Optimisation de la détection des fraudes bancaires
I. Introduction
Dans le cadre de l’article sur l’optimisation de la détection des fraudes bancaires, explorez comment une alliance stratégique entre le GIE CB, acteur clé du secteur bancaire, et notre partenariat, renforce de manière significative la sécurité financière. Au cours de cet événement, GIE CB, expert en paiements par carte, a dévoilé ses initiatives novatrices visant à renforcer la sécurité des transactions bancaires, grâce à notre collaboration fructueuse.
Notamment, la conférence a mis en lumière les défis auxquels le secteur bancaire est confronté, soulignant l’efficacité de KNIME, un outil No-Code/Low-Code adopté par GIE CB. Cette adoption témoigne de la manière dont les équipes gagnent en autonomie en élaborant leurs propres règles de calcul. Les nouveaux processus ainsi déployés ont non seulement allégé la charge des équipes informatiques, mais ont également favorisé une collaboration accrue avec les métiers, marquant ainsi une avancée significative dans la lutte contre la fraude bancaire.
II. Les Enjeux pour GIE et les Avantages de KNIME
Aujourd’hui, on constate de plus en plus de fraudes et arnaques au quotidien. La détection des fraudes est donc devenue un enjeu majeur.
Avec plus de 65% des transactions par carte en France à son actif, GIE CB est en première ligne dans cette lutte contre la fraude.
En 2022, sur les 28 milliards d’opérations, 7,5 millions étaient frauduleux, représentant un coût total de 1,2 milliard d’euros. GIE CB, face à ces chiffres, redouble d’efforts pour renforcer la sécurité des transactions, notamment avec des solutions innovantes telles que le LAB by CB (https://www.cartes-bancaires.com/innovation/accelerer-transformation-digitale/lab-by-cb/).
Notre étude de cas en Data Science illustre le passage de GIE CB de l’utilisation majoritaire d’algorithmes Python à l’adoption de KNIME. Ce changement stratégique, par conséquent, favorise une plus grande autonomie des équipes métier, simplifie la maintenance du code et permet une meilleure scalabilité.
Les outils No-Code/Low-Code comme KNIME, connaissent une popularité croissante. Ils ouvrent de nouvelles perspectives en matière de gouvernance des données et réduisent la dépendance aux équipes IT. KNIME se distingue par son approche communautaire, favorisant le partage de workflows sur une plateforme publique (https://hub.knime.com/), accélérant ainsi la mise en œuvre de cas d’usage complexes.
III. Le Workflow KNIME
Notre chaîne KNIME, présentée à la conférence, a été conçue pour traiter de grandes quantités de données dans la prédiction de fraudes.
Elle se compose notamment de :
A. Premièrement : Lecture et Préparation des Données
Incluant l’importation, le nettoyage, la gestion des valeurs manquantes et la conversion des types de données.
B. Deuxièmes : Feature Engineering en deux étapes
– Création de variables clés, comme date et heure des transactions, avec identification des transactions weekends/nuit.
– Analyse fréquence fraudes et valeur moyenne paiements par terminal via Python dans nœuds KNIME.
Le Feature Engineering peut être comparé à l’équipement de notre modèle de prédiction avec des lunettes, affinant ainsi sa précision et sa clarté.
C. Troisièmes : Entraînement et Évaluation du Modèle
Division des données (entraînement/test), ajustement pour l’équilibre des classes, entraînement d’un modèle « Gradient Boosted Trees » et évaluation de sa performance.
Il est possible de tester une variété de modèles facilement via un simple glisser-déposer dans KNIME.
Le cas d’usage a été simplifié, mais il est possible d’ajouter des couches de complexité pour comparer et sélectionner le meilleur modèle.
Enfin, la dernière étape de la chaîne consiste en l’enregistrement du modèle pour une utilisation future dans des contextes variés.
IV. Conclusion : Invitation à l'Innovation
L’intégration de KNIME, Tableau et Cloudera Data Platform chez GIE CB crée un processus performant pour l’analyse, la gestion des données et la création de tableaux de bord. Ces outils renforcent la détection de la fraude et la sécurité des opérations. Néanmoins, l’implémentation de KNIME a engendré de nouveaux besoins, notamment orientés vers la création d’API pour développer l’exposition des données.
Nous vous encourageons à télécharger et adapter cette chaîne KNIME à vos propres données. Par ailleurs, disponible sur le KNIME Community Hub, elle accélère vos prédictions métier, ajoutant une valeur significative (Lien : https://hub.knime.com/-/spaces/-/~cN_w5JAb6S7YhJd8/current-state/).
Cette approche innovante témoigne de notre engagement à rester pionnier des solutions de Data Science. Ainsi, adopter KNIME, côté Technique ou Métier, améliore considérablement la compréhension et la gestion des données.
Author Profile
- Chargée de projet marketing digital chez Mydral, spécialisée dans l'élaboration de contenu pour attirer et engager l'audience cible, se consacre à la gestion des campagnes marketing et à l'optimisation de la page LinkedIn.
Latest entries
