بخشی از مقاله
چکیده
امروزه استفاده از خدمات بانکداری الکترونیکی در اکثر جوامع افزایش چشمگیری داشته است و مردم از طریق کانالهای مختلف آن، امور مالی و بانکی خود را انجام می دهند. یکی از این روشها، کارتهای الکترونیکی می باشد که با افزایش میزان استفاده از آن، متاسفانه موارد تقلب و سوء استفاده نیز بیشتر شده است و این امر علاوه بر ایجاد ضرر به دارنده کارت، قابلیت اطمینان و حسن شهرت بانک را تحت تاثیر قرار می دهد. بنابراین لزوم استفاده از روشهایی برای شناسایی تقلب امری بدیهی است.
در این تحقیق، روشی برای شناسایی تقلب مشتریان کارتهای بانکی مورد بررسی قرار گرفته می شود. در این روش تراکنش های بانک به دو دسته عادی و مشکوک تقسیم می شوند. برای اجرای روش دسته بندی در داده کاوی دو تکنیک درخت تصمیم و نزدیکترین همسایگی به کار گرفته شد و نتایج بدست آمده مبین این موضوع است که درخت تصمیم با بالاترین دقت به نحو مناسبتری تقلب را شناسایی می کند.
کلمات کلیدی: تقلب، کارت بانکی، درخت تصمیم، نزدیکترین همسایگی
مقدمه
امروزه، دورنمای رقابتی در صنعت بانکداری به طور قابل توجهی تغییر یافته است. این امر به علت نیروهایی همچون قوانین جدید، جهانی شدن، رشد فناوری، تبدیل شدن خدمات بانکی به محصول و افزایش قابل توجه تقاضای مشتریان است. تحول در فعالیتهای بانکی و افزایش پیچیدگی بانک ها، باعث ایجاد مباحث جدیدی در حوزه بانکی همچون تقلب شده است. توسعه فناوری های جدید راه های زیادی را برای متقلبان و مجرمان باز کرده است که بتوانند مرتکب تقلب شوند.
ایجاد یک سیستم اطلاعاتی جدید، تکنیک های شناسایی تقلب، علاوه بر آنکه تقلب ها و کلاهبرداری های صورت گرفته در یک سازمان را شناسایی کرده و مورد تجزیه و تحلیل قرار می دهد، به نوعی با شناخت رفتار کاربران یا مشتریان سعی در پیش بینی رفتار آتی آنها داشته و ریسک انجام تقلب ها را کاهش می دهد. به دلیل هزینه های بسیار مستقیم و غیر مستقیم تقلب، بانکها و موسسات مالی و پولی به شدت به دنبال تسریع و سرعت عمل در شناخت فعالیتهای کلاهبرداران و متقلبان می باشند.
این امر به دلیل اثر مستقیم آن روی خدمت رسانی به مشتریان بانکها و موسسات، کاهش هزینه های عملیاتی و باقی ماندن به عنوان یک ارائه دهنده خدمات مالی معتبر و قابل اطمینان است. لذا بکارگیری تکنیک های شناسایی تقلب به منظور جلوگیری از اقدامات متقلبانه در سیستم بانکداری، اجتناب ناپذیر است. امروزه پیچیدگی سازمان ها و تراکنش ها باعث افزایش فرصت برای استفاده های سودجویانه و تقلب شده است. این تقلب ها علاوه بر ضررهای اقتصادی، اثرات روانی گوناگونی بر روی خود بانک و مشتریان آن خواهد داشت، ممکن است شهرت بانک و سطح رضایت مشتریان آسیب ببیند و سطح اعتماد مشتریان نسبت به خدمات جدید کاهش یابد.
در بعد درون سازمانی نیز ممکن است فرآیند مدیریتی سازمان با اختلال مواجه شود و اخلاق و وجدان کاری کارکنان تحت اثر منفی آن قرار گیرد. خدمات نوین ارائه شده توسط بانک ها نیز حوزه های جدیدی از تقلب را گشوده است و اثرات منفی آن ضرورت اقدامات شناسایی تقلب را توجیه پذیر ساخته است. فنون شناسایی تقلب شامل شگردهای جست و جوی پیچیده ای است که از طریق بررسی تراکنش های حساب مشتریان و رفتار مصرفی مشتری الگوهای تقلب را کشف و به موقع اعلام می کند، از طرفی آگاهی از انواع مختلف تقلبات بانکی نیز جهت اقدامات پیشگیرانه می تواند مفید باشد و بانکها و موسسات مالی در صورت آشنایی با انواع مختلف تقلبات بانکی می توانند فرآیندهای نظارتی مناسبی را طراحی کنند.
در صنعت بانکداری نیز به تبع توسعه و رشد بانکداری نوین، پیشرفت های فناوری اطلاعات و در دسترس بودن امکانات کامپیوتری پیشرفته جهت ذخیره داده ها، حجم عظیمی از داده ها در دسترس تصمیم گیرندگان قرار دارد که با توجه به وضعیت رقابتی موجود، تصمیم گیری سریع، امکان استفاده از فرصت ها و تهدید ها به فرصت های طلایی، صنعت بانکداری را به سمت استفاده از تکنیک های داه کاوی ترغیب می کند.
داده کاوی به عنوان تکنیکی خاص در جهت دستیابی به اطلاعات مفید و مناسب از اهمیت ویژه ای در سالیان اخیر برخوردار شده است که به صورت گسترده ای در صنایع مختلف مانند بانکداری، هوا و فضا، بهداشت و شناسایی الگوهای مفید و ارتباطات بین داده های ثبت شده و غیره مورد استفاده قرار می گیرد. هدف داده کاوی کشف و شناسایی الگوی جدید در داده هاست. در این رابطه نوعی احساس خلاء در شناسایی تقلبات در صنعت بانکداری با رویکرد داده کاوی به چشم می خورد. بنابر اعلام دانشگاه MIT دانش نوین داده کاوی یکی از ده دانش در حال توسعه ای است که دهه آینده را با انقلاب تکنولوژی مواجه می سازد.
این تکنولوژی امروزه دارای کاربرد بسیار وسیعی در حوزه های مختلف است به گونه ای که امروزه حد و مرزی برای کاربرد این دانش در نظر نگرفته اند و زمینه های کاری این دانش را از ذرات کف اقیانوسها تا اعماق فضا می دانند. نتایج تحقیقات ارنست و یانگ عوامل افزایش تقلب در سازمان ها را افزایش پیچیدگی سازمان ها، تغییر در فرآیندهای کسب و کار، کنترلهای داخلی غیر موثر معرفی میکند که سبب افزایش فرصت برای استفاده های سود جویانه شده است. در این راستا بانکها و موسسات مالی، با تجهیز به سیستم های کشف تقلب می توانند به پیشگیری بپردازند.
این تحقیق سعی دارد با تکنولوژی داده کاوی روشی نوین در کشف تراکنش های مشکوک را به نمایش در آورد. در رابطه با این موضوع کوثری لنگری و همکاران تحقیقی را تحت عنوان بکارگیری الگوریتم های درخت تصمیم گیری جهت کشف رفتارهای مشکوک در بانکداری الکترونیک انجام داده اند. در این تحقیق از دانش خبرگان و دسته بندی الگوی رفتاری کاربران توسط الگوریتم درخت تصمیم استفاده شده است. و چهار الگوریتم chaid، chaid_ex، c4.5، c5 مورد مقایسه قرار گرفته شده است و الگوریتم c5 با دقت 91 درصد الگوریتم بهینه محسوب شده است.
همچنین فیروزی و همکاران در تحقیقی تحت عنوان شناسایی تقلب در بیمه اتومبیل با استفاده از داده کاوی از سه الگوریتم رگرسیون لجستیک، بیز ساده، درخت تصمیم برای پیدا کردن الگو و شناسایی تقلب استفاده شده است. الگوریتم بیز با 90,28 درصد در شناسایی تقلب بهترین کارایی را دارد.
ادبیات تحقیق
بانک ها جزو سازمان هایی می باشند کهمستقیماً با مشتریان در تعامل هستند. بنابراین تحلیل رفتاری مشتریان برای افزایش وفاداری آنها از اهمیت بالایی برخوردار است. در سال های اخیر با افزایش دسترسی به داده های مشتریان و بهبود قابلیت های تحلیل داده ها بوسیله روش های هوشمند، فعالیت های مختلفی به منظور تحلیل رفتار مشتریان انجام شده است. یکی از این فعالیت ها، استفاده از سیستم های هوشمند در کشف تقلبات بانکی است. تقلبات بانکی در حال حاضر طیف گسترده ای یافته و باعث ضررهای مادی و غیر مادی بسیاری به بانک ها و مشتریان بانک شده اند.
لذا آشنایی با این گونه تقلبات علاوه بر اینکه در پیشگیری از وقوع آنها مورد استفاده قرار می گیرد، در حوزه تحلیل و طراحی سیستم های اطلاعاتی مورد نیاز نیز می تواند بسیار مفید باشد. انواع تقلبات بانکی عبارتند از:.1تقلب کارتهای پرداخت .2مسئولین فاسد .3وام های تقلبی .4تقلبات سیمی.5اسناد دستکاری شده و تقلبی .6سپرده های مشکوک .7تقلب برات دیداری.8چک های دستکاری شده و تقلبی .9چکهای مفقود شده .10تقلب در صورتحساب های بانکی .11چک بازی .12چکهای بی محل.13کارتهای پرداخت مفقود شده .14 دزدی اطلاعات کارتهای بانکی .15 جعل هویت .16درخواست وام های تقلبی است.
