Segmentation des clients en fonction de données sur les transactions

Les systèmes automatisés de détection et de prévention des fraudes et du blanchiment sont en forte demande parce que ces activités criminelles coûtent chaque année des millions de dollars au secteur financier. Un des problèmes clés des techniques de détection est le profilage descriptif exact des comptes. Il convient donc de cerner les caractéristiques saillantes des données recueillies afin d'établir un profil exact des comptes. Le profilage exact des comptes clients permet de restreindre la recherche d'activités frauduleuses à un groupe de comptes à risque élevé, soit un nombre bien moindre que le nombre total de comptes (plusieurs millions). Ce projet de recherche vise à mettre au point des algorithmes permettant de détecter certaines caractéristiques précises dans les données sur les comptes. Dans un premier temps, les algorithmes cernent les caractéristiques saillantes des transactions. Puis on restreint l'espace des caractéristiques, et les clients sont répartis en groupes selon leurs comportements, au moyen des caractéristiques cernées et des mesures appropriées. Finalement, on effectue une analyse discriminatoire afin d'assurer l'intégrité et de prévoir de nouvelles catégories de clients.

Faculty Supervisor:

M. George K.I. Mann

Student:

Farid Arvani

Partner:

Verafin Inc.

Discipline:

Engineering

Sector:

Information and communications technologies

University:

Memorial University of Newfoundland