Финтех: approval rate платежей по картам упал с 91% до 78% за сутки — режут выручку эквайринга

Ситуация: За сутки доля одобренных платежей по картам (authorization rate) упала с 91% до 78%. Каждый процент — прямые потери выручки и отток мерчантов. On-call поднят. Нужно за час локализовать: банк-эмитент, BIN, антифрод, конкретный платёжный шлюз или ритейл-вертикаль.

Платёжный провайдер маршрутизирует транзакции через несколько шлюзов к банкам-эмитентам. Деклайн может прийти от эмитента (insufficient_funds, do_not_honor), от антифрод-движка (risk_block), или быть техническим (timeout, gateway_error). Резкий рост одного кода деклайна = конкретный сбой. Нужно отделить «нормальные» отказы от инцидента.

Доступные данные

• transactions: txn_id, merchant_id, gateway_id, issuer_bank, bin, amount, currency, created_at, status (approved|declined), decline_code
• gateways: gateway_id, provider, region
• merchants: merchant_id, vertical (retail|travel|gaming|subscription), risk_tier
• antifraud_decisions: txn_id, score, action (allow|review|block), rule_id
• gateway_health: gateway_id, ts, latency_ms, error_rate

Задачи

• Разложить approval rate по часам и по decline_code — какой код вырос за инцидент.
• Сегментировать падение по gateway_id, issuer_bank и vertical — локализовать источник.
• Проверить gateway_health: совпал ли рост деклайнов со скачком latency/error_rate шлюза.
• Оценить вклад антифрода: вырос ли action=block и привязан ли он к конкретному rule_id.
• Отделить технический сбой (timeout/gateway_error) от бизнес-деклайнов (do_not_honor) и от ложных антифрод-блоков.

Все кейсы для подготовки → ← Все кейсы