Giriş ve Motivasyon

R ile Dolandırıcılık Tespiti

Bart Baesens

Professor Data Science at KU Leuven

Eğitmenler

Dolandırıcılık nedir?

Dolandırıcılık, ender, planlı, fark edilmesi güç gizlenen, zamanla değişen ve çoğu kez özenle örgütlenen, çeşitli tür ve biçimlerde görülen bir suçtur.

koyun_postunda_kurt

Dolandırıcılığın etkisi

Dolandırıcılık çok nadirdir; ama tespit edememenin maliyeti çok büyük olabilir!
Örnekler:
- Kuruluşlar yıllık gelirlerinin %5'ini dolandırıcılığa kaybediyor
- İşletmelerin dolandırıcılık nedeniyle kaybettiği para > yılda $3.5 trilyon
- Kredi kartı şirketleri, işlemlerin her $100'ünde yaklaşık 7 sent kaybediyor
- Hayat dışı sigorta ödemelerinde dolandırıcılık taleplerin %5–10'unu oluşturuyor

Dolandırıcılık türleri

Kara para aklama
Çek dolandırıcılığı
Kredi kartı dolandırıcılığı
Gümrük dolandırıcılığı
Sahtecilik
Kimlik hırsızlığı
Sigorta dolandırıcılığı
Konut kredisi dolandırıcılığı
Teslim etmeme dolandırıcılığı

Çevrimiçi dolandırıcılık
Ürün garanti dolandırıcılığı
Vergi kaçakçılığı
Telekomünikasyon dolandırıcılığı
Stok hırsızlığı
Bilet dolandırıcılığı
Ulaşım dolandırıcılığı
Havale dolandırıcılığı
İşçi tazminatı dolandırıcılığı

Başarılı dolandırıcılık analitiği modellerinin temel özellikleri

İstatistiksel doğruluk

robinhood

Başarılı dolandırıcılık analitiği modellerinin temel özellikleri

İstatistiksel doğruluk
Yorumlanabilirlik

minorityreport

Başarılı dolandırıcılık analitiği modellerinin temel özellikleri

İstatistiksel doğruluk
Yorumlanabilirlik
Düzenlemelere uyum

regulatory

Başarılı dolandırıcılık analitiği modellerinin temel özellikleri

İstatistiksel doğruluk
Yorumlanabilirlik
Düzenlemelere uyum
Ekonomik etki

dagobert

Başarılı dolandırıcılık analitiği modellerinin temel özellikleri

İstatistiksel doğruluk
Yorumlanabilirlik
Düzenlemelere uyum
Ekonomik maliyet
Uzman yaklaşımlarını veri odaklı tekniklerle tamamla

manmachine

Dolandırıcılık tespit modeli zorlukları

Dengesizlik
- ör. kredi kartı dolandırıcılığında genelde < %0,5 oranında

samanlik

Dolandırıcılık tespit modeli zorlukları

Dengesizlik
- ör. kredi kartı dolandırıcılığında genelde < %0,5 oranında
Operasyonel verimlilik
- ör. kredi kartında karar süresi < 8 saniye

flash

Dolandırıcılık tespit modeli zorlukları

Dengesizlik
- ör. kredi kartı dolandırıcılığında genelde < %0,5 oranında
Operasyonel verimlilik
- ör. kredi kartında karar süresi < 8 saniye
İyi müşterileri rahatsız etmemek

iyimusteri

Dengesiz veri

Büyük bir fırtına sonrası, bir sigorta şirketine çok sayıda talep geldi
- Sahte talepler 1, gerçek talepler 0 ile etiketlendi
Verideki dolandırıcılık yüzdesini şu fonksiyonlarla bulabilirsin:
- table() ve prop.table()
Dolandırıcılık oranını bulmak için prop.table(table(...))

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

Pasta grafiğiyle dengesizliği görselleştir

labels <- c("no fraud", "fraud")
labels <- paste(labels, round(100 * prop.table(table(fraud_label)), 2), "%")
pie(table(fraud_label), labels, col = c("blue", "red"),
      main = "Pie chart of storm claims")

firtina_talepleri

Karmaşıklık matrisi

Dolandırıcılık tespit modelini değerlendirmek için kullanılır:

karmasiklik_matrisi

Hiç model kullanılmadığını, yani tüm taleplerin gerçek sayıldığını varsayalım:

predictions <- rep.int(0, times = nrow(claims))
predictions <- factor(predictions, levels = c("no fraud", "fraud"))

caret paketindeki confusionMatrix() fonksiyonu:

library(caret)
confusionMatrix(data = predictions, reference = fraud_label)

             Reference
 Prediction    0   1
            0 614  14
            1   0   0                                   
 Accuracy : 0.9777

Dolandırıcılığı tespit etmemenin toplam maliyeti: talepler örneği

Dolandırıcılığın toplam maliyeti, sahte taleplerin tutarlarının toplamı olarak tanımlanır

Hiç dolandırıcılık tespit edilmezse toplam maliyet:

> total_cost <- sum(claim_amount[fraud_label == "fraud"])
> print(total_cost)

Hadi pratik yapalım!

R ile Dolandırıcılık Tespiti