Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Analytics: experiencias en España

16 views

Published on

Josep Taruella, GraphEverywhere

Published in: Software
  • Be the first to comment

  • Be the first to like this

Analytics: experiencias en España

  1. 1. descubriendo el valor oculto en las conexiones de los datos Analytics, experiencias en España Josep Tarruella josep@grapheverywhere.com +34 677 648 994
  2. 2. AGENDA La Prevención del Blanqueo Graph Analytics Demo Linkurious
  3. 3. VOLUMEN DE DATOS CAPACIDAD ANALÍTICA L FACTOR TIEMPO d PREVENCIÓN BLANQUEO • La Prevención del Blanqueo de Capitales aglutina un conjunto de herramientas, sistemas y procesos con el objetivo de detectar y poner en conocimiento del SEPBLAC las redes de blanqueo identificadas. • Aplica a múltiples sectores: Banca, Seguros, Gobierno, … • Algunos de los retos a afrontar: • Integración de datos internos y externos. • Operativa extensa: Transferencias, Efectivo, … • Conexiones a varios niveles • Calidad de los datos. Dificultad de conectar entidades Persona-Cuenta-Operativa • Equipos de análisis orientados al negocio. Necesidad de herramientas que aumenten la productividad • Requisitos legales. Soporte a investigación judicial • La visualización de los datos es una pieza clave
  4. 4. Persistencia Mantenimiento de visualizaciones e investigación a lo largo del tiempo. Años. Gestión alertas Workflow de gestión de alertas. Exportar, compartir y comunicar al regulador Visualización Capacidad de analizar y visualizar los datos y las conexiones entre ellos. Productividad y eficiencia Motor nativo Grafos Sistema gestor de datos en grafo potente y escalable, con seguridad, HA, auditoría, protección datos, … Analítica Avanzada ML y Graph Analytics para la detección de patrones de blanqueo. Reglas sobre los datos Integración Datos Integración e Ingesta de datos internos y externos. Gran volumetría Solución AML. Arquitectura Funcional
  5. 5. Sector Banca: AML RETO Q SOLUCIÓN 3 MEJORA l
  6. 6. Solución AML: Arquitectura TecnológicaDatos Origen n Tipos Usuarios 7
  7. 7. Solución AML: Modelo • Datos personales • Relación accionistas/… • Transferencias Nac/Int • Efectivo • Cheques Datos incorporados W Datos Calculados P
  8. 8. Persistencia Mantenimiento de visualizaciones e investigación a lo largo del tiempo. Años. Gestión alertas Workflow de gestión de alertas. Exportación y comunicación regulador Visualización Capacidad de analizar y visualizer los datos y las conexiones entre ellos. Productividad Motor nativo Grafos Sistema gestor de datos en grafo potente y escalable, con seguridad, HA, … Analítica Avanzada ML y Graph Analytics para la detección de patrones de blanqueo. Reglas sobre los datos Integración Datos Integración e Ingesta de datos internos y externos. Gran volumetría Solución AML. Arquitectura Tecnológica
  9. 9. Ingesta al modelo El Sistema captura la decisión del analista como datos de test para mejorar el modelo Mejora Modelo El modelo genera nuevas alertas, más precisas y ajustadas Decisión El analista decide si el patrón es una trama de blanqueo o no Análisis Usuario analiza los patrones sospechosos detectados por el Sistema o por peticiones expresas Metodología mejora continua procesos Prevención del Blanqueo
  10. 10. Pathfinding & Search Conexión entre entidades Caminos mínimos (Shortest path) Community detection Personas asociadas, cercanas Grupos de cuentas sospechosas Similarity Conductas (Patrones) similares Estructuras de datos parecidas Centrality Cuentas Puente Personas influyentes IPs sospechosas 8 T z Algotitmos para AML
  11. 11. AGENDA La Prevención del Blanqueo Graph Analytics Demo Linkurious
  12. 12. “Increasingly we're learning that you can make better predictions about people by getting all the information from their friends and their friends’ friends than you can from the information you have about the person themselves” James Fowler David Burkus James Fowler Albert-Laszlo Barabasi Relaciones El major predictor del comportamiento!
  13. 13. Grafos – Salto Cualitativo en Analytics TRADITIONAL PLATFORMS BIG DATA TECHNOLOGY Store and retrieve data Aggregate and filter data Connections in data Real time storage & retrieval Real-Time Connected Insights Long running queries aggregation & filtering “Our Neo4j solution is literally thousands of times faster than the prior MySQL solution, with queries that require 10-100 times less code” Volker Pacher, Senior Developer Max # of hops ~3 Millions
  14. 14. Graph Analytics – Arquitectura
  15. 15. • Los modelos actuales de ML ignoran la estructura de red y las relaciones complejas • Los grafos agregan características altamente predictivas a los modelos ML existentes • De lo contrario, predicciones basadas en relaciones no se pueden hacer Mejora las predicciones Integración con tus datos en el pipeline ML & AI
  16. 16. Algoritmos nativos dentro de Neo4j
  17. 17. Nuevas variables para los modelos ML Las relaciones son el mejor marcador de la verdad Feature Engineering es cómo combinamos y procesamos los datos para crear nuevas y mejores variables, como clustering o métricas de conectividad. Add More Descriptive Features: - Influence - Relationships - Communities Extraction
  18. 18. AGENDA La Prevención del Blanqueo Graph Analytics Demo Linkurious
  19. 19. Linkurious: Explorando el grafo
  20. 20. Linkurious: Explorando el grafo
  21. 21. Linkurious: Explorando el grafo
  22. 22. Linkurious: Principales Características • Orientado al usuario final. Facilidad de uso • Integración nativa con Neo4j • Búsquedas • Exploración • Visualización • Exportación y Publicación • Seguridad
  23. 23. Uso Linkurious • Analista: • Fraude/Blanqueo/… • Comercial/Riesgo – análisis empresas • Exploración de los datos • Personalización colores, … • Layout • Filtrado, … • Capacidades avanzadas: • Búsquedas • Publicación visualizaciones • Compartir visualizaciones • Alertas • Basadas en los patrones identificados • Visualización Graph Analytics • Detección de comunidades • Patrones similares • Exportación datos
  24. 24. Uso Linkurious: Búsqueda inteligente • Basada en Elastic Search • Fuzzy integrado • Búsqueda por categorías • Texto, números, rangos, …
  25. 25. Uso Linkurious: Análisis visual • Ejemplo: Personas que comparten un teléfono • Exportación de datos • Excel • Imagen
  26. 26. Uso Linkurious: Geo Visualización • Visualización de nodos y relaciones basada en coordenadas • Integración sistemas de cartografía: • ESRI, Open Street Map • Múltiples capas
  27. 27. Conexión entre entidades • Algoritmo Shortest Path integrado
  28. 28. Alertas • Gestión integrada del workflow de alertas
  29. 29. Administración • Seguridad • Seguridad LDAP – AD integrada • Visibilidad datos según roles/grupos • Monitorización • Integrado con sistemas Corporativos • LOG • Integrado SIEM • Auditoría • Control sobre todos los datos visualizados por cualquier usuario
  30. 30. Linkurious: Arquitectura
  31. 31. Josep Tarruella josep@grapheverywhere.com +34 677 648 994

×