Detección del fraude en el ámbito financiero mediante técnicas de minería de datos

Abstract

El uso de la minería de datos para la detección del fraude en el ámbito financiero es una de las herramientas fundamentales para la prevención de este tipo de delitos. A día de hoy el fraude es un problema a escala global, que no solo está lejos de poder ser erradicado, sino que cada día se crean nuevas formas para llevarlo a cabo. La minería de datos puede ser un primer filtro para la detección del fraude, siendo una primera protección aplicable no a organizaciones de todos los tamaños y en este caso, se ha utilizado una herramienta de código abierto proporcionada por la universidad de Waikato, Nueva Zelanda, que lleva más de 25 años desarrollando este proyecto de minería de datos y aprendizaje automático. Con la ayuda de WEKA se ha podido hacer una aproximación a tres problemáticas del ámbito financiero en la prevención del fraude: el impago de deudas con tarjeta de crédito, la concesión de créditos sin retorno, y las transacciones con tarjeta de crédito fraudulentas. Con los conjuntos de datos analizados se ha tratado de dar la mejor solución a cada una de ellas de manera individual y específica intentando sacar posibles soluciones generales. Abstract: The use of data mining for the detection of fraud in the financial field is one of the fundamental tools for the prevention of this type of crime. Today fraud is a problem on a global scale, which is far from being eradicated, because every day new ways are created to carry it out. Data mining can be a first filter for fraud detection, being a first protection applicable to organizations of all sizes and in this case, an open source tool provided by the University of Waikato, New Zealand, has been used. They have been developing this data mining and machine learning project for more than 25 years. With the help of WEKA, it has been possible to approach three problems in the financial field in the prevention of fraud: the non-payment of debts by credit card, the granting of credits without return, and fraudulent credit card transactions. With the analyzed data sets, we have tried to give the best solution to each of them in an individual and specific way, trying to find possible general solutions.