Apprentissage automatique pour la détection des fraudes dans les programmes de fidélisation
Défi
L’une des plus grandes lignes aériennes d’Europe a constaté une augmentation marquée des fraudes dans le cadre de son programme de fidélisation des grands voyageurs.
Les fraudeurs utilisant des technologies plus sophistiquées, l’équipe de détection des fraudes n’était pas en mesure de les neutraliser rapidement.
Le scientifique en chef des données de la compagnie aérienne cherchait un moyen d’accroître les capacités de détection de son équipe sans en augmenter la taille.
Solution
Les data scientists ont construit un modèle complexe de détection des fraudes en recherchant des tendances parmi une vaste gamme de variables.
Des outils d’apprentissage automatique ont été utilisés pour former le modèle. Ils ont évalué la justesse du modèle jusqu’à ce qu’ils soient convaincus que les résultats étaient significatifs et
Une fois opérationnel, le modèle se réoriente automatiquement lorsque le code ou les données changent, ce qui le rend plus intelligent au fil du temps.
Résultats
Le modèle ML identifie les fraudes avec une précision de 99 %.
Les scientifiques des données ont ensuite simplifié le modèle ML pour réduire les coûts de prétraitement de 20 % afin d’augmenter la productivité sans perdre en précision.
L’équipe de détection des fraudes est mieux équipée pour identifier les fraudes à petite échelle, qui sont plus difficiles à détecter. La détection des petites transactions frauduleuses a augmenté de 300 %.