WeLab Leads Tens of Millions of Users Toward a Future of Intelligent Finance With MongoDB and Alibaba Cloud

MongoDB
February 1, 2024

WeLab Group is a leading FinTech group that provides diversified FinTech services to consumers and financial institutions globally. Established in 2013, its activities include operating WeLab Bank, one of the first licensed virtual banks in Asia, and other online consumer financial services. It is a market leader in Hong Kong, mainland China, and Indonesia, with over 60 million users and nearly 900 corporate customers.

Tightened regulation in a fast-moving market

WeLab sits in a dynamic, highly competitive market environment alongside Internet giants like BAT (Baidu, Alibaba, Tencent), as well as banks and consumer finance companies, and it faces different kinds of business challenges. In recent years, regulation in FinTech has intensified with the implementation of policies such as standardized rates and personal information protection, meaning FinTech enterprises including WeLab need to adapt.

Rapid data surge resulted from business expansion, coupled with the improvement in WeLab’s data processing capacity. WeLab also needs to maintain the system's efficiency and stability, as any enterprise does.

A flexible and stable option with advanced storage capabilities

The data processing in risk management systems is more complex and diverse compared to general business systems. It includes various types of data such as business data, user behavior, device information, and third-party data among others. Each type of data exhibits unique characteristics, and the data structure, organization method, and application scenarios also differ.

Unlike traditional relational databases, MongoDB can store and process structurally complex and scenario-diverse data. It also provides higher development efficiency and stability, allowing WeLab to better respond to market and regulatory changes. MongoDB provides rich indexing functions, such as geospatial index and TTL indexing, both widely used in WeLab’s daily business.

Having compared several databases, WeLab replaced its traditional MySQL database with ApsaraDB for MongoDB. The upgrade was supported by Alibaba Cloud and MongoDB experts, ensuring the process was a smooth one.

Improved efficiency and reduced risk with stability guaranteed

As WeLab’s business continues to grow, ApsaraDB for MongoDB has become one of the core engines supporting its business operation. Leveraging its advanced financial risk management technology and MongoDB 5.0’s powerful data processing capabilities, WeLab has also built a new generation of the risk management system, WeDefend 3.0, which is highly recognized by enterprise customers.

Technical improvements are reflected in various aspects. The database write performance has improved by more than 50% and query performance by more than 20%. No stability problems occurred anywhere in the system following the upgrade. It also gives more professional technical support, reducing learning and maintenance costs, while upgrade costs are reduced with MongoDB 5.0’s stable API. Users only need to use simple interface configurations, significantly improving efficiency and reducing overall risk.

ApsaraDB for MongoDB perfectly matches WeLab’s needs in terms of data characteristics and technical requirements. Thanks to the professional support from Alibaba Cloud and MongoDB teams, our system upgrade was very smooth. The subsequent operation and learning costs are also lower.
Huang Zhipeng, technical director of WeLab Group

← Previous

MongoDB presenta Atlas Vector Search: crea applicazioni intelligenti con ricerca semantica e intelligenza artificiale su qualsiasi tipo di dati

Siamo lieti di annunciare che Atlas Vector Search è ora disponibile al pubblico. Vector Search ora supporta i carichi di lavoro di produzione, consentendoti di continuare a creare applicazioni intelligenti basate sulla ricerca semantica e sull'IA generativa, ottimizzando al contempo il consumo di risorse e migliorando le prestazioni con i nodi di ricerca. Leggi il blog qui sotto, dove troverai l'annuncio completo e l'elenco dei vantaggi. Il momento è finalmente arrivato. L’intelligenza artificiale ha fatto shift left. Ciò che una volta era costruito e spesso intrappolato all'interno dei team di data science e machine learning a livello aziendale, ora è facilmente disponibile per i costruttori di tutto il mondo. Ma per sfruttare l'incredibile potenza di questi nuovi strumenti, è necessario costruire avvalendosi di una piattaforma dati affidabile, componibile ed elegante. Al contempo, come abbiamo visto tutti, queste nuove funzionalità sono valide solo se lo sono i dati o le "informazioni fondamentali" a cui hanno accesso. Ecco perché siamo entusiasti di aggiungere un'altra funzionalità alla Piattaforma dati per sviluppatori MongoDB Atlas, per sbloccare il pieno potenziale dei tuoi dati e potenziare le applicazioni IA. Oggi, MongoDB è entusiasta di annunciare la sua nuova ed entusiasmante funzionalità di Vector Search , progettata per soddisfare le esigenze di dati in tutte le forme e consentire ai partner di sfruttare queste nuove incredibili funzionalità. Consulta la nostra pagina delle risorse sull'intelligenza artificiale per saperne di più sulla creazione di app basate sull'intelligenza artificiale con MongoDB. Descrizione della funzionalità Per chi non lo sapesse, la ricerca vettoriale è una funzionalità che consente di interrogare i dati in base alla semantica o al significato dei dati anziché ai dati stessi. Questo può avvenire grazie alla possibilità di rappresentare numericamente qualsiasi forma di dato come un Vettore, che successivamente può essere confrontato a un altro tramite sofisticati algoritmi. Il primo passo è prendere i dati di origine (testo, audio, immagine o video) e convertirli in "Vettori" o "Incorporamenti" tramite un "modello di codifica". Con i recenti progressi effettuati dall'intelligenza artificiale, questi vettori sono ora in grado di acquisire meglio il significato dei dati, proiettando dati dimensionali inferiori in uno spazio più elevato che contiene più contesto. Quando questi dati vengono trasformati in queste rappresentazioni numeriche, è possibile eseguire una query per trovare valori simili tramite un algoritmo per la ricerca approssimativa dei vicini, che consente alle query di trovare molto rapidamente dati con vettori simili. Ciò ti consente di rispondere a richieste come "trova film tristi" o "trova immagini che assomiglino a...". Questa funzionalità sblocca una nuova categoria di funzionalità. Come si collega alla nostra piattaforma? Con questa funzionalità, integrata in MongoDB Atlas in modo nativo, non è necessario copiare e trasformare i dati, imparare un nuovo stack e una nuova sintassi o gestire un'intera nuova infrastruttura. Con Atlas Vector Search di MongoDB, tutto questo non è necessario: è possibile utilizzare queste nuove e potenti funzionalità all'interno di una piattaforma di livello mondiale, collaudata per creare applicazioni in modo rapidissimo. Molte delle sfide inerenti allo sfruttamento dell'IA e della ricerca vettoriale derivano dalla complessità di esporre in modo sicuro e protetto i dati delle applicazioni. Questi compiti aggiungono strati di attrito all'esperienza degli sviluppatori e complicano la costruzione, l'individuazione dei bug e la manutenzione dell'applicazione. MongoDB elimina tutte queste sfide portando la potenza della ricerca vettoriale su una piattaforma che si ridimensiona organicamente in verticale e in orizzontale per supportare qualsiasi carico di lavoro che gli viene assegnato. Infine, tutto questo non sarebbe sufficiente senza garanzie di sicurezza e disponibilità e l'impegno di MongoDB a fornire una soluzione di gestione dei dati protetta, oltre che con una disponibilità elevata tramite la ridondanza e il failover automatico, che assicurano che l'applicazione non perda mai un colpo. Novità a MongoDB.local London Per quanto riguarda .Local London, MongoDB è lieta di annunciare l'introduzione di una fase di aggregazione dedicata alla ricerca vettoriale che può essere invocata tramite $vectorSearch. Questa nuova fase di aggregazione introduce alcuni nuovi concetti che conferiscono nuova potenza e rendono più semplice che mai l'utilizzo della ricerca vettoriale. Con $vectorSearch, è anche possibile utilizzare un pre-filtro con sintassi MQL (ad es. $gte, $eq, ecc...) che filtra i documenti mentre attraversi l'indice per ottenere risultati coerenti e prestazioni elevate. Qualsiasi sviluppatore che conosca MongoDB sarà in grado di sfruttare agevolmente questa funzionalità di filtro. Infine stiamo introducendo anche due modi per ottimizzare i risultati all'interno della fase di aggregazione, un parametro "numCandidates" e un parametro "limit", con i quali è possibile ottimizzare il numero di documenti candidati per la ricerca approssimativa del vicino più prossimo, e quindi limitare la quantità di risultati desiderati con il "limite". Come interagisce con l'ecosistema? La quantità di innovazioni che si stanno sviluppando intorno all'intelligenza artificiale è sbalorditiva, ed è sorprendente vedere i progressi che la comunità open source sta rapidamente compiendo. Enormi progressi sono stati compiuti nei modelli linguistici open source, così come nei diversi metodi che possono essere integrati nelle applicazioni. Con la potenza pura dell'intelligenza artificiale, non è mai stato così importante disporre di una solida astrazione sulle funzionalità per dare agli sviluppatori la flessibilità di cui hanno bisogno. Con questa considerazione, siamo entusiasti di comunicare che diverse funzionalità sono supportate in LangChain e LlamaIndex, dal supporto per la ricerca vettoriale fino alla registrazione della chat e all'indicizzazione dei documenti. Stiamo crescendo rapidamente e continueremo a rilasciare nuove funzionalità per i nostri principali fornitori. Riepilogo Ma siamo solo agli inizi. MongoDB si impegna ad aiutare gli sviluppatori a potenziare la prossima generazione di applicazioni abilitate all'IA con la migliore piattaforma di dati per sviluppatori sul mercato. Esamineremo ancora più framework e architetture di plug-in da supportare. Ma come sempre, la parte più importante di questa equazione sono i nostri sviluppatori. Per questo, parleremo con la comunità e troveremo i modi per servirti al meglio e per assicurarci di soddisfare le tue esigenze in ogni fase del processo. Continua a sviluppare! Per scoprire di più su Atlas Vector Search e capire se potrebbe essere la soluzione giusta per te, consulta la nostra documentazione , il whitepaper e i tutorial , oppure inizia subito .

January 31, 2024

Next →

Ahamove Rides Vietnam’s E-commerce Boom with AI on MongoDB

The energy in Vietnam’s cities is frenetic as millions of people navigate the busy streets with determination and purpose. Much of this traffic is driven by e-commerce, with food and parcel deliveries perched on the back of the country’s countless motorcycles or in cars and trucks. In the first quarter of 2024, online spending in Vietnam grew a staggering 79% over the previous year. Explosive growth like this is expected to continue, raising the industry’s value to $32 billion by 2025 , with 70% of the country’s 100 million population making e-commerce transactions . With massive numbers like this, in logistics, efficiency is king. The high customer expectations for rapid deliveries drive companies like Ahamove to innovate their way to seamless operations with cloud technology. Ahamove is Vietnam’s largest on-demand delivery company, handling more than 200,000 e-commerce, food, and warehouse deliveries daily, with 100,000 drivers and riders plying the streets nationwide. The logistics leader serves a network of more than 300,000 merchants, including regional e-commerce giants like Lazada and Shopee, as well as nationwide supermarket chains and small restaurants. The stakes are high for all involved, so maximizing efficiency is of utmost importance. Innovating to make scale count Online shoppers’ behavior is rarely predictable, and to cope with sudden spikes in daily delivery demand, Ahamove needed to efficiently scale up its operations to enhance customer and end-user satisfaction. Moving to MongoDB Atlas on Amazon Web Services (AWS) in 2019, Ahamove fundamentally changed its ability to meet the rising demand for deliveries and new services that please e-commerce providers, online shoppers, and diners. The scalability of MongoDB is crucial for Ahamove, especially during peak times, like Christmas or Lunar New Year, when the volume of orders surges to more than 200,000 a day. “MongoDB's ability to scale ensures that the database can handle increased loads, including data requests, without compromising performance and leading to quicker order processing and improved user experience,” said Tien Ta, Strategic Planning Manager at Ahamove. One of the powerful services that improves e-commerce across Vietnam is geospatial queries enabled by MongoDB. Using this geospatial data associated with specific locations on Earth's surface, Ahamove can easily locate drivers, map drivers to restaurants to accelerate deliveries, and track orders without relying on third-party services to provide information, which slows deliveries. Meanwhile, the versatility of MongoDB’s developer data platform empowers Ahamove to store its operational data, metadata, and vector embeddings on MongoDB Atlas and seamlessly use Atlas Vector Search to index, retrieve, and build performant generative artificial intelligence (AI) applications. AI evolution Powered by MongoDB Atlas , Ahamove is transforming Vietnam’s e-commerce industry with innovations like instant order matching, real-time GPS vehicle tracking, generative AI chatbots, and services like driver rating and variable delivery times, all available 24 hours a day, seven days a week. In addition to traffic, Vietnam is also famous for its excellent street food. Recognizing the importance of the country’s rapidly growing food and beverage (F&B) industry, which is projected to be worth more than US$27.3 billion in 2024 , Ahamove decided to help Vietnam’s small food vendors benefit from the e-commerce boom gripping the country. Using the latest models, including ChatGPT-4o-mini and Llama 3.1, Ahamove’s fully automated generative AI chatbot on MongoDB integrates with restaurants’ Facebook pages. This makes it easier for hungry consumers to handle the entire order process with the restaurant in natural language, from seeking recommendations to placing orders, making payments, and tracking deliveries to their doorsteps. How AhaFood AI chatbot automate food order journey “Vietnam’s e-commerce industry is growing rapidly as more people turn to their mobile devices to purchase goods and services,” added Ta. “With MongoDB, we meet this customer need for new purchase experiences with innovative services like generative AI chatbots and faster delivery times.” Anticipated to achieve 10% of food deliveries at Da Nang market and take the solution nationwide in the first half of 2025, AhaFood.AI - Ahamove’s latest initiative, also provides personalized dish recommendations based on consumer demographics, budgets, or historical preferences, helping people find and order their favorite food faster. Moreover, merchants receive timely notifications of incoming orders via the AhaMerchant web portal, allowing them to start preparing dishes earlier. AhaFood.AI also collects and securely stores users’ delivery addresses and phone numbers, ensuring better driver assignment and fulfilling food orders in less than 15 minutes. “Adopting MongoDB Atlas was one of the best decisions we’ve ever made for Ahamove, allowing us to build an effective infrastructure that can scale with growing demand and deliver a better experience for our drivers and customers,” said Ngon Pham, CEO, Ahamove. “Generative AI will significantly disrupt the e-commerce and food industry, and with MongoDB Vector Search we can rapidly build new solutions using the latest database and AI technology.” The vibrant atmosphere of Vietnam's bustling cities is part of the country's charm. Rather than seeking to bring calm to this energy, Vietnam thrives on it. Focusing on improving efficiency and supporting street food vendors in lively urban areas with cloud technology will benefit all. Learn how to build AI applications with MongoDB Atlas . Head over to our quick-start guide to get started with Atlas Vector Search today.

September 19, 2024