La analítica de datos y el comportamiento del fraude bancario
En un mundo globalizado por el internet, los pagos en línea se han convertido en algo tan normal como lo ha sido el pago en efectivo, pero esto a causado una gran preocupación debido a que los delitos financieros, definidos como prácticas manipuladoras utilizadas para obtener beneficios financieros,...
- Autores:
-
Guarín Ortega, Ehider Andrés
Fontalvo Aparicio, Jonathan Estiven
Díaz Antequera, Mario David
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/11975
- Acceso en línea:
- http://hdl.handle.net/10584/11975
- Palabra clave:
- Fraude
Transacciones en linea
Fraude Bancario
Mineria de datos
Regresión logistica
Predicción
Clasificación
Machine Learning
Decision tree
Random forest
- Rights
- License
- Universidad del Norte
| Summary: | En un mundo globalizado por el internet, los pagos en línea se han convertido en algo tan normal como lo ha sido el pago en efectivo, pero esto a causado una gran preocupación debido a que los delitos financieros, definidos como prácticas manipuladoras utilizadas para obtener beneficios financieros, se han convertido recientemente en un problema tan omnipresente en empresas y organizaciones (Abdulalem, Shukor, et al, 2022). Esto hace que la prevención y detección del fraude sean componentes críticos para la viabilidad a largo plazo de cualquier negocio de comercio electrónico (Tax, Vries, et al, 2021). Por esta razón, en actualidad el uso de herramientas de Machine Learning basadas en el análisis de la cantidad masiva de datos que se producen cada segundo es viable para la prevención y detección de fraudes. Las empresas han descubierto que es concebible aprovechar una gran cantidad de información para producir respuestas a problemas que tienen objetivos comerciales lejanos. Con la disponibilidad de datos ricos, algoritmos innovadores y métodos novedosos, las instituciones comerciales, financieras y de seguros continúan siendo algunos de los sectores más importantes con un potencial extremadamente alto para aprovechar el aprendizaje automático (ML) y la inteligencia artificial (IA) (Fraud Detection at Claims, 2023). El propósito de esta investigación es probar diferentes modelos y escoger el más acertado en términos de precisión con el fin de implementar un prototipo de servicio de prevención y detección de fraude en transacciones online, tales como: Pagos, transferencias, depósitos, retiros y débitos. |
|---|