Kreditkartenfirma - Visual Analytics: Unterschied zwischen den Versionen
Keine Bearbeitungszusammenfassung |
K (Manuel.gesslein verschob die Seite Fallstudie Kreditkartenfirma - Visual Analytics nach Kreditkartenfirma - Visual Analytics) |
||
| (Eine dazwischenliegende Version desselben Benutzers wird nicht angezeigt) | |||
| Zeile 7: | Zeile 7: | ||
[[Visual Analytics|Visual Analytics - Theorie]] | |||
==Quelle== | ==Quelle== | ||
Aktuelle Version vom 15. Oktober 2024, 09:42 Uhr
Du beginnst eine neue Stelle als Controller in einer Kreditkartenfirma. Aktuell sind die Kosten durch Kreditkartenmissbräuche immens. Du sollst den Prozess zur Aufdeckung von Missbräuchen mithilfe von Visual Analytics optimieren und anpassen. Um optimal für die anstehende Sitzung vorbereitet zu sein studiere die folgende Fallstudie.
Täglich werden Kreditkarten gestohlen und missbraucht. Unternehmen versuchen Betrüge vorzeitig zu erkennen oder wenn möglich gleich vorzubeugen. Bereits heute können verdächtige Transaktionen mithilfe eines Datenbanksystems in Sekundenschnelle gestoppt und von einem Sachbearbeiter geprüft werden. Die Schwierigkeit dabei ist die richtige Balance zu finden, damit gültige Transaktionen nicht gestoppt werden, jedoch aber Betrugsfälle nicht ausgelöst werden. Erschwert wird die ganze Situation durch immer ändernde Betrugsmaschen. Daher ist es problematisch, rein automatisch, lernende System für die Erkennung zu verwenden. Die menschliche Erfahrung ist unabdingbar. Jedoch kann das Personal nicht alle auffälligen Transaktionen manuell prüfen.
Täglich finden mehrere Millionen an Transaktionen statt. Mit Standarddarstellungen können diese nicht zielführend dargestellt werden. Die nebenstehenden, zweidimensionalen Grafiken wurden anhand der Kriterien Tageszeit (Abb. a), Transaktionshöhe (Abb. b) und ob Geld abgehoben oder mit der Karte bezahlt wird (Abb. d), dargestellt. Durch die Einfärbung wie in Abbildung 1, ist schnell ersichtlich, bei welcher Kombination statistisch die meisten Betrüge stattfinden. Dieser Fall zeigt, dass das System die Daten sinnvoll verdichtet und für den Experten optimal visualisiert. Es zeigt das Zusammenspiel von Mensch und Computer (Kohlhammer, Proff, Wiener, 2018, Kapitel 5.2.2).
Quelle
- Kohlhammer, J., Proff, U., Wiener, A. (2018). Visual Business Analytics. Effektiver Zugang zu Daten und Informationen (E-Book). Heidelberg: dpunkt.verlag. Kapitel 5.2.2
