บทนำและแรงจูงใจ

การตรวจจับการฉ้อโกงใน R

Bart Baesens

Professor Data Science at KU Leuven

ผู้สอน

การฉ้อโกงคืออะไร?

การฉ้อโกงเป็นอาชญากรรมที่เกิดขึ้นน้อย วางแผนมาอย่างดี ซ่อนเร้นแนบเนียน เปลี่ยนแปลงตามเวลา และมักถูกจัดการอย่างเป็นระบบ โดยปรากฏในรูปแบบที่หลากหลาย

หมาป่าในคราบแกะ

ผลกระทบของการฉ้อโกง

การฉ้อโกงเกิดขึ้นน้อยมาก แต่ค่าเสียหายจากการตรวจไม่พบนั้นมหาศาล!
ตัวอย่าง:
- องค์กรสูญเสียรายได้ต่อปีถึง 5% จากการฉ้อโกง
- ธุรกิจสูญเสียเงินจากการฉ้อโกง > $3.5 ล้านล้านต่อปี
- บริษัทบัตรเครดิตสูญเสียประมาณ7 เซนต์ต่อทุก $100 ของธุรกรรมจากการฉ้อโกง
- การฉ้อโกงคิดเป็น5-10% ของยอดเคลมที่จ่ายสำหรับประกันภัยที่ไม่ใช่ประกันชีวิต

ประเภทของการฉ้อโกง

การฟอกเงิน
การฉ้อโกงเช็ค
การฉ้อโกงบัตรเครดิต
การฉ้อโกงด้านศุลกากร
การปลอมแปลง
การโจรกรรมข้อมูลส่วนตัว
การฉ้อโกงประกันภัย
การฉ้อโกงสินเชื่อบ้าน
การฉ้อโกงกรณีไม่ส่งมอบสินค้า

การฉ้อโกงออนไลน์
การฉ้อโกงการรับประกันสินค้า
การหลีกเลี่ยงภาษี
การฉ้อโกงด้านโทรคมนาคม
การโจรกรรมสินค้าคงคลัง
การฉ้อโกงตั๋ว
การฉ้อโกงด้านการขนส่ง
การฉ้อโกงทางการเงิน
การฉ้อโกงค่าชดเชยแรงงาน

คุณสมบัติหลักของโมเดลวิเคราะห์การฉ้อโกงที่ประสบความสำเร็จ

ความแม่นยำทางสถิติ

robinhood

คุณสมบัติหลักของโมเดลวิเคราะห์การฉ้อโกงที่ประสบความสำเร็จ

ความแม่นยำทางสถิติ
ความสามารถในการตีความ

minorityreport

คุณสมบัติหลักของโมเดลวิเคราะห์การฉ้อโกงที่ประสบความสำเร็จ

ความแม่นยำทางสถิติ
ความสามารถในการตีความ
การปฏิบัติตามข้อกำหนด

regulatory

คุณสมบัติหลักของโมเดลวิเคราะห์การฉ้อโกงที่ประสบความสำเร็จ

ความแม่นยำทางสถิติ
ความสามารถในการตีความ
การปฏิบัติตามข้อกำหนด
ผลกระทบทางเศรษฐกิจ

dagobert

คุณสมบัติหลักของโมเดลวิเคราะห์การฉ้อโกงที่ประสบความสำเร็จ

ความแม่นยำทางสถิติ
ความสามารถในการตีความ
การปฏิบัติตามข้อกำหนด
ต้นทุนทางเศรษฐกิจ
เสริมแนวทางจากผู้เชี่ยวชาญด้วยเทคนิค data-driven

manmachine

ความท้าทายของโมเดลตรวจจับการฉ้อโกง

ความไม่สมดุลของข้อมูล
- เช่น การฉ้อโกงบัตรเครดิตมักมีสัดส่วนน้อยกว่า 0.5%

haystack

ความท้าทายของโมเดลตรวจจับการฉ้อโกง

ความไม่สมดุลของข้อมูล
- เช่น การฉ้อโกงบัตรเครดิตมักมีสัดส่วนน้อยกว่า 0.5%
ประสิทธิภาพในการทำงาน
- เช่น การตรวจสอบบัตรเครดิตต้องตัดสินใจภายใน 8 วินาที

flash

ความท้าทายของโมเดลตรวจจับการฉ้อโกง

ความไม่สมดุลของข้อมูล
- เช่น การฉ้อโกงบัตรเครดิตมักมีสัดส่วนน้อยกว่า 0.5%
ประสิทธิภาพในการทำงาน
- เช่น การตรวจสอบบัตรเครดิตต้องตัดสินใจภายใน 8 วินาที
หลีกเลี่ยงการรบกวนลูกค้าที่ไม่ได้กระทำผิด

goodcustomer

ข้อมูลที่ไม่สมดุล

หลังพายุครั้งใหญ่ บริษัทประกันภัยได้รับเคลมจำนวนมาก
- เคลมที่เป็นการฉ้อโกงระบุด้วย 1 และเคลมที่ถูกต้องระบุด้วย 0
สัดส่วนของเคลมฉ้อโกงในข้อมูลหาได้ด้วยฟังก์ชัน
- table() และ prop.table()
ใช้ prop.table(table(...)) เพื่อดูสัดส่วนของการฉ้อโกง

prop.table(table(fraud_label))

     0      1
0.9911 0.0089

แสดงความไม่สมดุลด้วยแผนภูมิวงกลม

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")

stormclaims

Confusion matrix

ใช้สำหรับประเมินโมเดลตรวจจับการฉ้อโกง:

confusionmatrix

สมมติว่าไม่มีโมเดลตรวจจับ ดังนั้นเคลมทั้งหมดถูกมองว่าถูกต้อง:

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

ฟังก์ชัน confusionMatrix() จากแพ็กเกจ caret:

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

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

ต้นทุนรวมจากการไม่ตรวจจับการฉ้อโกง: ตัวอย่างเคลม

ต้นทุนรวมของการฉ้อโกงคือผลรวมของมูลค่าเคลมที่เป็นการฉ้อโกง
ต้นทุนรวมเมื่อไม่มีการตรวจจับการฉ้อโกง:
```
> total_cost <- sum(claim_amount[fraud_label == "fraud"])
> print(total_cost)
```

มาฝึกกันเถอะ!

การตรวจจับการฉ้อโกงใน R