Dieser Inhalt wurde auf der Minitab Global Insights Conference 2023 präsentiert und erhielt herausragende Resonanzen. Wir glauben, dass er für ein breiteres Publikum nützlich sein wird – zum Beispiel für die Leser unseres Blogs, wie Sie! Die Moderatoren waren Dr. Stefano Polastri, CEO, CTO, Daten- und Softwarearchitekt, Analyst und Minitab-Trainer sowie Ivano Izzo, leitender Statistik-Analyst, Minitab Suite Trainer, Six Sigma und DFSS-Experte. Ihr Unternehmen GMSL startete im Jahr 1994 und steht für Grow, Manage, Simplify, Learn”, also „Wachsen, Verwalten, Vereinfachen, Lernen“. Seit 1997 arbeiten sie mit Minitab zusammen und unterstützen andere Unternehmen bei der Betrugsprävention mithilfe von Minitab Predictive Analytics. In diesem Blog erläutern wir die Einzelheiten.
Um Ihnen ein besseres Verständnis davon zu vermitteln, wie GMSL prädiktive Analytik nutzt, beschreiben wir dies zunächst in ihrer Fachsprache. „Prädiktive Analytik ist eine Kategorie von Datenanalysen, die darauf abzielt, auf der Grundlage historischer Daten und bestimmter Analyseverfahren Prognosen bezüglich zukünftiger Ergebnisse zu erstellen. Bei prädiktiven Analysen werden verschiedene statistische Verfahren (u. a. Data Mining, maschinelles Lernen und prädiktive Modellierung) eingesetzt, um zukünftige Ereignisse zu untersuchen.“
Heute werden Unternehmen mit Daten aus allen Richtungen bombardiert, unabhängig davon, ob sie von Maschinen, Sensoren, Benutzern oder in ERP oder Datenbanken produziert werden. Wir leben in einer sehr datenzentrierten Kultur.
Es kann kompliziert sein, zu entscheiden, was mit den Daten zu tun ist und wie sie zu analysieren sind, um die besten und nützlichsten Ergebnisse zu erhalten. Selbstverständlich sind auf dem Markt viele Tools verfügbar, mit denen Daten entschlüsselt und analysiert werden können. Prädiktive Analytik ist eine wirkungsvolle Methode, bei der maschinelles Lernen und herkömmliche Analysen zusammenwirken, um nach Mustern in Daten zu suchen und Prognosen für Unternehmen zu erstellen, um Risiken zu minimieren und Chancen zu nutzen. In diesem Anwendungsfall beschreiben wir, wie Sie mit prädiktiver Analytik betrügerische Kreditkartentransaktionen erkennen können.
Bei der Betrugserkennung handelt es sich um eine Reihe von Prozessen und Analysen, die es Unternehmen ermöglichen, unbefugte finanzielle Aktivitäten zu erkennen und zu verhindern. Hierzu zählen unter anderem betrügerische Kreditkartentransaktionen, Identitätsdiebstahl, Cyber-Hacking, Versicherungsbetrug und mehr. Um die unstrukturierten Rohdaten in greifbare, umsetzbare Informationen umzuwandeln, führt GMSL sieben zentrale Schritte durch, Wir veranschaulichen, in welcher Weise sie jeweils bei der Betrugserkennungsmission Anwendung finden.
Häufig wird mehr als die Hälfte der Zeit eines prädiktiven Analyseprojekts für die Datenerfassung, -vorbereitung und -analyse aufgewendet.
Laden Sie diese Infografik herunter, um die siebenstufige Methodik kennenzulernen, die in jedem einzelnen Fall angewendet werden kann, um die einfache Frage zu beantworten: Wie wird das Verhalten der Zukunft aussehen? Das Geheimnis dieser Methode liegt im AUSPROBIEREN.