Implementación de un modelo predictivo basado en aprendizaje automático supervisado para identificar patrones de fraudes financieros a partir de transacciones realizadas desde una billetera digital

Abstract

En los últimos años, el fraude se ha convertido en un gran problema para las entidades del sector financiero y para sus clientes. Debido a que los delincuentes se vienen aprovechando de las soluciones digitales que se ofrecen a los clientes para realizar sus operaciones bancarias, mediante la utilización de múltiples modalidades de robo, entre ellas las transferencias fraudulentas en donde se vulnera el acceso a la billetera digital y empiezan a realizar múltiples operaciones bancarias desde un celular robado en donde el cliente, al enterarse de dichas operaciones no reconocidas, realiza su reclamo correspondiente para que se analice su caso. Dicha situación mencionada, es analizada y evaluada por los especialistas del equipo de reclamos fraude, en donde tienen que examinar para la toma de decisiones en caso de existir una situación de fraude. Ante el presente panorama, la investigación propone la implementación de un modelo predictivo basado en aprendizaje automático supervisado, que permita la contribución en la identificación de patrones fraudulentos en transacciones bancarias desde una billetera digital. Además, se empleó la metodología de proyectos de ciencia de datos para establecer los procesos requeridos, en donde se analizó desde el conocimiento del negocio y la situación actual hasta llegar a la validación del modelo predictivo mediante el uso de un dashboard para visualizar las representaciones gráficas y un aplicativo para analizar las nuevas situaciones de fraude que contribuyan con la atención por parte de los especialistas del equipo de reclamos de fraude. Finalmente, mediante los resultados obtenidos, se demostró de manera exitosa la identificación de las situaciones de fraude financiero.