Fraud-Monitor

ماذا يمكن ان يتكشف لنا من بيانات عن الاحتيال المالي بعيداً عن مجرد الأرقام؟

قمت بتحليل بيانات عن الاحتيال المالي( بيانات PaySim) . بهدف فهم الأنماط السلوكية للمعاملات الاحتيالية وتحويل البيانات الخام إلى مؤشرات تحليلية واضحة باستخدام SQL وPower BI.

ما كان الهدف مجرد حساب عدد حالات الاحتيال، بل فهم تفاصيلها: أنواع المعاملات المرتبطة بها، أحجام المبالغ، توقيت حدوثها، سلوك الحسابات، ومدى فعالية مؤشرات التنبيه الموجودة في البيانات.

● أبرز النتائج من التحليل:

• أنواع المعاملات: تركزت المعاملات المصنفة كاحتيالية في بيانات المشروع ضمن التحويلات TRANSFER وعمليات السحب CASH_OUT.

• أحجام المبالغ: بلغ متوسط مبلغ المعاملة الاحتيالية نحو 1.47 مليون، مقارنةً بنحو 178.2 ألف للمعاملات غير الاحتيالية، أي ما يقارب 8.24 أضعاف.

• فجوة في التنبيه: أشار المؤشر الموجود في البيانات إلى 16 حالة فقط من أصل 8,213 حالة مصنفة كإحتيال، بنسبة تقارب 0.19%، ما يفتح باباً مهماً لتحليل أداء آلية التنبيه.

• الأنماط الزمنية: حللت توزيع المعاملات الاحتيالية حسب الساعة واليوم للبحث عن أنماط زمنية قد لا تظهر في التقارير الإجمالية.

• سلوك الحسابات: درست تغيّرات أرصدة المرسلين، واختلافات الأرصدة، وأنماط الحسابات المرسلة والمستقبلة المرتبطة بالمعاملات الاحتيالية.

● من البيانات الخام إلى الرؤى التحليلية

المشروع يجمع بين استكشاف البيانات باستخدام SQL، وتصميم نموذج بيانات يعتمد على جداول الحقائق والأبعاد، وإنشاء Views تحليلية، وبناء لوحات معلومات تفاعلية باستخدام Power BI.

-- التحليل ما مجرد رسوم بيانية جميلة؛ هو عملية تبدأ بطرح السؤال الصحيح، ثم فحص البيانات والتحقق من النتائج، وصولاً إلى مؤشرات تساعد فرق المخاطر والتحليل المالي على فهم ما يحدث بصورة أفضل.

قيمة التحليل الحقيقية ما في الأرقام وحدها، بل في الأسئلة التي نطرحها، والأنماط التي نكتشفها، والقرارات التي يمكن أن تساعدنا على اتخاذها.