La analítica de datos y el comportamiento del fraude bancario

Abstract

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.

In a globally interconnected world driven by the internet, online payments have become as commonplace as cash transactions, but this has caused significant concern due to the rise in financial crimes. Financial crimes, defined as manipulative practices used to gain financial benefits, have recently become a pervasive issue in businesses and organizations (Abdulalem, Shukor, et al, 2022). This makes fraud prevention and detection critical components for the long-term viability of any e-commerce business (Tax, Vries, et al, 2021). For this reason, the use of Machine Learning tools based on the analysis of massive amounts of data generated every second is now feasible for fraud prevention and detection.

Companies have discovered that it is conceivable to leverage vast amounts of information to produce responses to problems with distant business objectives. With the availability of rich data, innovative algorithms, and novel methods, commercial, financial, and insurance institutions continue to be some of the most important sectors with extremely high potential for leveraging Machine Learning (ML) and Artificial Intelligence (AI) (Fraud Detection at Claims, 2023). The purpose of this research is to test different models and select the most accurate one in terms of precision in order to implement a prototype of a fraud prevention and detection service for online transactions, such as payments, transfers, deposits, withdrawals, and debits.