Kredi Kartı Başvuru Aşamasında Sahtecilik Tespiti İçin Bir Veri Madenciliği Modeli

Abstract

Veri madenciliği, muazzam boyuttaki veriden şirketlerin daha iyi kararlar almalarına yardımcı olup, pazarda rekabetçi olarak kalmalarını sağlayabilecek ilginç bilgileri keşfetme sürecidir. Veri madenciliği kavramının, teknolojilerinin ve kullanım alanlarının ayrıntılı olarak ele alındığı bu tez çalışmasında ayrıca Türkiye’de bir bankada yapılan, kredi kartı başvurusu aşamasında sahte başvuru tespitine yönelik bir veri madenciliği projesi anlatılmıştır. Projede, Yapısal Risk Minimizasyonu algoritmasını kullanan KXEN Analytic Framework yazılımı yardımıyla sahtecileri tespit edebilmek için bir öngörüsel model kurulmuştur. Bu model tüm başvuruları skorlamaktadır. Modelin sonucunda ortaya çıkan rapor, tüm başvurular için bir sahtekarlık skoru içermektedir. Bu raporu kullanan Güvenlik Birimi, enerjisini ve zamanını sahte olması en muhtemel başvuruları incelemeye harcamaktadır. Bu proje ile kredi kartı başvurusu sırasında yapılan sahtekarlıkların tespit sayısı günde 7’den 23’e çıkmış ve %228.6’lık bir artış elde edilmiştir. Bu sayı, günde 65,380.1 YTL’lik bir tasarruf anlamına gelmekte ve projeye yapılan tüm yatırım 4 gün içinde karşılanmaktadır. Yeni sistemi, Kredi Kartı Güvenlik biriminde 13 kişi kullanıyor. Birim elemanlarının morallerini de hızla yükselten sistem uygulanması sayesinde, çalışmalar artık daha verimli gerçekleştiriliyor. Güvenlik bölümü çalışanları kayıtları elle kontrol ederek sahtekarlıkları yakalamaya çalışmak için gereğinden fazla bir süre harcamaktansa, zamanlarını gerçek sahtekarlıkları yakalayarak harcıyorlar. Yakalanan sahtekarlık sayısını bu sayede 3.3 katına çıkarmayı başardılar.

Data mining is the process of discovering interesting knowledge from large amounts of data that can be used to help companies make better decisions and remain competitive at marketplace. Data mining, its technologies and application fields are widely analysed in this thesis, moreover a data mining project which is done at a Bank in Turkey in order to detect fraudulent application for credit card is described. For this project, a predictive model is generated by using KXEN Analytic Framework which uses Structured Risk Minimization algorithm. This model scores all individual applications. The resulting reports include a fraud score for all individual applications and are forwarded to fraud agents who now apply their experience only on reviewing those applicants most likely to commit fraud. By this project the Bank increased the number of identified fraudulent applications by %228.6 from 7 to 23 per day. This represents saving of 65,380.1 YTL per day and returned more than the entire project investment with in four days. The new system is used by 13 fraud agents within the Credit Card Security Department. It had an immediate positive impact on the morale of the team members, who became much more effective at their job. Rather than manually evaluating large amounts of non-fraudulent data to identify potential candidates, they spend their time working on actual fraud cases. In this manner they increased the number of fraud cases caught by a factor 3.3.