مهندسان نرم‌افزار سابق Uber 3 میلیون دلار برای Sperta جمع‌آوری کردند، استارت‌آپ 6 ماهه که می‌خواهد به فین‌تک‌ها کمک کند تا ریسک تقلب را بهتر مدیریت کنند – TechCrunch

با هم در تیم ریسک Uber، Yifu Diao و مینگ فانگ متوجه شد که با رشد بیش از حدی که شرکت شاهد آن بود، چالش‌های تقلب به وجود آمد. اولین پروژه Diao در این شرکت پس از شروع در سال 2014 بود ساخت موتور قوانین به نام مغز متفکر برای مبارزه با تقلب او می‌گوید این موتور به تحلیلگران ریسک اجازه می‌داد تا قوانینی را بدون کمک مهندسان ایجاد و عرضه کنند.

دیائو گفت: «در حالی که در ابتدا برای تقلب ساخته شد، اما برای موارد دیگری مانند ایمنی و پشتیبانی مشتری نیز استفاده شد. “تا زمانی که من آنجا را ترک کردم، 10000 تصمیم در ثانیه می گرفت.”

هنگامی که فانگ در سال 2016 به تیم ریسک Uber پیوست، نیاز به استفاده از Mastermind در زمان اعزام وجود داشت – زمانی که رانندگان و سواران همسان هستند. با این حال، ارسال یکی از حیاتی‌ترین سیستم‌های Uber بود و مقیاس بسیار بزرگ‌تری نسبت به موارد استفاده قبلی داشت در حالی که نیاز به تأخیر بسیار دقیق داشت.

«مینگ [Fang] دیائو به یاد می‌آورد که بهینه‌سازی‌های بسیار زیادی را برای Mastermind انجام داد که این مورد استفاده جدید را فعال کرد و کلاهبرداری را به میزان قابل توجهی کاهش داد. Mastermind اکنون توسط صدها تحلیلگر و عملیاتی مورد استفاده قرار می گیرد، و تصمیمات بلادرنگ را در صدها نقطه لمس کاربر می گیرد.

دیائو آخرین سال خود را در اوبر گذراند و روی یک محصول وام کار کرد که از Mastermind نیز برای پذیره‌نویسی استفاده کرد. او سپس به یک استارت‌آپ کارت اعتباری پیوست و متوجه شد که محصول به موتور قوانین برای مدیریت ریسک‌های تقلب، اعتبار و تطابق نیز نیاز دارد.

دیائو گفت: «علاوه بر این، توضیح‌پذیری برای شرکت‌های فین‌تک مهم است تا بتوانند به تنظیم‌کننده‌ها نشان دهند که چگونه تصمیم‌گیری می‌شود. “برای من آشکار شد که نیاز به یک موتور قوانین به عنوان یک سرویس وجود دارد.”

او بلافاصله به نیش فکر کرد که در آن زمان در گوگل کار می کرد و فروشگاه ویژگی های هوش مصنوعی ابری خود را رهبری می کرد. این زوج در سال‌های اخیر درباره چند ایده استارت‌آپ بحث می‌کردند و تصمیم گرفتند با هم متحد شوند اسپرتا ژوئن امسال (Sperta در ایتالیایی به معنای “متخصص” است) و موتور قوانین خود را به عنوان یک سرویس بسازند. ماموریت آن کمک به خدمات مالی و شرکت‌های فناوری در خودکارسازی تصمیم‌ها و مدیریت ریسک‌های تقلب، اعتبار و انطباق است.

دیائو گفت، بسیاری از پیشنهادات موتور قوانین فعلی از یک رابط کاربری بدون کد برای ایجاد قوانین با چند کلیک ماوس استفاده می کنند.

وجه تمایز اصلی Sperta از سایرین در این فضا (از دیگر بازیکنانی که اخیراً بودجه جمع آوری کرده اند عبارتند از Alloy و Unit21)، به گفته Diao، زبان بیان آن است.

دیائو گفت: «کاربران هدف ما تحلیلگران و دانشمندان داده‌ای هستند که SQL را می‌دانند. بنابراین ما تصمیم گرفتیم یک زبان عبارت با نحو مشابه SQL بسازیم. ما با این رویکرد در مسترمایند موفقیت زیادی داشتیم. این امکان را برای تحلیلگران فراهم کرد که تنها در یک هفته سوار شوند.

Diao توضیح می دهد که قوانین اگر آزمایش نشوند به خوبی عمل نمی کنند. و مثبت کاذب بالا می تواند تأثیر منفی واقعی بر رشد داشته باشد. مثبت کاذب می تواند به معنای از دست دادن مشتریان برای مؤسسات و شرکت های مالی باشد.

دیائو گفت: «ما به شدت از این موضوع آگاه هستیم. “به همین دلیل است که ما تست‌های واحد قوانین را برای بررسی سلامت عقل، تست‌های برگشتی برای اندازه‌گیری عملکرد قوانین و درصد عرضه برای اعمال ایمن تغییرات قوانین را فعال می‌کنیم.”

برای رفع نیازهای مشتریان خود، Sperta در حال ایجاد یک پلت فرم تصمیم گیری در مورد ریسک با موتور قوانین در هسته آن است. Sperta همچنین با فروشندگان داده ادغام می شود و همچنین به تحلیلگران اجازه می دهد تا ویژگی های به دست آمده از این فروشندگان را تغییر دهند.

تنها دو ماه پس از شکل‌گیری، اسپرتا 3 میلیون دلار سرمایه اولیه را در دوری به رهبری Kindred Ventures و Uncork Capital که شامل مشارکت برخی از سرمایه‌گذاران فرشته بود، جمع‌آوری کرد. اکنون به صورت علنی در مورد آن صحبت می شود.

دیائو گفت: «مشتریان می‌توانند مدل‌های خود را نیز بیاورند، و Sperta یک رابط تمیز برای ادغام فراهم می‌کند. “اگر تصمیمات نمی توانند به طور خودکار اتخاذ شوند، پرونده ها می توانند به ابزار مدیریت پرونده Sperta ارسال شوند. در حالی که مدل‌ها به ما پیش‌بینی‌های احتمالی می‌دهند، قوانین به ما تصمیم‌های قابل توضیح و اقدامات قطعی می‌دهند. ما واقعاً در مورد کمک به اینترنت برای تصمیم‌گیری سریعتر هیجان‌زده هستیم.»

Fang گفت Sperta، ادغام مدل ها را با رابط کاربری خود برای مشتریان آسان تر می کند.

“ما میتوانیم او به TechCrunch گفت: داده‌هایی را که می‌خواهند برای شناسایی ریسک و تصمیم‌گیری استفاده کنند، ساختاری‌سازی کنند. ما می‌توانیم روشی را که آنها از داده‌ها استفاده می‌کنند ساختاری دهیم تا مطمئن شویم که تصمیم‌گیری آنها ایمن و تمیزتر است.»

مخصوصاً برای فین‌تک‌ها، موتور قوانین در مرحله نصب بسیار مهم است. کلاهبرداری در ذهن همه موسسات مالی، فین تک یا سنتی است. و با انجام تراکنش های آنلاین بیشتر از همیشه، احتمال کلاهبرداری نیز بیشتر از همیشه است.

بنابراین طبیعتا فین تک ها و به طور کلی موسسات مالی مشتریان هدف هستند.

دیائو گفت که رقبا به طور متوسط ​​در هر تصمیم حدود 1 دلار دریافت می کنند. دیائو گفت که اسپرتا کمتر از این مبلغ را دریافت خواهد کرد.

این شرکت قصد دارد از سرمایه جدید خود بیشتر برای استخدام استفاده کند. هنوز در حال توسعه محصول خود است اما امیدوار است تا پایان سال یک MVP داشته باشد.

برای سرمایه گذاری های خویشاوندی Kanyi Maqubela، Kindred Ventures معتقد است که کار دیائو و فانگ در اوبر در زمینه پیشگیری از کلاهبرداری «پیشگامانه» بود.

او از طریق ایمیل نوشت: «نسخه کلی و قدرتمند یک موتور تصمیم‌گیری در بازار امروز که شرکت‌های نرم‌افزاری هر روز میلیون‌ها تصمیم در مورد تعهد می‌گیرند، به شدت مورد نیاز است. شرکت‌های نرم‌افزاری به راه‌حلی نیاز دارند که به اندازه کافی حساس باشد تا امکان سفارشی‌سازی را فراهم کند، در عین حال انطباق را حفظ کند… معماری موفق به اندازه‌ای انعطاف‌پذیر است که ماژولار باشد، اما به اندازه‌ای ایمن است که انطباق را حفظ کند و در موارد استفاده سهولت داشته باشد. Sperta در حال حاضر به این مهم دست یافته است، تنها در عرض چند ماه از حضور در بازار.

اندی مک لافلین، شریک مدیریت Uncork Capital، موافق است که بینش بنیانگذاران از ساخت موتور قوانین در Uber به آنها “مزیت فوری” می دهد.

او از طریق ایمیل نوشت: “در تلاش ما نارضایتی مکرر از راه حل های موجود شنیدیم که قادر به ارائه برخی از ویژگی های پیشرفته تر Sperta در نسخه 1.0 نیستند.” رقبا در آماده سازی بازار کار خوبی انجام داده اند، اما ما یک فرصت بزرگ برای ارائه راه حل صحیح می بینیم.