Svindeloppdagelse med Hadoop-dummies

Det store volumet av transaksjoner gjør det vanskeligere å oppdage bedragerier på grunn av datamengden, ironisk nok kan denne samme utfordringen bidra til å skape bedre bedrägeriske prediktive modeller - et område hvor Hadoop skinner.

I dagens sammenhengende verden gjør det store volumet og kompleksiteten av transaksjoner det vanskeligere enn noen gang å finne bedrageri. Det som ble kalt "å finne en nål i en høstack" har blitt til oppgave å "finne en bestemt nål i stabler av nåler. “

Tradisjonelle tilnærminger til forebygging av svindel er ikke særlig effektive. For eksempel håndteres forvaltningen av ukorrekte utbetalinger ofte av analytikere som vurderer hva som utgjør en svært liten utvalg av krav i forbindelse med å be om medisinsk dokumentasjon fra målrettede innleverere. Bransjeperioden for denne modellen er lønn og jakt: Krav er akseptert og utbetalt, og prosesser ser etter forsettlige eller utilsiktede overbetalinger ved etterbetaling av disse påstandene.

Så hvordan blir bedrageringsdeteksjon gjort nå? På grunn av begrensningene i tradisjonell teknologi bygges svindelmodeller av prøvetakingsdata og bruker prøven til å bygge et sett med svindel-prediksjon og -deteksjonsmodeller. Når du kontrasterer denne modellen med en Hadoop-forankret svindelavdeling som bruker hele datasettet - ingen prøvetaking - for å bygge ut modellene, kan du se forskjellen.

Det vanligste gjentakende temaet du ser på de fleste Hadoop-brukstilfeller er at det hjelper virksomheten til å bryte gjennom glassloftet på volumet og variasjonen av data som kan innarbeides i avgjørelsesanalyse. Jo flere data du har (og jo mer historie du lagrer), jo bedre er modellene dine.

Blanding av uradisjonelle former for data med ditt sett med historiske transaksjoner kan gjøre svindelmodellene enda mer robuste. For eksempel, hvis en arbeidstaker gjør en arbeidstakers erstatningskrav for dårlig tilbakemelding fra en fall-og-fall-hendelse, har et pulje med millioner av pasientutfallssaker som detaljer behandling og lengden på gjenoppretting, skape et gjenkjenningsmønster for svindel.

Som et eksempel på hvordan denne modellen kan fungere, tenk å prøve å finne ut om pasientene i landlige områder gjenoppretter seg langsomere enn de i byområder. Du kan starte med å undersøke nærheten til fysioterapi. Er det mønster korrelasjon mellom gjenopprettingstider og geografisk plassering?

Hvis svindelavdelingen din bestemmer at en viss skade tar tre uker med gjenoppretting, men at en landbruk med samme diagnose lever en time fra en fysioterapeut og kontorist har en utøver på kontoret sitt, er det en annen variabel som legger til svindelen -deteksjonsmønster.

Når du henter sosialt nettverksdata for fordringshavere og finner en pasient som hevder å være lider av whiplash, er stolt av å fullføre den robuste serien av utholdenhetshendelser kjent som Tough Mudder, er det et eksempel på å blande nye typer data med tradisjonelle dataformer å oppdage svindel.

Hvis du ønsker å kaste opp svindelsesdeteksjonsinnsatsen til et høyere utstyr, kan organisasjonen jobbe for å bevege seg bort fra markedssegmentmodellering og bevege seg mot transaksjon eller på personnivåmodellering.

Det er ganske enkelt å lage en prognose basert på et segment, men det er (selvsagt) bedre å ta en beslutning basert på bestemt informasjon om en enkelt transaksjon. For å gjøre dette, jobber du opp et større sett med data enn det tradisjonelt er mulig i den tradisjonelle tilnærmingen. Bare (maksimalt) 30 prosent av tilgjengelig informasjon som kan være nyttig for svindelmodellering, blir brukt.

For å opprette svindel-deteksjonsmodeller, er Hadoop velegnet til

• Håndtaksvolum: Det betyr å behandle hele datasettet - ingen datasampling.

• Administrer nye datatyper: Eksempler er inkludering av nærhetstjenester og sosiale sirkler for å dekorere svindelmodellen.

• Opprettholde et fleksibelt miljø: Aktiver ulike typer analyser og endringer i eksisterende modeller.

Svindelmodellerne kan legge til og teste nye variabler til modellen uten å måtte lage et forslag til databasenadministratorlaget og deretter vente et par uker for å godkjenne en skjemaendring og plassere den i miljøet.

Denne prosessen er kritisk for svindeloppdagelse fordi dynamiske miljøer vanligvis har sykliske svindelmønstre som kommer og går i timer, dager eller uker. Hvis dataene som brukes til å identifisere eller styrke nye bedrageringsdeteksjonsmodeller, ikke er tilgjengelig for øyeblikket, vil det være for sent for tiden å unngå skade, når du oppdager disse nye mønstrene.

Vurder fordelene for bedriften din, ikke bare å bygge ut mer omfattende modeller med flere typer data, men også å kunne oppdatere og forbedre disse modellene raskere enn noensinne. Selskapet som kan oppdatere og forbedre modeller daglig vil gå bedre enn de som gjør det kvartalsvis.

Du kan tro at dette problemet har et enkelt svar - spør bare CIO for driftsutgifter (OPEX) og kapitalkostnader (CAPEX) godkjenninger for å imøtekomme flere data for å lage bedre modeller og laste de andre 70 prosent av dataene inn i din beslutningsmodeller.

Du kan selv tro at denne investeringen vil betale for seg selv med bedre svindeloppdagelse; Problemet med denne tilnærmingen er imidlertid de høye kostnadene som må senkes til ukjente data, hvor du ikke vet om det inneholder noen virkelig verdifull innsikt.

For eksempel, det vil for eksempel gi deg bedre tilgang til strukturerte historiske data for å finjustere modellene dine, men de kan ikke imøtekomme sosiale medier. Tradisjonell teknologi er heller ikke så fleksibel. Hadoop gjør det enkelt å introdusere nye variabler i modellen, og hvis de viser seg ikke å gi forbedringer til modellen, kan du enkelt kaste dataene og fortsette.