京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代 解读数字营销七大新趋势
如今,当人们谈到欺诈时,可能第一个想到的是银行,事实也是如此——银行是最容易受到威胁的行业。但过去Interac Association的一份报告显示在加拿大借记卡欺诈损失实际上已经下降了62%,而且到了2013年受益于芯片和PIN技术的发展,随着一些安全性高、欺诈检测机制发展起来,可以帮助企业实时检测到欺诈行为,提升惩治犯罪机率。

图片来源theglobeandmail.com
对于欺诈率下降是个好消息,但是相比好消息,技术的发展不可能消除诈骗犯罪,欺诈者仍然能够利用许多其他方法从个人和企业那里谋取金钱和资产。
幸运的是,通过收集起来了大量的数据,分析这些数据能够检测出正在进行的诈骗行为,或许能够帮助公司和执法者从中找到解决方案。作为SAS加拿大安全情报实践的负责人,Dan Nagle针对目前存在四个领域,在检测欺诈行为方面对这四个领域的技术进行分析。
医疗卫生领域
正如分析所讲,很多人通过伪造医药处方来获取限制药物(如Oxycontin),犯罪分子通常强迫弱势人群填写相关医药处方,然后获取这些限制药物进而转售获利。

医疗卫生领域(图片来源alzinfo.org)
医疗卫生组织要建立一个系统,确保药房及其他一些人的行为合法,可以将正常药品购买行为和违法行为区分开。大数据系统需要审查处方内容以及购买的地点,确定在每次交易中存在欺诈的潜在可能性。并通过分析软件使用复杂的算法来发现非法活动中的一般模式,以及时对违法行为作出行动。
这一套系统为系统管理员提供了实时报警功能,帮助在监控中发现存在药品滥用的违法行为——通常从业人员(如:医生或药店),或者是病人是受到勒索被迫填假处方的受害者。
能源领域
能源领域中也因欺诈造成了巨额损失。非法(有些还披着“合法”的外衣)企业或组织通过各种途径从避免电费的支出,或是通过盗取其他组织的电力,或通过迂回的方式直接连接到馈电线路。
电力公司需要实时测量,了解每个客户使用电源的情况,以便可以更准确地预测需求和对电量进行调整。而面对大量的数据困扰,需要从中找到电力盗窃的证据,而他们面临的最大挑战是如何从大量数据中筛选出来进而寻找证据,而且事实上数据无法长时间保存,这意味着电力公司必须做到实时的欺诈检测。

电力盗窃(图片来源blogspot.com)
解决方案:基于智能电表的分析系统,通过监测电力系统中不正常的表现,并将分析工具和工程系统发出的信号相结合来检测违规行为。SAS公司通过这个方案意外地发现了测定大麻生长所在位置的方法。
金融信用卡领域
正如开篇提到欺诈的首要行业——金融,解决信用卡和借记卡欺诈仍然需要欺诈检测技术,尽管欺诈犯罪在下降,但金融欺诈仍是一个急需解决的问题,加拿大的两大银行汇丰和Laurentian通过数据分析来解决这一难题。
汇丰银行重点是评估出每一次信用卡交易潜在的风险。拒绝一个合法用户的操作和允许非法交易都是系统所不想得到的效果,因此数据分析需要很高的可靠性和实时性,避免客户合法交易被阻止转向其他家银行的尴尬。
另一个案例,Laurentian系统则致力于利用数据挖掘出周期性诈骗行为(如:洗钱)。为了做到这一点,Laurentian将欺诈检测与其他系统整合到一起,了解每一个客户交易的详细信息、用户之间的关联等信息,无论资金流动情况如何复杂,银行都能通过分析来确定交易是否合法。
赌博业
看过Oceans 11(十一罗汉)电影会感受到在线和离线的赌场相对于金融企业存在着更多的欺诈风险,诈骗者侵入合法玩家的账户,通过侵入这些账户进行盗窃或洗钱等违法行为。由此,分析系统为每个赌徒建立了相应的信息文档,可以实时了解信息,甚至指纹信息。在出现异样时候,该系统就可以立即向赌场发出警报。
可见,大数据分析系统对欺诈行为进行积极主动的打击区别于传统方法,传统方法只能在欺诈发生后,依靠取证来打击犯罪。随着网络犯罪的增长,未来通过大数据分析预测犯罪、制止犯罪将成为重要的发展趋势。CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12在数据分析日常工作中,Excel数据筛选是数据清洗、数据提取、样本筛选的核心基础操作。传统Excel手动筛选、函数筛选方式,面对多 ...
2026-08-12 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-08-12在数据分析、统计建模、数据挖掘与商业调研过程中,原始数据往往无法做到绝对干净规整。受系统故障、人工录入失误、设备误差、突 ...
2026-08-11在数据分析工作中,聚类分析是典型的无监督学习方法,核心作用是依据数据自身的多维特征,将相似样本自动划分为若干类别,实现“ ...
2026-08-11