Choco Up prend des décisions de crédit pour ses clients en une heure grâce à la plateforme de financement basée sur les revenus sur AWS

Le démarrage d'une entreprise s'accompagne d'une série de défis, l'un des plus importants étant l'accès au capital. Les entrepreneurs ont souvent du mal à obtenir un financement auprès des banques traditionnelles, car elles ne disposent pas des garanties requises pour les prêts. C'est le cas pour les entreprises numériques et basées sur les services dotées d'un modèle commercial fondé sur les flux de trésorerie.

Choco Up est une plateforme fintech basée à Hong Kong et à Singapour qui a reconnu ce déficit de financement et a développé une plateforme de financement basée sur les revenus pour servir les commerçants numériques, offrant aux marques et aux startups une voie de financement qui n'était pas disponible auparavant. Les fondateurs de Choco Up étant issus à la fois de la finance et de startups technologiques, ils comprennent la nécessité d'un financement rapide pour développer les petites entreprises modernes. Les clients qui obtiennent un financement auprès de Choco Up effectuent des paiements sur la base de leurs revenus dans les mois suivant le versement.

En s'appuyant sur la technologie cloud et les big data, Choco Up a conçu un processus simple permettant aux startups d'accéder rapidement à un financement. Les clients se rendent simplement sur le site Web de Choco Up, cliquent sur « Obtenir un financement » et peuvent recevoir un financement en une heure seulement. Choco Up dessert actuellement des clients sur plus de 10 marchés de la région Asie-Pacifique, en mettant l'accent sur les commerçants numériques et les startups.  

La plupart des marchands numériques avec lesquels Choco Up travaille sont natifs du cloud et/ou opèrent sur des plateformes de commerce et des passerelles de paiement basées sur le cloud telles que Shopify et Stripe. Après s'être inscrits pour recevoir un financement, ils autorisent Choco Up à accéder aux données de leur boutique, telles que le volume des ventes et la valeur moyenne des commandes, via un plugin d'interface de programmation d'applications (API) directe sur Shopify ou sur le site de commerce électronique qu'ils utilisent.

Choco Up a également choisi de développer son activité sur le cloud, en choisissant Amazon Web Services (AWS) sur la base d'expériences positives avec la plateforme et de son soutien aux startups. « L'équipe AWS a pris le temps de comprendre notre activité et de fournir des ressources précieuses. Le fait qu'ils aient interagi avec nous avant que nous ne devenions un client payant nous a impressionnés », explique Brian Tsang, cofondateur et directeur de l'exploitation de Choco Up.  

La perspective technologique a constitué un autre facteur important qui a motivé la décision de se développer sur AWS. Choco Up utilise des microservices pour son architecture de big data, en utilisant des conteneurs pour dimensionner et isoler automatiquement les applications, ainsi que du code sans serveur pour contrôler les coûts grâce à une infrastructure à la demande.

Choco Up a également bénéficié du soutien des architectes de solutions AWS et de ressources telles que la documentation en ligne, ce qui a accéléré son adoption des services d'analyse, d'intelligence artificielle (IA) et de machine learning (ML). « AWS est réputée pour son infrastructure de données et d'analyse, qui offre un large éventail de choix pour la création et le déploiement de microservices. L'équipe AWS a veillé à ce que notre pipeline de données puisse traiter rapidement de gros volumes de données, tout en préservant la stabilité », explique Lewis Pong, vice-président des produits chez Choco Up.

Depuis son lancement, Choco Up n'a connu aucune interruption de service sur sa plateforme. L'entreprise utilise Amazon Elastic Container Service (Amazon ECS) pour l'orchestration des conteneurs et AWS Lambda pour déployer l'infrastructure sous forme de code. Choco Up utilise également Amazon Redshift comme entrepôt d'analyse de données pour l'analyse de scénarios à grande échelle, afin d'aider l'équipe chargée des risques de crédit à prendre des décisions de financement fondées sur les données. Étant donné que les clients effectuent des paiements sur la base d'une part de leurs revenus, il est essentiel que Choco Up génère des prévisions de revenus fiables sur 6 à 12 mois sur la base de toutes les données disponibles. « Notre base de données contient de nombreuses données exclusives à partir desquelles nous pouvons comparer chaque client afin d'évaluer le risque de crédit », explique M. Tsang.  

Grâce à la puissance du traitement des données en temps quasi réel, Choco Up peut faire une offre de financement préliminaire dès qu'un client complète sa demande. Une offre complète est généralement générée dans l'heure qui suit et les fonds sont débloqués en 24 heures seulement.

En revanche, lorsqu'elles demandent un financement auprès d'une banque, les entreprises doivent généralement attendre au moins trois mois pour obtenir une approbation et un financement. Il s'agit d'un facteur de différenciation clé pour Choco Up, car l'accès à un capital rapide, même pour des montants relativement faibles tels que 10 000 USD, est essentiel à la capacité des commerçants en ligne à mener des campagnes marketing pendant les périodes de pointe, telles que le Black Friday ou le Cyber Monday.

De plus, Choco Up est fière de son absence de parti pris dans ses décisions de crédit. « De nos jours, beaucoup de choses se passent virtuellement et nous ne rencontrons pas nécessairement les clients en face à face. Nous nous appuyons donc rarement sur des relations ou sur notre intuition, comme le font les institutions traditionnelles. Nous pouvons donc souscrire de manière objective et examiner chaque magasin du seul point de vue de la performance », explique M. Tsang.

Une fois que les données ont transité par l'entrepôt de données de Choco Up, avant qu'une décision finale de financement ne soit prise, elles passent par des modèles d'IA et de machine learning intégrés à Amazon SageMaker pour aider l'équipe chargée du risque de crédit à effectuer des validations supplémentaires. « La souscription de crédit est un processus sans fin, car on ne peut jamais être trop prudent », explique M. Tsang. « Grâce à l'utilisation croissante des modèles d'IA et de machine learning, nous pouvons traiter beaucoup plus de données, structurées ou non, de manière significative. »

Choco Up explore actuellement la manière d'intégrer davantage l'IA et le machine learning à son moteur de gestion du risque de crédit, en utilisant Amazon SageMaker pour de nouveaux cas d'utilisation, tels que l'évaluation d'une entreprise cliente en fonction de la manière dont elle interagit avec ses clients en ligne. Par exemple, lorsqu'un client laisse un commentaire sur un réseau social ou un site marchand, le temps de réponse du client est évalué. « Ce type de données non structurées peut constituer un indicateur solide du succès de l'activité d'un client. Et la possibilité d'en intégrer davantage à l'aide de l'IA et du machine learning nous sera très utile pour prendre des décisions en matière de crédit à l'avenir », explique M. Tsang.  

Choco Up a connu une croissance rapide depuis son lancement, desservant de nouveaux clients en Malaisie, en Thaïlande et en Indonésie, et prévoit de développer davantage ses activités dans la région Asie-Pacifique. Elle a traité 60 millions USD de financement en 2021, vise 150 millions USD en 2022 et prévoit d'étendre son financement à 500 millions USD en 2023, en s'appuyant sur des programmes tels qu'AWS Activate et des technologies modernes et évolutives pour développer son activité.

« Comme nous travaillons 24 heures sur 24, 7 jours sur 7 avec des clients du monde entier, la stabilité et l'évolutivité d'AWS sont essentielles à la maintenance de notre plateforme », explique M. Tsang. « AWS est en mesure de continuer à nous soutenir alors que nous franchissons une nouvelle étape en tant que start-up, y compris notre phase actuelle de mise à l'échelle et de marketing. »

Pour en savoir plus, consultez aws.amazon.com/big-data/datalakes-and-analytics.