امکان پردازش نیمه آنلاین و آنلاین دادهها توسط گمانیک
در شبکه‌های مالی و سازمان‌هایی که در حوزه مالی و پرداختی فعالیت می‌کنند، شناسایی ناهنجاری‌ها، تقلب‌ها و تخلف‌ها به دلیل رابطه مستقیم با سود و زیان سازمان، همواره اهمیت داشته است. با رشد سرمایه‌های مالی و افزایش رفتارهای متخلفانه کاربران و نیروهای سازمانی، حساسیت سازمان‌های جهانی و ملی برای شناسایی چرخه‌های پول‌شویی و تخلف‌های مالی بیشتر شد.
با رشد تکنولوژی‌ها و امکان پردازش داده‌های کلان و انباشته سازمان‌ها، فرآیند شناسایی ناهنجاری‌ها و کشف تقلب نیز دچار دگرگونی شد. روش‌های معمول شناسایی ناهنجاری‌ها، قادر به شناسایی فرآیندهای پیچیده و تخلف‌های چند مرحله‌ای نبود. همین امر منجر به استفاده از ابزارهای هوشمند و مدل‌های یادگیری ماشین برای پردازش و شناسایی الگوهای ناشناخته شد.
امروزه شناسایی ناهنجاری تنها به معنای شناسایی موارد تقلب و کلاهبرداری نیست و تحلیل دادهها در هر حوزه صنعتی و کسب و کاری به شناسایی فرصت‌ها و تهدیدها کمک می‌کند.
شرکت آدانیک با سابقه فعالیت در حوزه مالی و بانکی، در اوایل دهه نود ، پردازش داده و تحلیل کلان‌داده‌ها را به عنوان یکی از حوزه‌های رو به رشد شناسایی کرد. در همین رابطه ما با خانم غزاله حسینی، مدیرمحصول گمانیک درباره راهکارهای آدانیک در حوزه تشخیص ناهنجاری و تقلب در صنایع پولی و مالی گفتگویی انجام دادیم.
شناسایی تقلب‌های بانکی با گمانیک
حسینی در ابتدا با اشاره به ورود آدانیک به حوزه تشخیض ناهنجاری‌ها به صورت گام‌به‌گام و با تحقیق درباره تکنولوژی‌ها و موارد کاربردی گفت: آدانیک در این مسیر علاوه بر اتکا بر دانش متخصصین داده، از همراهی و مشاوره متخصصان سازمان‌های مالی نیز بهره برد. طی این فرایند، در گام اول سامانه گمانیک برای شناسایی تقلب‌های بانکی بر روی تراکنش‌های کارتی متولد شد. سامانه گمانیک با افزایش داده‌های تراکنش‌های حسابی، شعب، فرایندهای داخلی سازمان، مشتریان، پایانه‌های گوناگون و دیگر بخش‌ها در شناسایی تخلفات و ناهنجاری‌های بانکی بالغ شد.
او افزود: از آن زمان تاکنون سامانه گمانیک با توسعه زیرساخت‌های پردازش و تحلیل کلان‌داده‌ها و استفاده از یادگیری ماشین به عرصه هوشمند‌سازی و شناسایی ناهنجاری‌های مالی گام نهاد. ورود به حوزه‌ها و صنایع دیگر همچون بیمه‌ها، یکی دیگر از فعالیت‌های تیم داده شرکت آدانیک بوده است.
استفاده از یادگیری ماشینی در گمانیک
مدیرمحصول گمانیک خاطر نشان کرد: سامانه گمانیک از دو بخش مجزای شناسایی تقلب‌ها از طریق قواعد و شناسایی الگوهای ناهنجار با استفاده از روش‌های یادگیری ماشین بدون نظارت تشکیل شده است. در این سامانه پروفایل ۳۰ روزه هر اقداماتی که کاربر متخصص بر روی آن ثبت کرده، قابل مشاهده است. کاربران می‌توانند به صورت روزانه و ساعتی، نتایج را بررسی کنند. اتمام پردازش‌ها به کاربران اطلاع رسانی می‌شود و کاربران می‌توانند در بهینه‌ترین زمان داده‌های پردازش‌شده را پایش کنند. کشف تقلب‌ها به خصوص در سازمان‌های مالی همچون بانک‌ها و بیمه‌ها از هدررفت سرمایه جلوگیری کرده و سطح ریسک سازمان را کاهش می‌دهد. علاوه بر این تحلیل نوع رفتار کاربران در فرایندهای گوناگون به سازمان‌ها جهت شناسایی فرصت‌ها یا تنگناهای فرایندی کمک کرده و امکان بهبود فرایندها را ایجاد می‌کند.
قابلیت‌ها و مزیت رقابتی گمانیک
حسینی با اشاره به قابلیت‌های گمانیک گفت: طراحی و معماری گمانیک به صورت کاملا بومی انجام شده و در طراحی آن دو هدف کلان، ایجاد زیرساخت تحلیل داده و ایجاد ابزار و سامانه‌ای برای مشاهده نتایج و خروجی‌های پردازشی مد نظر بوده است.
به گفته حسینی نخستین نسخه سامانه در زمانی کمتر از دو ماه تولید و پس از آن در چرخه‌های منظم و با دریافت بازخورد از کاربران سامانه و برنامه ریزی و بازبینی مداوم و کوتاه مدت، قابلیت‌های جدید به آن اضافه شد. با توجه به حجم دادهها برای افزایش توان اجرایی سامانه از تکنولوژی‌های پردازش کلان داده مانند زیرساخت Hadoop و Spark برای نگهداری و پردازش کلان‌داده‌ها استفاده شده است.
او افزود: علاوه بر این در این سامانه امکان جستجوی هدفمند بر اساس ابعاد قاعده، ایجاد گزارش‌های خروجی برای مدیران سطوح بالاتر، ثبت اقدامات بر روی موارد و برچسب‌گذاری، امکان لیست‌بندی نتایج و شخصی‌سازی و ذخیره اطلاعات جستجو برای ارجاعات بعدی نیز لحاظ شده است. همچنین سامانه گمانیک برای کابران متخصص امکان تعریف قواعد بر مبنای موجودیت‌های شناسایی شده را در قالب ماژول قاعده‌ساز فراهم کرده است.
امکان پردازش نیمه آنلاین و آنلاین دادهها
حسینی در مصاحبه با عصربانک گفت: یکی از دستاوردهای گمانیک به عنوان یک محصول کاملا بومی‌سازی‌شده، امکان پردازش نیمه آنلاین و آنلاین داده‌هاست. گمانیک می‌تواند بر اساس سوابق پردازشی موجودیت‌ها، سرویس های بازدارنده و هشدارهایی برای اعلام سطح ریسک به دیگر سامانه‌های میانی و اصلی سازمان ارائه کند. مهمترین مزیت رقابتی این سامانه اتکای آن به دانش متخصصان داخلی، رابط کاربری ساده، امکان تعریف قاعده و تبدیل سناریو‌های شناخته شده به قاعده، شناسایی الگوهای مستتر در دادهها، امکان پردازش آنلاین و ارائه API برای ارتباط با دیگر سامانه‌های سازمان، همچنین ارسال ایمیل هشدار به کاربران است.
او افزود: از آنجا که صفر تا صد این سامانه توسط متخصصان داخلی طراحی و پیاده‌سازی شده است، توسعه چابک و مطمئن یکی از مهمترین ویژگی‌های گمانیک و تیم توسعه‌دهنده آن است.
فناوری‌های گمانیک برای تشخیص ناهنجاری
حسینی در ادامه توضیح داد: شرکت آدانیک و تیم گمانیک کوشیده است برای ارائه راهکار بهینه، از ترکیبی از تکنولوژی‌های گوناگون استفاده نماید. از این رو برای زیرساخت پردازشی و تحلیل کلان‌داده‌ها از Hadoop و Spark استفاده شده است. علاوه بر این از مدل‌های یادگیری ماشین (ML) برای شناسایی بدون نظارت الگوهای ناهنجار و تعیین سطح ریسک استفاده شده است. در بخش قواعد مهمترین مزیت گمانیک عدم استفاده از موتورهای قواعد آماده است که باعث انعطاف‌پذیری بالا و اطمینان از امنیت دسترسی به دادهها بوده است.
برنامه‌های آتی گمانیک
مدیر محصول گمانیک درباره برنامه‌های توسعه ای این راهکار به عصربانک گفت: یکی از چشم‌اندازهای توسعه گمانیک، استفاده از پردازش‌های گرافی برای شناسایی چرخه‌های چندلایه جابه‌جایی پول و اطلاعات جغرافیایی برای شناسایی آنلاین تراکنش‌های پرریسک در مناطق پر خطر و ایجاد ارزش افزوده با هدف افزایش بازدارندگی و کاهش رفتارهای پرخطر است. یکی از نیازمندی‌های اصلی برای رسیدن به چنین چشم‌اندازی، همکاری و جدیت سازمان‌ها برای ثبت و گردآوری داده‌های جغرافیایی در فرایندها و ایجاد زیرساخت ارتباطی جامع و سراسری بین سازمانی برای خواندن پیوسته و برخط دادهها و پردازش و پاسخگویی آنی است.