نشريه مديريت فناوري اطلاعات، دوره 1، شماره 1، پاييز و زمستان 1387، از صفحه 105 تا 120

كاربرد هوش تجاري به عنوان يك تكنولوژي اطلاعات
استراتژيك در بانكداري: بازرسي و كشف تقلب

علي محقر1*، كارولوكس2، فريد حسيني3، آصف علي منشي4
استاديار دانشكده مديريت دانشگاه تهران، ايران
استاد دانشكده فني مهندسي دانشگاه تهران، ايران
كارشناس ارشد دانشكده مديريت دانشگاه تهران، ايران
كارشناس ارشد دانشكده مديريت دانشگاه تهران، ايران
(تاريخ دريافت مقاله: 7/11/1386، تاريخ تصويب: 1/5/1387)

چكيده
در تجارت جهان رقابتي، پيچيده و به سرعت در حال تغيير اطلاعات محور، وجود بينش صـحيح وبهنگام از فعاليت ها و شرايط تجارت بـراي كنتـرل ميـزان سـلامت و مطابقـت بـا نـرم هـاي تجـاريضرورت دارد . مسلما اطلاعات براي داشتن اين بينش نقـشي حـساس بـازي كـرده و مـي توانـد بـهتنهايي مفيد واقع شود مشروط بر آنكه راهنمايي كننده، متمركز، بهنگام و به سادگي قابل دسترسبوده و هر دو جنبه كلان (استراتژيك) و خرد (عملياتي) شركت را نشان دهـد.بـه خـاطر پيـشرفتفناوري اطلاعات، تكنولوژي هاي هنر گونه نظير هوش تجاري- BI توسعه داده شدهاند تا براي مـاتركي ب ف وق را آم اده كنن د. اي ن مقال ه ب راي خوانن ده دي دگاهي از ه وش تج اري و اهمي تاستراتژيك آن فراهم مي كند. مقاله هم چنين تشريح مي كند كهBI چگونـه مـي توانـد تكنولـوژيموثري در صنايعي نظير بانكداري بـراي انجـام دادن موضـوعات حـساسي مثـل بازرسـي و كـشفتقلب باشد . متدولوژي بر پايهBI ، در فرم معروف به مدلBI بر اي بازرسي و كشف تقلب مطرحو در انتهاي مقاله به همراه جزييات آن براي حل موضوعات يادآوري شده بـه روش مـوثر و كـارا بيان مي گردد.

واژه هاي كليدي: هو ش تجاری، تقل ب، رديابی تقل ب، تکنيک های تحليل داده

Email: amohaghar@ut.ac.ir :نويسنده مسئول ∗
1. مقدمه
بيشتر سازمانها، امروزه، در حال پي بردن به اين نكته هستند كـه اطلاعـات، خـون زنـدگياقتصاد ديجيتال است. همچنين كليد موفقيت در عصر اطلاعات، اتخاذ تصميماتي است كـهبدون تناقض، بهتر و سريعتر در رقابت پيش دستي كند. تصميمات تجـاري بـد و نامناسـب يعني تصميمات مبتني بر اطلاعات حداقل يا ناقص، مي تواند زيان هاي ميليون دلاري بـه بـاربياورد، سهم اصلي و اكثريت بازار شـركت را از دسـت خـارج كنـد و يـا حتـي شـركت راورشكست نمايد . هنوز برخلاف اين اصل به طور وسيع پذيرفته شده، تعدادي از سازمانهـامردد ماندهاند كه در اين فناور ي كه سادگي و سهولت در د سترسـي گـسترده بـه اطلاعـاتكسب و كار مرتبط با تصميمگيري را فراهم ميكند سرمايهگذاري كنند . دليل ريشهاي اين ترديد، به نظر ميرسد در نحوه ارزيابي سازمانها از سرمايهگذاريهايIT ، همچون سرمايه گذاري در كسب اطلاعات با ارزش و مستقيم مي باشد.. اطلاعات ارزشمند و هدايت كننده، كم ك م يكن د ك ه ي ك خري دار اي ن ق وت قل ب و اطمين ان را پي دا كن د ك ه او ي ك سرمايه گذاري بيعيب با بازگشت عالي انجام داده است.
محيط كسب و كار امروز مستلزم نوعي پاسخگ ويي اسـت كـه بتوانـد بـه يـك آگـاهيبهنگام و دقيـق در شـرايط بازرگـاني دسـت يابـد. كـسب و كارهـا بـراي موفقيـت نيازمنـد دسترسي سريع و آسان به اطلاعاتي درباره مشتريانـشان، امـور مـالي داخلـي آنهـا، شـرايطبازار خارجي و درستي فعاليتهاي تجاريشان هستند؛ و اين است پاسخ اين سـؤال كـه چـراسازمان هاي امروزي پي برده اند كه اطلاعات، خون زندگي اقتصاد ديجيتال است.
از روزي كه يك شركت متولد مي شود تا روزي كه ميميرد، داده ايجاد مـيكنـد . ايـنداده معمولاً پيرامون دارايي بخشها، بازاريابي، فـروش، منـابع انـساني، مـديريت ارتبـاط بـامشتري و غيره گروهبندي ميشود، و هر بخش يـك وظيفـه جـدا در شـركت انجـام داده وجزاير دادههاي م رتبط به خـود را جمـعآوري مـي كنـد . ايـن جزايـر داده هـا معمـولاً دور از يكديگر و منقطع از هم هستند كه اين امـر، ديـدن چـشم انـداز شـركت و همچنـين تحليـلروابط بين وظايف در شركت را دشوار ميسازد. بـراي شـركتهاي زيـادي، آينـده بـه طـورفزاينده نه تنها نياز به تحليل دادههاي ورودي و داخلـي را پـيش خواهـد آورد بلكـه روابـطدادههاي بين مـشتريان و نيـز تـامين كننـدگان و شـركاي تجـاري آنهـا را ضـرور ي خواهـدساخت.
به طور سنتي، در يك سازمان غالبا گزارشدهي جريـان روبـه بـالارا در سلـسله مراتـبمديريتي يك كسب و كار طي ميكند.بعلاوه در سطوح بالا ي سـازمان، نيـاز بـه اطلاعـاتموجز و خلاصه شدهتر بيشتر است. در نتيجه يا بايد اطلاعات چندين بار قالببندي،خلاصه و گزارش شود،و يا اينكه تصميمگير، صرفا سطوحي از جزئيـاتي را كـه نيـاز دارد دريافـتمي كند، به طور مثال مدير توليد اطلاعاتي از جزئيات را دريافت مي كند در حالي كه او نياز دارد داده هاي مربوط به روندها، الگوها و مدلها و ضـايعات را بدانـد. بـراي غلبـه بـر ايـنمشكل، فناور ي فرآيند دادهها كه هوش تجاري ناميده ميشود، به شركتها ايـن كمـك را ميكند كه وظايف تحليل،تهيه استراتژي و پيش بيني آن ها را مكـانيزه و اتوماتيـك نمايـد تـاتصميمات بهتر اتخاذ شود.

2. هوش تجاري- BI
BI، يك اصطلاح چترگونه است كه به وسيله گروه گارنر و محقق آن، هـوارد درسـنر، درسال 1989 معرفي شد تا مجموعهاي از مفاهيم و روش شناسيهايي را كه در كسب و كـار، از طريق به كارگيري وقايع و سيستمهاي مب تني بر وقايع باعث بهبود تصميمگيري مـيشـودتشريح و بيان كند. كاربردهايBI جاني دوباره به استراتژي يك سـازمان مـيبخـشد . آنهـادقت و موفقيت اهداف و مقاصد شركت را اندازهگيري ميكنند[10].
BI، وظايف گردآوري، پردازش و تحليل حجم وسيعي از دادههـا از سيـستم داخلـي ومنابع خارجي را پوشش مي دهد و اين ممكن است، چـرا كـهBI از ابـزار پيـشرفته تحليـل وپيشبيني سريعي استفاده ميكند كه به يك شركت اين كمك را ميكند كه براي دستيابيبه مقاصد سازماني تصميمات بهنگام و عاجل اتخاذ كند[3].
هدف اصليBI اين است كه به شركت كمك كند كه عملكرد خود را بهبود بخـشد و مزيت رقابتي خود را در بازار ارتقاء دهد. BI از طريق اين ارزيابي كه آيا فعاليتها به واقـعمنجر به پيشروي شركتها به سوي اهدافشان ميشود يا خير در اتخاذ تصميمات بهتر يـاريميدهد. هم اكنون مديران بازرگاني براي اتخاذ تصميمات بهتر، به حقايق مفيد و مرتبط دمدستشان نياز دارند، امـا اغلـب فاصـله و شـكاف عميقـي بـين اطلاعـات مـورد نيـاز مـديرانبازرگاني و حجم عظيم دادههايي كـه واحـد تجـاري در عمليـات هـر روزهاش گـردآوريميكند وجود دارد.واحدهاي تجاري براي پر كردن اين شكاف، سرمايهگذاري كافي براي توسعه و رشد سيستمهايBI انجام ميدهند تا دادههاي خام ثبت شده را به اطلاعـات مفيـدتبديل كن ند. مؤثرترين كار سيستمBI ، تدارك امكان دسترسيها و پردازش حجم عظيمـياز دادهها و تحويل زير مجموعههاي مرتبط، به صورت و آني به مـديران تجـاري اسـت آنهم در شكلي كه آنها ميتوانند به راحتـي بـازگو كننـد. تـصميمگيـري و تحليـل مبتنـي بـرواقعيتBI در حال اثرگذاري در تمامي سازمانها و به طور اساسي اسـت، چـرا كـه مـا درجهاني زندگي ميكنيم كه بـه طـور فزاينـدهاي در حـال اشـباع شـدن از اطلاعـات اسـت وفناوري براي تسهيل اين امر نيز در دسترس است.
BI گزارش دهي سنتي را با راه هاي زير توسعه ميدهد[12].
تعاملي است، وقتي كه سؤالات بيشتري در طـول تجزيـه و تحليـل ظـاهر مـيشـود،پاسخ ها مي توانند تقريباً به فوريت از طريق دستكاري دادهها حاصل شوند.
سلسله مراتبي است،دقيقا مشابه بيشتر ساختارهاي تجاري، م يتواند ملاحظـه سـطوح بالايي را فراهم كند، اما ويژگي پرداختن بـه جزئيـات بيـشتر را دارد كـه در مواقـعلزوم جزئيات را هم نشان مي دهد.
چند بعدي است، اين توانايي را دارد كه دادههـا را در برنامـههـاي متفـاوت تحليـلكند، يكBI چند بعدي ممكن است به اين دليل طراحي شود كه بـه تحليـل، ايـنتوانايي را بدهد كه بتواند به ترتيب به نتايج زير دست يابد:
پرداختن بيشتر به جزئيات يك مشتري كه نياز به تحليل بيشتري دارد.
كالاهاي خريداري شده به وسيله آن مشتري را نمايش مي دهد.
متمركزشدن به بعد زمان بطوريكه سودمحصولات بطور ماهانه ديده شود.
متمركز شدن به تشخيص اينكه هر مشتري را كدام فروشنده مديريت مي كند.
ديدن بدهي معوقه در حساب
اين سلسله نتايج و هزاران امكانات ديگر ميتواند تنها بـا يـك كليـك اسـتخراج شـود.
همچنين اين سطح تحليل فقط زماني حاصل ميشود كه نيازهاي اطلاعاتي واحد تجاري بـهطور كامل مورد رسيدگي قرار گرفته باشد. شركتها دادههاي خام را از منابع گونـاگون ونقاط ملموس در سازمان و همچنين از نهادهاي مستقل خارجي مثل تأمين و توزيع كننـدگان بوجـود م ي آورن د. اي ن دادههـاي خ ام ب ه عن وان اطلاعـات در سي ستم ه اي OLPT نظي ر بانكهاي اطلاعاتي،ERP ها،SCMS ها وCRM ها ذخيره ميشوند. اين اطلاعات مي تواند در يك مخزن مركزي مانند يك انبارداده ذخيره شود تا بـه اسـتخراج دانـش كمـك كنـد. يك راه حلBI ، استخراج هوش از مخزن دادهها است [3]. اين اطلاعات با نامهاي مختلفي مانند هوش توليد (محصول)، هوش بازار، هوش رقابتي و غيـره شـناخته مـي شـود. در يـككسب و كار همه عناوين فوق تحت عتوان چتر هـوش تجـاري بـه كـار بـرده مـيشـود . بـهگونهاي بيربط اين چنين تعريف شده اسـت: BI فرآينـد جمـعآوري دادههـاي داخلـي دردسترس و دادههاي خارجي مربوط و تبديل آنها به اطلاعات مفيد بـراي پيـشتيباني شـركت(كسب و كار) در اتخاذ تصميمات است[1].
نرم افزارBI با فراهم كردن دسترسي سريع تصميمگيرندگان به اطلاعات مرتبط كـه بـه آنها اجازه ميدهد تصميمات تجاري را بهتر اتخـاذ كننـد، بـه سـازمانهـا كمـك مـي كنـد . تصميمگيرندگان اگر با اطلاعات صحيح تقويت شوند كارآتر و مـؤثرتر خواهنـد بـود[12] موارد اس تفادهBI ، شامل فعاليتهـايDSS هـا، جـستجوهاي چنـد بعـدي و گـزارشدهـي،فرآيند تجزيه و تحليل (OLAP) online، تحليل آماري، پيش بيني و استخراج داده هاسـت .
برخي از فناوريهاي اصلي مانند مخـزن داده، فرآينـد تحليـل(OLAP) online ، اسـتخراجداده و غيره در ذيل به طور مختصر تشريح مي شوند:
انبارداري اطلاعات : در اوايل دهه 1990، ويليـام اينمـون مفهـومي را كـه مخـزن دادهناميده ميشود تعريف كرد كه تعدادي از نيازهاي پشتيباني تـصميمگيـري مـديران رانشان مـيدهـد [11] سيـستمهـاي مخـزن داده بـه يكپـارچگي سيـستمهـاي كـاربرديگوناگون كمك ميكند. اين سيستمها از طريق فـراهم نمـودن يـك پايگـاه ثابـت ازدادههاي تاريخي تجمعـي و يكپارچـه بـراي تجزيـه و تحليـل، پـردازش اطلاعـات راپشتيباني ميكند. يـك مخـزن داده يـك مخـزن مركـزي اطلاعـات اسـت كـه بـرايجستجو و تحليل هاي كارآ تشكيل مـي شـود (سيـستم هـايpine code -1997). يـكمخزن داده، دادههاي متنوع جمع شده از سراسر سازمان را در برمي گيرد و بـه شـكليمحكم و نامتناقض يكپارچه ميشود.
فرآيند تحليلOLAP :online در سال 1993 به وسيله اي. اف. كُد به عنوان ابـزاريمعرفي شد كه كاربران را در انجـام تحليـل دادههـاي پويـا توانـا كنـد. يـك ويژگـيكليدي درOLAP فراهم كردن ملاحظه چند بعدي دادههاست كـه كمـك مـيكنـددادهها در چندين بعد مورد مرور و بررسي قرار بگيرند . جداول چند بعدي داده هـا بـهانعكاس ديدگاهي روي دادهها كه براي كاربر تجاري مفيد است كمك ميكند. اين به اين دليل اس ت كه بررسي هاي چند بعدي، دادهها را مناسب انعكاس واحد تجـاري مي كند، نه اينكه كاربر تجـاري بـه انجـام تحليـل از ديـدگاه داده مـورد نظـر مجبـورشود[6]
استخراج داده : اين يك فناوري در حال ظهور است كه اخيراً به طـور فزاينـده بـرايتحليل بازرگاني به كار گرفته شده و به طور روز افزوني مورد هدف كـاربران نهـاييقرار گ رفته است . برخي از كاربردها و وظيفه هـاي ابـزار اسـتخراج دادههـاي تجـاري عبارتند از: تجميع، طبقهبندي و دستهبندي. اين كاربردها در گستره وسيعي از صـنايعاز خرده فروشي گرفته تا ارتباطات راه دور براي مقاصد برنامهريزي موجـودي كـالا،بازاريابي هدف و نگهداري مشتري مورد استفاده قـرار گرفتـه اسـت. اسـتخراج داده،فرايند خودكار استخراج اطلاعات و دانش پنهان از بانكهاي دادههاسـت . اسـتخراجداده، فرآيندي است كه تنوعي از ابزار تحليل داده ها را براي كشف مدل هـا و روابـطدر دادههايي كه ممكن است براي پيشبينيهاي معتبر مورد استفاده قرار گيرد به كارمي رود[14]. تنوعي از روش ها و الگوريتمهاي هوش مصنوعي براي استخراج داده ها به كار گرفته ميشود كه شـامل شـبكههـاي عـصبي، درخـت تـصميم، نزديـكتـرينهمسايگي، الگوريتم هاي ژنتيكي و غيره است.

چرا شركت ها بهBI نياز دارند؟
در يك نگاه گسترده، مؤسسات براي دو مقصود اصلي نياز به استفاده از هوش دارند. ابتدا، براي انجام تجزيه و تحليل كه ميتواند به آنها در تصميمگيري بهتر كمـك كنـد. تجزيـه وتحليل به آنها كمك ميكند كه روندهاي فروش را بشناسند و مراقبتها را براي مشتريان وشكايات مهم فراهم آورند. دوم، كمك زيادي به پيشبيني آينده رفتار مـشتري و تقاضـايبازار مي كند. برخي از دلايل ديگر عبارتند از[3].
در رسيدن به اهداف اساسي سازمان مانند كاهش هزينـههـا، بهبـود بهـرهوري، توسـعه محصول، توسـعه خـدمات مـشتريان، افـزايش درآمـدها و غيـره، شـركتهـا را يـاريميدهد. BI از طريق تجزيه و تحليل دادههاي ورودي و خروجي ميتواند بـه رسـيدنبه اين اهداف به مقدار كافي شركت ها را كمك كند.
اطلاعات استراتژيك را براي تصميمگيرندگان فراهم ميآورد. BI بـه مؤسـسات ايـنامكان را ميدهد كه از طريق تحليل اطلاعات از مقـادير بـزرگ اطلاعـات بـه منظـوريافتن الگوهاي رفتاري مشتريان و رقبا بهرهبرداري كنند . اين ميتواند به مقـدار كـافيبه يك سازمان كمـك كنـد كـه بـه گونـهاي مناسـب، برنامـههـا و نقـشههـاي ش را درجنبههاي گوناگون تجاري مثل توليد، توزيـع، قيمـتگـذاري و برنامـه ريـزي ظرفيـتتغيير دهد . دسترسيonline به چنين اطلاعاتي ميتواند به تصميمگيري كمك كند وتغييرات پويايي را فراهم كند كه به بهبود خط اصلي شركت ياري رساند[3].
شناسايي رفتار معاملات. با استفاده از ابزارBI ، تحليلي از مدل هـاي معاملـه مـيتوانـدبينشي مهم از رفتار مشتري به شركت بدهد. رفتار مشتري، الگوي پرداخت و معاملات ميتوانند براي ارزيابي مشتريان مورد استفاده قـرار گيرنـد. بانـك هـا بـه طـور وسـيعيهوش تجاري (BI) را به منظور تحريك پيشبرد ارگانيك استراتژيك خود از طريق بهكارگيري دارايي اطلاعات براي بهينه كردن هزينـههـا، تقويـت سـودآوري مـشتري وتوسعه محصول جديد به كار ميبرند. براي افز ايش سـودآوري مـشتري، يـك بانـكم يتوان د انب وهي از مح صولات م الي تمليك ي مانن د اوراق قرض ه ب انكي، وام ه ا و راهحلهاي سرمايهگذاري را علاوه بر تركيبي از محصولات سه بخشي ماننـد سـهام واوراق قرضه دولتي به صورت متقاطع به فروش برساند.
انتقال كانال مديريت ارزش. تحليلهـا توجـه بانـك هـا را بـه بكـارگيري دانـش بـرايمديريت ارزش مشتري جـذب مـيكنـد . بانـك هـا نيـاز دارنـد كـه جنبـه هـايي چـون،بخشهايي از مـشترياني كـه پـس اندازشـان در طـول مـدت معينـي رشـد مـيكنـد وبخشهايي كه توازن آنها كاهش مييابد يا راكـد مـيشـود را بداننـد. بـر مبنـاي ايـنادراكات، بانكها ميتوانند گامهايي براي انتقال روبه پائين، تسريع انتقال روبـه بـالا و حركت دادن سبد يك كاربر راكد به يك مسير انتقالي بردارند.
همچنين كاربردهايBI ميتواند يا به طور استراتژيك به واحد وظيفهاي تسري يابـد يـاب ه ط ور ت اكتيكي در درون ي ك واح د وظيف ه اي گ سترش پي دا كن د. BI اس تراتژيك مزيت هاي بالقوه بزرگ ي دارد . ميتواند به مديران ارشد، يك ديد كلي از شـركت بدهـد وميتواند روندها و فرصتها براي رشد و ترقي را شناسـايي كنـد. همچنـين مـي توانـد بـراينظارت بر شركت در مورد شاخصهاي عملكرد كلياش به كار رود. BI تاكتيكي ميتواند براي مناطق حساس و دچار مـشكل تجـاري بكـار رود. يعنـي جاهـايي كـه دانـش و بيـنشبيشتري لازم دارد كه فقط BI مـيتوانـد بطـور سـريع و بـا نتـايج كيفـي همـراه بيـاورد. BI همچنين موقعيت خوبي براي شروع است اگر تجربه اوليه درآن وجود نداشته باشد. بمنظوربازگشت سرمايه بايد اهداف روشني از آنچه درنظر است بـه آن دسـت يافتـه شـود، وجـودداشته باشد تا يك كسب و كار شفاف و روشن ايجاد شده و بعدا بهبود داده شود[12].
اكنون اين سؤال مطرح ميشود كه آيا يك سازمان ميتواند بدون اسـتفاده ازBI زنـدهبماند يا خير؟ پاسخ بستگي به انـدازه سـازمان دارد. بـرا ي سـازمانهـاي كوچـك كـه دامـهفعاليت هايشان كوچك است، پاسخ مثبت است. دادهها ميتواند از چندين منبع گـردآوريشده و گزارشات معمول مانند فروش ماهانه، سود و تعداد مشتريان جديد و سطح موجوديكالا به كمك سيستمهايOLTP ايجاد شـود. امـا بـراي يـك سـازمان بـزرگ ماننـد يـكبانك، شركت بيمه و شركتهاي ارتباطات راه دور كـه نزديـك بـه يـك ميليـون مـشتريدارند، ارزش اين را دارد كه تلاش شـود تـا برگـههـا و گزارشـات تلفيـق و تطبيـق شـوند؟رديابي الگوها و تغييرات رفتاري، بخشهاي داراي رشد ثابت و درك پتانسيل بازار در اينمور سخت است. تصميمگيرندگان همچنين به اطلاعـات صورتحـسابهـاي متقـاطع بـرايايجاد استراتژيها، تحليلها و پيشبينيها نياز دارند. رؤساي كسب و كار ميبينند كه يـكرشد انفجارگونه از دادهها در سراسر سيـستمهـا وجـود دارد. گزارشـات در مراحـل متعـددبازرگاني در واحدها و مكانهاي گوناگون ايجاد ميشوند ومسئولين محـصول و بازرگـانيدر مييابند كه استخراج اطلاعات مرتبطي كه براي ساختن اسـتراتژيهـا و پـيشبينـيهـايتجاري لازم دارند دشوار است. علاوه بر اين، وقتي اندازه شركت رشد ميكند و گـسترشجغرافيايي آن افزايش مييابد، طبيعت گزارشها طولاني و پيچيده ميشود. ساده تر بگوييماينكه كره چشم آنها را مي بيند اما تصوير كلاني فراهم نمي شود(گوپتا، 2003).
ماهش راماك رشينان، عامل حمل و نقل كه در تجارتI-Flex اسـت در مـورد اينكـهزمان آنست كه هر موسسه از يك ابزار BI استفاده كند به سه نكته اشاره مي كند:
وقت ي ك ه جزاي ر پراكن ده اي از داده ه اي ب زرگ وج ود دارد،ي ك ك سب و ك ار مي فهمد كه به BI نياز دارد.
زمان و تلاش زيادي ميبرد كه اطلاعات كنار يكديگر قرار بگيرند.
به طور كلـي سـازمان ، ار تـشي از افـراد بـراي جمـع آوري و تلفيـق دادههـا از منـابعگوناگون خواهد داشت و اطلاعات را به كساني كه به آن اطلاعات نياز دارند ارائه ميدهد. دليلش هم اينست كه يك فرد نميتواند واقعـاً از يـك مكـان منبـع داشـتهباشد.
اين سناريوهاي پيچيده هنگامي كه زمان بسيار زيادي صرف مـيشـود تـا اطلاعـاتكسب و منتشر شود سب رنجهاي زيادي شده و اغلـب تـصميمات واحـدهاي مهـمتجاري بر مبناي تقريب و تخمين اتخاذ مي شود[3].

BI در بانكداري
تمام موضوعات خدمات مالي به عنوان يـك صـنعت دربـاره پـول اسـت. در ايـن كـسب وكارها، استفاده از هوش بازرگاني(BI) به جاي عمليات تجاري بر امور مالي متمركـز شـدهاست. عموماً، استفاده ازBI در خدمات مالي ارزش ايجاد كرده است. بررسي اخير شركتگارتنر، پاسخهايي را از بانكها، بيمـه گـران و واحـدهاي تجـاري غيرمـالي ارزيـابي كـردهاست. بررسي نشان داده است كه بيش از 95% پرسش شوندگان سيستم بـانكي موافقنـد كـهBI يك پيش برنده استراتژيك ابتكاري با مديريت برتر اسـت و بـيش از 90% موافقنـد كـه آنها ارزش مورد انتظارشان را از سرمايهگذاري درBI دريافت كردهانـد [13]. BI همچنـينميتواند نقش مؤثري را در پيگيري سوء استفاده از دارايـي هـاي مـالي كـه شـامل كـشف ورديابي كلاهبرداري و تقلب است ايفاد كند.

BI در كشف و رديابي تقلب
تقلب يا حقه، با حسن تعيبر، جرايم اقتصادي ناميده مي شوند، امروزه در محيط كسب و كار جرم مسلط جرم»يقه سفيد « است. متأسفانه واقعيت معروف اين اسـت كـه تعـداد زيـادي ازكسب و كارها و سازمان هاي دولتـي بـه ويـژه در بخـش مـالي و خـدمات مـرتبط، از انـواعگوناگون تقلب و حقهها رنج ميبرند.تقلب ها موجب زيانهاي سهمگين و خسارات عظيمبه آبرو و حسن شهرت يك سازمان ميشوند. سالانه، تقلب ها واحدهاي تجـاري را صـدهاميليون دلار در سراسر جهان دچار خـسران كـرده، شـايعات و تـرويج هـاي مـداوم ناشـي ازچنين اعمال و كارهاي سوئي در مقياسي بزرگ ميتواند پيادمدهاي فاجعه بـار دراز مـدت داشته باشد.
فرهنگ لغت پيشرفته آكسفورد تقلـب را بـه عنـوان »عمـل اغفـال كننـده غيرقـانوني بـهمنظور كسب پول يا بدست آوردن كالا« تعريف ميكند.و در واقع، در تقلـب، گـروه هـاييبي پروا از افـراد. بـا نيـت كـسب پـول يـا بدسـت آوردن كـالا از طريـق ابـزار غيرقـانوني وغيرمنصفانه دست كـاري مـيكننـد يـا بـر فعاليـتهـاي يـك واحـد تجـاري هـدف، نفـوذ مي كنند.تقلب، سازمان هـدف را بجـاي درآمـد و نتـايج مـشروعش بـه زيـاني از كالاهـا ومحصولات، پول و حتي اعتبارو آبرو دچار كرده و گمراه ميسـازد . تقلـب هميـشه وسـايلغيرقانوني، غيراخلا قي و غيرمنصفانه را به كار ميگيرد[8] اخيـ راًSAS ، تخمـين خـود را ازهزينه فريب در اقتصاد انگلستان از 14 ميليارد پوند به 18 ميليارد پوند در سـال افـزايش دادهاست (بيش از 300 پوند براي هر مرد، زن و بچه). اين آخرين اطلاعات در حالي است كـهافت و خيزتقلب و كلاهبرداري به عنـوان يـك پديـده كلـي حـدود 30% در سـال افـزايش مي يابد و هنوز نرخ محكوميت به طور وسيعي طي 10 سال گذشته تغيير نكرده است[2].
بررسيهـاي تقلـب و كلاهبـرداري، پيچيـده، زمـانبـر، فعاليـت كـسالت آور و مـستلزمدخالت عمده دانش مالي، اقتـصادي، كاربردهـاي بازرگـاني، تحليـل بـازار، شـرايط بـازار،مهارتهاي تحقيقي و حقوقي مي باشد. يك بررسـي جـامع و فرآينـد جـستجوي بازرگـانيبراي مديريت تقلب(اغلب در شكلي از يك مركز كنتـرل تقلـب در درون سـازمان ) اغلـبشماري از گامها، فعاليت ها و موارد قابل تحويل را در بر مي گيرد[8].
همچنين چند موضوع مهم و بحراني ايجاد سيستمهاي مديريت تقلب را تبديل به كاريدشوار و چالش برانگيز كرده است، به طور مثال حجم بسيار زياد دادهها با ساختار پيچيـده، تغيير رفتار كـاربران، فعاليـتهـا ي بازرگـاني، كلاهبـرداران، تكامـل تـدريجي تقلـب هـاي جديدتر به ويژه انشعاب روشهاي ايجاد رديابي، نياز به كشف سريع و دقيـق فريـب بـدونمداخله بـيجـا در عمليـات تجـاري و بازرگـاني، هـشدارهاي خطـر يـا خطـا و موضـوعاتاجتماعي نظير استقلال و تبعيض (پاليشكار، 2002) همچنـين بـراي واحـد كنتـرل و بررسـيتقلب(كه به عنوان واحد چالاك و نظارتي در صنعت بانكداري شناخته ميشود)، بـه دليـلمنابع و متخصصان محدود و به دليل تغيير د ر روشها و فناوري ها، بررسي و كنترل تمام اين موارد دشوار است. دليل، همانگونه كه قبلاً بحث شد اين است كه، داده ها در حجمي عظيم و غيرمتمركز در يك مكان، هستند.
سيستمهاي تجاري خودكار برتر مقدار وسيعي از دادهها را با توجه تقريبي به همه انـواعمعاملات تجاري و فعاليتهاي مربوط به آن گردآوري ميكنند. با ورود سيستمهاي حافظهمتحد و ذخيرهسازي دادهها، ما ميتـوانيم اكنـون هـم بـه دادههـاي جـاري و هـم دادههـايتاريخي دسترسي پيدا كنيم. به بيان واضح، مدرك تقلب و فعاليتهاي كلاهبرداري به طورمجزا در اين كميت عظيم داده ها پنهان است. روش هاي تحليل داده مي توانـد بـه واحـدهايبازرگاني كمك كند كه به طور مؤثر مديريت تقلب را براي جلوگيري از زيانها و آوردنمجرم به عدالت و ميز محاكمه انجام دهد[8].

6. روش هاي تجزيه و تحليل داده براي كشف تقلب:
روش هاي مورد استفاده در كشف تقلب به دو دسته اصلي تقسيم بندي مي شوند:
روشهاي آماري و روشهاي هوش مصنوعي(AI) . روشهاي مهم آماري تجزيه و تحليلداده براي كشف تقلب عبارتند از:
روش هـاي پ يش پـردازي داده ب راي ك شف، تـصديق، ت صحيح خطـا و پ ر ك ردن
( پيشبيني و تخمين) داده هاي ناقص و ناپيدا.
محاسبه پارامترهاي آماري گوناگون نظير ميانگينها، استانداردهاي عملكرد، توزيـعهاي احتمال و غيره. به طـور مثـال، ميـانگينهـا ممكـن اسـت طـول مـدت متوسـطمكالمه، تعـداد متوسـط مكالمـات در هـر مـاه (يـا هـر روز) و متوسـط تأخيرهـا درپرداخت صورتحساب را در بر گيرد.
مدلها و توزيعهاي احتمال فعاليتهاي گوناگون بازرگاني، يا براسـاس پارامترهـايگوناگون يا توزيعهاي احتمال.
محاسبه مشخصات كاربر (طبقهبندي كاربران، مشتريان و سفارشان به طبقات متنوع) و شاخص گذاري آماري اين مشخصات (براسـاس پارامترهـا، توزيـعهـاي نرمـال وغيره).
تحليل سريهاي زماني دادههاي وابسته به زمان.
گروهبندي و طبقه بندي براي يافتن الگوها و مشتركات ميان گروه هاي داده ها.
تطبيق الگوريتمها براي كشف مـوارد غيرعـادي در رفتـار معـاملات يـا كـاربران بـهطوري كه در مدلهاي ابتدايي شناخته شده و مشخصات، مقايسه شـود . روشهـا بـهحذف هشدارهاي خطـا، تخمـين ريـسك و پـيشبينـي آينـده معـاملات جـاري يـاكاربران نيز نياز دارد[8].
م ديريت تقلّ ب ي ك فعالي ت ب ه ش دت مبتن ي ب ر دان ش اس ت. بن ابراين كاربرده اي روشهاي مبتني بر دانش از هوش مصنوعي (AI) يك ايده طبيعي است. روش هاي مهم AI كه براي مديريت تقلب به كار مي روند عبارتند از:
استخراج دادهها براي طبقهبندي، گروه بندي و بخش بندي داده هـا و يـافتن خودكـارمشتركات و قوانين در دادهها كه ممكن است به معني الگوهاي جالـب و مـرتبط بـا تقلب باشد.
سيستمهاي متخصص رمزگذاري تخصصي براي ردگيري و كشف تقلّب در شـكلقوانين و مقررات.
تشخيص الگو براي كشف طبقات تقريبي، گروهها يـا الگوهـاي رفتـاري مـشكوكخواه به طور خودكار (غيرنظـارتي ) يـا از طريـق تطبيـق بـا وروديهـاي داده شـده.
روش هاي يادگيري ماشيني و مكانيزه براي شناسايي خودكار ويژگيهاي تقلب.
شبكههاي عصبي كه ميتوانند الگوهاي مشكوك از نمونـههـا را يـاد گرفتـه و بعـداًبراي كشف آنها به كار روند.
روش هاي ديگر مثل شبكههايBayesian ، تئوري تصميم و تطبيق توالي هم بـه منظـوركشف تقلب به كار مي روند[8].
با كمك اين روشهايBI ، ما ميتوانيم تقلّبها را در حجم عظيمي از دادهها كشف ورديابي كنيم. به ويژه، قبل از بـه كـارگيريBI ، مـا بايـد اطلاعـات را از متخصـصان حـوزهمربوطه درب اره انواع مختلف تقلبها، و ويژگيهاي آنها يـا سـرنخهـايي كـه براسـاس آنهـاميتوانيم مدل تحليل دادهاي خودر ا كه مخزن داده است و قابليت ذخيـره و تحليـل حجـمعظيمي از دادهها را با عملكرد مناسب و خوب دارد بـسازيم، گـردآوري نمـاييم. همچنـينآنها ميتوانند به عنوان پايه و اساس براي استخراج دادهها به منظـور كـشف انـواع مختلـفقانون گريزيها در دادهها مورد استفاده قرار بگيرند. ابـزارBI ماننـد خـدمات تحليـلSQL مايكروسافت،DBminer هوشمند IBM و غيره ميتوانـد ابـزار مفيـد و توانمنـدي در ايـنمورد باشد . با كمك ابزارBI ما ميتوانيم هم نظارت كلي بـر معـاملات دارنـدگان حـسابويژه داشته باشيم و هم جزئيـات را محاسـبه و مـشاهده كنـيم. همچنـين بـا اسـتفاده از سـايرروشهاي تحليل ما ميتوانيم براي اطلاعات بيشتر دربـاره رفتـار مـشكوك فعاليـت يـا داده استخراج كنيم.
مدلي كه به اين منظور توصيه شده است در نمودار 1 نشان داده شده است.
ابتدا ما بايد تمام اطلاعات درباره رخـداد يـا تقلـبهـا را از متخصـصان حـوزه مربوطـهگردآوري كنيم . سپس، با دريافـت اطلاعـات، اسـتراتژيهـاي كـشف تقلّـب را بـا كمـكمتخصصان آن حوزه طراحي ميكنيم. اين استراتژيها، هم ميتوانـد اسـتراتژيهـاي ايجـادباشد و هم تغيير. با انجام اين استراتژيها، ما هم براي منابع در دسترس دادهها و هـم مـواردضرورتاً اختصاصي جستجو خواهيم كرد. با استمرار توجه به اين استراتژيها و دادههاي دردسترس، مدل دادهاي بنا خواهيم كرد كه مخـزن دادهاي اسـت كـه حـداكثر حمايـت را ازاستراتژي ها به عمل خواهد آورد.

بازرگاني

اطلاعات

آوردن

بدست

برنامه
ب
تقلّ

رديابي

و

كشف

استراتژي

ريزي

داده

منابع

شناسايي

ضروري

هاي

داده

مدل

ايجاد
)
داده

مخزن
(

ماده
آ

داده

سازي

تحليل

براي

ها

داده

انتخاب

ها

داده

كردن

واضح

ها

داده

تبديل

ها

داده

استقرار

داده

مدل

در

ها

ك
م

ساخت
عب

داده

هاي

ها
(
OLAP
)

استراتژي
پالايش

هاي

مدلپالايش

پالايشداده

مكعب

مجدد

ساخت
ها

داده

استخراج

كاربردي

هاي

)
طبقه

تصميم

درخت

،
بندي
(



قیمت: تومان


پاسخ دهید