa enfrenta diariamente?

Floa acaba de ser premiada pela sua inovação em MLOps11. Você falar-nos mais sobre os vossos avanços tecnológicos?

A nossa principal inovação é o desenvolvimento de SOUL, uma ferramenta interna criada através da nossa plataforma Dataiku, que também nos rendeu o título de “Best MLOps Use Case” nos Dataiku Frontrunner Awards 20248. É um reconhecimento do qual estamos particularmente orgulhosos, especialmente porque o Head of AI4 Strategy da Dataiku classificou a nossa realização de “incredibly impressive” (“incrivelmente impressionante” em português).

 

Concretamente, SOUL é uma ferramenta de monitorização contínua que automatiza e padroniza as muitas etapas de transformação e combinação de dados necessárias para o desenvolvimento dos nossos algoritmos. O resultado é espetacular: aumentamos a nossa produtividade em 25 %, reduzindo significativamente os nossos riscos de erro.

 

Este prémio, que segue o Snowflake Data Driver Awards 2023, confirma a nossa excelência técnica na área. Mas para além das distinções, é sobretudo a automação da reaprendizagem dos nossos modelos que nos permite hoje manter um desempenho estável no tempo e libertar tempo para as nossas equipas, que assim podem dedicar-se a projetos inovadores com elevado valor acrescentado para os nossos clientes e parceiros.

 

Estes avanços tecnológicos são apenas um passo. A nossa ambição é continuar a ultrapassar os limites da inovação em ciência de dados2, mantendo o nosso compromisso com uma IA ética e responsável4. O objetivo permanece o mesmo: oferecer aos nossos clientes e parceiros uma experiência de pagamento fracionado cada vez mais eficiente, fluida e segura. É esta visão que guia as nossas equipas no dia a dia e que faz da Floa um dos líderes reconhecidos no campo dos pagamentos fracionados.

 

Quer aumentar as suas vendas enquanto protege as suas transações? Mais de 15 000 parceiros já confiam em nós. Junte-se aos líderes do seu setor integrando as nossas soluções de pagamento fracionado. Contacte-nos para descobrir como a Floa pode fazer um boost9 ao seu desempenho comercial. ação e gerir de forma eficaz a criação e reconversão regular de todos estes modelos.  

 

Floa acaba de ser premiada pela sua inovação em MLOps<sup>11</sup>. Você falar-nos mais sobre os vossos avanços tecnológicos?

Solicite uma demonstração

Pretende experimentar a oferta FLOA ? Contacte as nossas equipas para uma demonstração em direto do nosso serviço:

Solicite uma demonstração

Bem-vindo ao blogue FLOA !

Bem-vindo ao nosso blogue! Foi concebido para o acompanhar no dia-a-dia. Aqui, descodificamos as tendências do pagamento, partilhamos as boas práticas observadas em todos os nossos parceiros, transmitimos inspiração com projetos surpreendentes! Tudo isso no FLOA!

Eles confiam em nós !

Solicite uma demonstração

Pretende experimentar a oferta FLOA ? Contacte as nossas equipas para uma demonstração em direto do nosso serviço:

Solicite uma demonstração