Fraudedetectie wordt onderzocht met behulp van anomaliedetectie. Bij anomaliedetectie gaat het om het vinden van interessante patronen die afwijken van het verwachte gedrag binnen uw datasets. Hierbij kunt u denken aan uitschieters, uitzonderingen, eigenaardigheden en andere bijzonderheden.

Zoeken naar een speld in een hooiberg

Anomaliedetectie, waar fraudedetectie onder valt, kan een uitdaging zijn vanuit een gegevensperspectief omdat het een beetje lijkt op het vinden van een speld in een hooiberg. Dat wil zeggen, de meeste interacties zijn niet frauduleus, dus om die te vinden is vooraf een stevige bedrijfsstrategie vereist, gecombineerd met een sterk model voor machine learning, plus een manier om deze twee te operationaliseren.

Fraudedetectie in verschillende sectoren

Zoals bij de meeste data science- en AI-projecten, is het uiteindelijke einddoel of de output van anomaliedetectie niet alleen een algoritme of werkmodel. In plaats daarvan gaat het om de waarde van het inzicht dat uitbijters bieden. Fraudedetectie kan gebruikt worden voor diverse toepassingsgebieden. Hierbij kan gedacht worden aan de gezondheidszorg maar ook fraude binnen sociale voorzieningen of in de financiële sector.

Webinar ‘Fraudedetectie met AI’

Wilt u hier graag meer over weten? Schrijf u dan in voor de live webinar ‘Fraudedetectie met AI’. Tijdens deze webinar maken we gebruik van IBM Watson Studio om met AI een voorspellend model te maken om fraude te detecteren. IBM Watson Studio beschikt ook over een AI tool die alle handelingen voor het bouwen van een voorspellend model automatiseert. In een demo van 45 minuten laten we u zien hoe een model gebouwd wordt.