Der Kunde ist ein führender Dienstleister im Bereich Finance, bei dem es nur in sehr seltenen Fällen zu dolosen Handlungen kommt. Da es auf Grund der geringen Anzahl der Betrugsfälle nicht effizient ist, alle Transaktionen eingängig manuell zu prüfen, wurde eine Fraud-Detection-Methode gesucht, um Verdachtsfälle automatisiert identifizieren zu können
Ziel
Der Kunde plant, die ihm vorliegenden Transaktionsdaten zu analysieren, um verdächtige Ausreißer im Hinblick auf betrügerische Aktivitäten frühzeitig zu erkennen. Die Analysen sollen je Kunde und Transaktionstag separat durchgeführt werden. Um valide Ergebnisse zu erzielen, bedarf es einer Aufbereitung und Aggregation der vorhandenen Daten.
Lösung
Die eoda GmbH entwickelt im Hinblick auf die Anforderungen des Kunden eine Analyse der Daten auf Basis des Benford-Gesetzes. Dieses beschreibt eine Gesetzmäßigkeit in der Verteilung der Ziffernstrukturen von Zahlen in empirischen Datensätzen. Das Gesetz lässt sich
beispielsweise in Datensätzen über Einwohnerzahlen von Städten, Geldbeträgen in der Buchhaltung oder bei Naturkonstanten beobachten.
Das Analyse-Skript wurde in der Programmiersprache „R“ geschrieben. Es liefert sowohl statistische Kennzahlen (Signifikanzwerte, Erwartungswerte, etc.) als auch graphische Analysen. Letztere geben an, ob eine Überprüfung der Schwellenwerte (Overall-Befunde)
notwendig ist.
Im zweiten Projektschritt wird das R-Skript in enger Abstimmung mit der IT-Abteilung in die bestehende IT-Landschaft des Kunden integriert. Die Analyse kann anschließend entweder automatisiert über einen Trigger – eine neue Transaktion wird in einem definierten Ordner abgelegt – oder manuell aus der Fachabteilung angestoßen werden.
Ergebnis
In Zusammenarbeit mit der eoda GmbH konnten die Daten für die geplante Benford-Analyse aufbereitet und beim Kunden implementiert werden. Der entwickelte Algorithmus entscheidet, wann die Annahmen der Benford-Analyse verletzt wurden, folglich ein Wert verdächtig ist und
ein Fraud-Verdacht vorliegt. Bei auffälligen Werten wird der Kunde per E-Mail informiert.
Ein Mitarbeiter der Fachabteilung prüft daraufhin den verdächtigen Fall.
Der Durchlauf der Datenanalyse wird automatisiert ausgeführt, kann aber auch manuell gestartet werden. Darüber hinaus besteht die Möglichkeit der Archivierung, um vergangene Fälle aufzubewahren, zu speichern und bei Bedarf darauf zurückgreifen zu können.
Das vorliegende Projekt steht beispielhaft für die Anwendung von Data Science in Businessprozessen, durch die ein analytischer Mehrwert geschaffen wird.
Hier entlang.