Big Data zur Schadensbegrenzung im Betrugsmanagement

Big Data kann auch im Bereich Betrugsmanagement eingesetzt werden, z. B. auf Onlinemarktplätzen, in Onlinecasinos und Kreditinstituten. Mithilfe von Big Data ist es möglich, Betrugsfälle früh zu erkennen und somit auch frühzeitig auf diese zu reagieren. Dies hilft Unternehmen den Schaden, der durch Betrugsfälle entsteht, zu begrenzen. Vorteile, die der Einsatz von Big Data-Technik beim Betrugsmanagement erzeugt, können gut am Beispiel des Kreditkartenbetrugs aufgezeigt werden. Kreditkarten sind ein weit verbreitetes Zahlungsmittel. Nur wenige Daten, wie z. B. die Kartennummer und die Gültigkeit der Karte, genügen Betrügern, um illegale Transaktionen durchführen zu können. Die Relevanz dieses Themas zeigt sich in den polizeilichen Kriminalstatistiken[1] der vergangenen Jahre. Diese zeigen, dass sich die jährliche Anzahl der Fälle von Betrug mittels gestohlener Daten von Zahlungskarten, zwischen 2007 und 2013, vervierfacht hat. Die gängige Praxis, Kreditkartenbetrug zu ermitteln, liegt darin, Kaufmuster der jeweiligen Kreditkartenbesitzer zu bestimmen und bei Abweichungen von diesen Mustern einzugreifen. Dazu werden Informationen, wie z. B. Transaktionsvolumen, Transaktionszeitpunkt und Transaktionsort verwendet. Wird die Anzahl der sich im Umlauf befindenden Kreditkarten betrachtet und ebenso die Anzahl der damit getätigten Transaktionen, so wird schnell deutlich, dass die zur Betrugsbekämpfung erhobene Datenmenge sehr groß ist. Zur Untersuchung und Auswertung der Daten eignet sich der MapReduce Ansatz, da er im Vergleich zu parallel arbeitenden RDBMS deutlich schneller komplexe Berechnungen durchführen kann.[2] Obwohl die Datenabfrage mittels MapReduce aufwendiger ist als bei konventioneller Technik, kommt das MapReduce-System trotzdem schneller zum gewünschten Ergebnis, da seine Verarbeitungsgeschwindigkeit deutlich höher ist. Die Kosten, die dem Kreditkartenunternehmen durch Betrugsfälle entstehen, können durch den MapReduce-Ansatz reduziert werden, denn die betroffenen Kreditkarten können schneller gesperrt werden.

[1] Vgl. BMI, 2008, sowie BMI, 2013.
[2] Vgl. Gupta et al., 2012, S. 42–61.

Das ist nur ein Ausschnitt aus dem Produkt ProFirma Professional. Sie wollen mehr?

Anmelden und Beitrag in meinem Produkt lesen


Meistgelesene beiträge