De oplossing voor financiële instellingen: anomaly detection

Binnen de financiële dienstensector is het belangrijk dat anomalieën op worden gespoord. Dit kan ook gezien worden als een grote uitdaging en dit kan alleen maar meer worden als het gebruik van digitale technologie toe blijft nemen. Anomaly detection voor de financiële markt is daarom onmisbaar. Maar wat is het verder precies? Anomaly detection is een belangrijke stap binnen de datamining. Zo worden er datapunten en gebeurtenissen geïdentificeerd welke afwijken van standaard gedrag van een dataset. Als gegevens afwijken, dan kan dat wijzen op een incident, dit kan een technische storing zijn of een verandering binnen het consumentengedrag.

Waarom is Anomaly detection interessant?

Anomaly detection binnen de financiële wereld is erg interessant. Het is dan ook erg voordelig voor transactiegegevens bijvoorbeeld. Het zorgt namelijk voor simpele binaire antwoorden. Als er iets gaande is wat afwijkt van het normale, dan wijst dat op een anomalie. Het kan ook zijn dat eruit komt dat een transactie verdacht lijkt te zijn, een systeem kan klanten dan vragen om details te verifiëren.

Er kunnen altijd meerdere datapunten worden geanalyseerd en zo kan Anomaly detection toe worden gepast om storingen te signaleren. Maar helaas bestaan er geen universele patronen als het over het dagelijkse leven gaat. Soms kun je een piek qua aankopen verwachten, maar dat kan ook geheel onverwachts op een ander moment zijn. Iedereen kan ineens besluiten volop online te shoppen, maar of dat nu in de avond om 20.00 uur is of om 22.00 uur, dit kan per dag en per moment weer variëren.

Is er wat aan te doen?

Overal is vaak wel een oplossing voor, maar hoe zit dat bij Anomaly detection? Er is bijvoorbeeld een optie om het probleem aan te pakken en dan zou je kunnen denken aan het bedenken van bepaalde criteria voor normale transacties bijvoorbeeld. Maar waar zijn deze dan op gebaseerd? Meestal op domeinkennis omdat er verder nog geen input is.

Je weet dan al snel wanneer dat er sprake is van een afwijking, namelijk wanneer dat het anders is dan de criteria die opgesteld zijn voor een normale transactie. Er is echter wel een nadeel want als je dat allemaal met de hand uit moet gaan zoeken en moet controleren, dan is dat onbegonnen werk. Het kan gelukkig wel anders worden opgelost, en daar weet Tuuring.com wel raad mee. Er kan bijvoorbeeld een model worden gebouwd dat criteria kan leren door het te trainen op een grote hoeveelheid gegevens. Maar gelukkig ieder zijn eigen vakgebied en de experts kunnen je er alles over uitleggen.