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
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 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 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 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 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 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。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23