検索

不正検知におけるAsterの活用


Asterは、ディスカバリー分析に役立つさまざまな機能を備えた分析プラットフォームです。実際のビジネスニーズに応えるアナリティクスとはどういったものでしょうか?今回は、ビジネス上の重要な課題に適用される、大規模なマルチジャンルアナリティクスについてご紹介します。特に今回は、不正検知・防止の分野で講師くしたソリューションに焦点を当てます。

すべての企業は、不正行為に対して責任を負わないように、すべての従業員の間で倫理的、法的な行動を実施するために大変な負担に直面しています。消費者金融などの特定の業種では、高金利やローン拒否などの濫用防止を目的とした連邦法が制定されています。同様に、トレーダーやブローカーが安易に利益を得ようとするインサイダー取引や賄賂による不正取引を禁止しています。

しかし、不正の脅威は、銀行、投資銀行、その他の金融サービスに限定されません。すべての企業は、さまざまな詐欺リスクに直面しています。例えば、インセンティブボーナスを得るために行われる悪徳販売手法、または存在しない割引やサービスを約束する顧客サービス担当者など。

これらの潜在的な不正は、企業ではなく、ある程度、個人による不正に依存しています。企業は、懲罰的な罰金、収益の損失、顧客解約の増加、顧客満足度の浸食、ブランドの劣化など、様々な損害を被る可能性があります。

Asterのテキスト分析機能を使用して取ったアプローチでは、コミュニケーションログをキャプチャして、潜在的な不正の兆校を発見します。すべての電子メールメッセージをキャプチャし、すべての電話の会話をコピーすることはかなり難しいと思われるかもしれませんが、これは驚くほど簡単で、コモディティストレージと文字起こしソフトウェアを使用して安価に構築することができます。

次に考慮すべきは、大量のテキストデータをどうやってスクリーニングか、という課題です。しかし実際には、大規模なこのタスクは機械学習技術に適しており、企業が特定したい不正を定義したルールセットに対して無数のテキストファイルのスクリーニングを(リアルタイムで)行うことができます。

Asterでは、テキストファイルのインテリジェントな解析を行い、ノイズを除去し、関心のある部分のみを分析処理します。電子メールの場合、前処理では、エコー、署名、免責条項、などの無関係なテキストを削除し、分析負荷を最大75%削減できています。

Asterの別の機能に目を向けると、Graph機能を使って各コミュニケーションのコンテキストを探る方法があります。メッセージのやり取りを可視化することで、メッセージの意図を判別する洞察が得られます。例えば、特定のメッセージの配信幅と応答率を鑑みて、迷惑な商用電子メール(迷惑メールとも呼ばれる)として識別し、それを今後の分析から取り除くことができます。また、特定の受信者に送信されたメッセージは、予測されるメッセージのやり取り範囲から外れた異常値であることから、追加の精査が必要になる可能性もあります。

潜在的な不正をより正確に特定するために複数の分析結果を確認することは、マルチジャンルアナリティクスによる分析(さらには自動化まで)による今まで解決できなかった課題へのアプローチ方法です。ここで紹介した手法は不正検知のほんの一例です。しかし、これらを用いて不正行為の検出と防止を開始するれば、最大の効果をもたらすでしょう。

本ブログは、Aster Communityブログの抄訳版です。

原文はこちらをご覧ください。