Introduzione e motivazione

Rilevamento delle frodi in R

Bart Baesens

Professor Data Science at KU Leuven

Docenti

Che cos'è la frode?

La frode è un crimine raro, preordinato, sottilmente occultato, in evoluzione nel tempo e spesso ben organizzato, che assume molti tipi e forme.

lupo travestito da pecora

Impatto della frode

La frode è molto rara, ma il costo di non rilevarla può essere enorme!
Esempi:
- Le organizzazioni perdono il 5% dei ricavi annui a causa delle frodi
- Denaro perso dalle aziende per frode > 3,5 trilioni di $ ogni anno
- Le società di carte di credito perdono circa 7 cent per 100 $ di transazioni per frode
- La frode assorbe il 5-10% degli importi liquidati per assicurazioni danni

Tipi di frode

Antiriciclaggio
Assegni falsi
Frode con carte di credito
Frode doganale
Contraffazione
Furto d'identità
Frode assicurativa
Frode ipotecaria
Frode di mancata consegna

Frode online
Frode su garanzia prodotto
Evasione fiscale
Frode nelle telecomunicazioni
Furto di inventario
Frode sui biglietti
Frode nel trasporto pubblico
Frode via cavo
Frode su indennità di infortunio

Caratteristiche chiave di modelli di analisi frodi efficaci

Accuratezza statistica

robinhood

Caratteristiche chiave di modelli di analisi frodi efficaci

Accuratezza statistica
Interpretabilità

minorityreport

Caratteristiche chiave di modelli di analisi frodi efficaci

Accuratezza statistica
Interpretabilità
Conformità normativa

regolamentazione

Caratteristiche chiave di modelli di analisi frodi efficaci

Accuratezza statistica
Interpretabilità
Conformità normativa
Impatto economico

dagobert

Caratteristiche chiave di modelli di analisi frodi efficaci

Accuratezza statistica
Interpretabilità
Conformità normativa
Costo economico
Integrare gli approcci esperti con tecniche guidate dai dati

uomo-macchina

Sfide dei modelli di rilevamento frodi

Squilibrio
- ad es. nelle frodi con carta di credito < 0,5% tipicamente

pagliaio

Sfide dei modelli di rilevamento frodi

Squilibrio
- ad es. nelle frodi con carta di credito < 0,5% tipicamente
Efficienza operativa
- ad es. nelle frodi con carta di credito < 8 secondi per decisione

flash

Sfide dei modelli di rilevamento frodi

Squilibrio
- ad es. nelle frodi con carta di credito < 0,5% tipicamente
Efficienza operativa
- ad es. nelle frodi con carta di credito < 8 secondi per decisione
Evitare di infastidire i buoni clienti

buon cliente

Dati sbilanciati

Dopo una forte tempesta, un'assicurazione ha ricevuto molte denunce di sinistro
- Le denunce fraudolente sono etichettate con 1 e quelle legittime con 0
La percentuale di casi di frode nei dati si può calcolare con le funzioni
- table() e prop.table()
prop.table(table(...)) per determinare la proporzione di frode

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

Visualizzare lo sbilanciamento con un grafico a torta

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")

denunce di sinistro dopo tempesta

Matrice di confusione

Usata per valutare i modelli di rilevamento frodi:

matrice di confusione

Supponi di non usare alcun modello: tutte le denunce sono considerate legittime:

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

Funzione confusionMatrix() del pacchetto caret:

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

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

Costo totale del mancato rilevamento: esempio denunce

Costo totale della frode definito come somma degli importi fraudolenti

Costo totale se nessuna frode viene rilevata:

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

Esercitiamoci!

Rilevamento delle frodi in R