Книга "Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques. A Guide to Data Science for Fraud Detection" является авторитетным руководством для создания комплексного аналитического решения по обнаружению мошенничества. Раннее обнаружение является ключевым фактором в смягчении ущерба от мошенничества, но это требует более специализированных техник, чем обнаружение мошенничества на более продвинутых стадиях. Эта ценная книга подробно описывает как теоретические, так и технические аспекты этих техник, а также предоставляет экспертное мнение по упрощению их внедрения. В книге рассматриваются методы сбора данных, предварительной обработки, построения моделей и пост-реализации, а также основные методы обучения и типы данных, используемые для каждого из них. Эти методы эффективны для обнаружения мошенничества в различных отраслях, включая страховые мошенничества, мошенничества с использованием кредитных карт, отмывание денег, мошенничество в сфере здравоохранения, телекоммуникационные мошенничества, мошенничество с переходами по рекламным ссылкам, уклонение от уплаты налогов и многое другое, что даёт вам высокоэффективный фреймворк для предотвращения мошенничества. Оценивается, что типичная организация теряет около 5% своего дохода каждый год из-за мошенничества. Возможно более эффективное обнаружение мошенничества, и эта книга описывает различные аналитические техники, которые должна реализовать ваша организация, чтобы остановить утечку дохода. Изучите шаблоны мошенничества в исторических данных, используйте помеченные, непомеченные и сетевые данные, обнаруживайте мошенничество до того, как ущерб станет необратимым, сокращайте потери, увеличивайте восстановление и укрепляйте безопасность. Чем дольше мошенничество продолжается, тем больший вред оно наносит. Оно распространяется экспоненциально, вызывая волну ущерба по всей организации и становится все сложнее отслеживать, остановить и исправить. Предотвращение мошенничества зависит от раннего и эффективного обнаружения мошенничества, которое обеспечивается техниками, обсуждаемыми в этой книге. "Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques" помогает вам остановить мошенничество на корню и устранить возможности его будущего возникновения.
Эта книга представляет собой практическое руководство по разработке всеобъемлющих решений в области анализа мошенничества, с акцентом на их применение в разнообразных областях экономической деятельности. Автор подробно описывает теоретические основы и практические приемы использования описательных, предиктивных и социальных сетевых методов.
Detect fraudulences earlier to mitigate losses and prevent cascade damage.
Электронная Книга «Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques. A Guide to Data Science for Fraud Detection» написана автором Bart Baesens в году.
Минимальный возраст читателя: 0
Язык: Английский
ISBN: 9781119146827
Описание книги от Bart Baesens
Detect fraud earlier to mitigate loss and prevent cascading damage Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques is an authoritative guidebook for setting up a comprehensive fraud detection analytics solution. Early detection is a key factor in mitigating fraud damage, but it involves more specialized techniques than detecting fraud at the more advanced stages. This invaluable guide details both the theory and technical aspects of these techniques, and provides expert insight into streamlining implementation. Coverage includes data gathering, preprocessing, model building, and post-implementation, with comprehensive guidance on various learning techniques and the data types utilized by each. These techniques are effective for fraud detection across industry boundaries, including applications in insurance fraud, credit card fraud, anti-money laundering, healthcare fraud, telecommunications fraud, click fraud, tax evasion, and more, giving you a highly practical framework for fraud prevention. It is estimated that a typical organization loses about 5% of its revenue to fraud every year. More effective fraud detection is possible, and this book describes the various analytical techniques your organization must implement to put a stop to the revenue leak. Examine fraud patterns in historical data Utilize labeled, unlabeled, and networked data Detect fraud before the damage cascades Reduce losses, increase recovery, and tighten security The longer fraud is allowed to go on, the more harm it causes. It expands exponentially, sending ripples of damage throughout the organization, and becomes more and more complex to track, stop, and reverse. Fraud prevention relies on early and effective fraud detection, enabled by the techniques discussed here. Fraud Analytics Using Descriptive, Predictive, and Social Network Techniques helps you stop fraud in its tracks, and eliminate the opportunities for future occurrence.
