Diseño de un modelo predictivo a través de la técnica de minera de datos ‘Random Forest’ para la detección de fraude bypass en redes telefónicas en el Ecuador.
- Authors
- Alcívar León, Cristhian Roger
- Format
- BachelorThesis
- Status
- publishedVersion
- Description
En las empresas de telecomunicaciones, dado a su creciente demanda de mantenernos comunicados, emplean mayores configuraciones y elementos que en ocasiones generan brechas que son aprovechadas por personas u organizaciones para realizar acciones ilícitas como es el caso del fraude por bypass. Es un hecho que el 5% de los ingresos de una empresa de telefonía móvil del país se pierdan por la falta de detección de este tipo de casos, el cual ocasiona fugas de ingresos para las organizaciones que ofrecen este servicio a nivel mundial y nacional. Este trabajo denominado “Diseño de un modelo predictivo a través de la técnica de minera de datos ‘Random Forest’ para la detección de fraude bypass en redes telefónicas en el Ecuador” plantea como objetivo la construcción de un modelo predictivo empleando minería de datos a través de la metodología KDD (“Descubrimiento de Conocimiento en Base de Datos”) de modo que contribuya a la eficacia en la detección de este tipo de fraude. La aplicación de la metodología se realiza mediante la herramienta de software KNIME implementando un flujo de trabajo con el uso de bosques aleatorios como técnicas de minería de datos del tipo clasificatorio supervisada donde se emplean los registros de llamadas como base para transformarlos a una vista minable apta para la construcción del modelo. Los resultados del trabajo indicaron que el uso de la minería de datos reportó mayor eficacia que el análisis de CDRs tradicional en la detección de casos de fraude bypass y plantea las bases para futuros estudios del tema en este modelo de negocios.
Telecommunications companies use greater configurations and elements in order to keep their growing demand of keep us communicated. These sometimes generates gaps that are used by organizations or people to carry out illegal actions such as bypass fraud. It fact, 5% of the mobile services companies’s revenues in the country are lost due to the lack of detection of such events. Which causes revenue leaks for organizations that offer this service worldwide and nationally. This work called “Design of a predictive model through data mining technique 'Random Forest' for the detection of bypass fraud in telephone networks in Ecuador” aims to build a predictive model using data mining through of the KDD methodology (“Discovery of Knowledge in Database”) in order to contributes to the effectiveness in the detection of this type of fraud. The methodology is applied using the KNIME software tool by implementing a workflow with the use of random forests as a supervised classification data mining technique where call records are used as basis for transforming them into a suitable mining view for the construction of the model. The results of the work indicated that data mining use reported greater efficiency than a traditional CDRs analysis in the detection of cases of bypass fraud and sets up the basis for future studies of the topic in this business.
- Publication Year
- 2020
- Language
- spa
- Topic
- MINERÍA DE DATOS
APLICACIÓN MÓVIL
FRAUDE BYPASS
RANDOM FOREST
BOSQUES ALEATORIOS
- Repository
- Repositorio Universidad Católica de Santiago de Guayaquil
- Get full text
- http://repositorio.ucsg.edu.ec/handle/3317/14343
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-sa/4.0/