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.

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.

• Autor principal: Alcívar León, Cristhian Roger (author)
• Formato: bachelorThesis
• Lenguaje: spa
• Publicado: 2020
• Materias: MINERÍA DE DATOS; APLICACIÓN MÓVIL; FRAUDE BYPASS; RANDOM FOREST; BOSQUES ALEATORIOS
• Acceso en línea: http://repositorio.ucsg.edu.ec/handle/3317/14343