تشخیص تقلب در موسسات مالی و اعتباری با استفاده از دیتای واقعی

با توسعه ی سیستم های اطلاعاتی، داده به یکی از منابع پراهمیت سازمان ها مبدل گشته است. بنابراین روش و تکنیک هایی برای دستیابی کارا به داده، اشتراک داده، استخراج اطلاعات از داده و استفاده از این اطلاعات، مورد نیاز است. در سال های اخیر فناوری داده کاوی به یکی از مهمترین روش های استخراج مفاهیم از مجموعه ی داده ها تبدیل شده است. زیرا فناوری داده کاوی یک هوش علمی و تجاری با ارزش و تا حدودی پنهان را برای حجم زیادی از داده ها فراهم ساخته است. در این پژوهش با استفاده از نرم افزار آنالیز سرویس، تراکنش های یک ساله ی مربوط به 20000 شماره حساب یکی از موسسات مالی داخل کشور مورد بررسی قرار گرفت. در روش پیشنهادی مشتریان بر اساس نوع مشتری خوشه بندی شده و برای هر خوشه ای قوانینی متناسب با رفتار اعضای گروه مشخص می شود که در صورت انحراف از رفتار مشخص شده جزء موارد مشکوک شناخته خواهد شد. این قوانین در الگوریتم درخت تصمیم نوع c5.0 اعمال شده است. مدل ایجاد شده توانسته است تا حدود خیلی زیادی قوانین مرتبط با رفتار مشتریان را استخراج نماید. در نمودار مدل ساخته شده با انتخاب هر گره در جدول مربوطه، درصد احتمال موارد مشکوک مشخص شده است.