常见用例包括：

1. 欺诈识别
2. 交易量预测
3. 下一个交易日期

欺诈识别

这通常通过异常检测来解决。

它需要有关两个交易方的信息，并使用机器学习来确定交易何时超出规范并标记为潜在的欺诈案例。

交易量预测

这通常通过时间序列预测来解决。

这个想法是预测大量用户将在接下来的一天/一周/一个月内完成的交易量。它需要季节性信息，如果您有大量 C2B 交易，则需要对主要业务进行分析。

下一个交易日期

这通常也通过时间序列预测来解决。然而，这种分析可以在个人层面上进行，而不必在一组用户上进行。

这个想法是预测下一个交易将执行的日期。这可能很有用，因为在某些情况下，用户将在短时间内执行大量事务，这些事务可以组合在一起。