فاطمه رسول رویسی - دانشجوی کارشناسی ارشد گروه کامپیوتر، دانشکده کامپیوتر، دانشگاه ایوانکی، سمنان، ایران
محمد ربیعی - استادیار گروه کامپیوتر، دانشکده کامپیوتر، دانشگاه ایوانکی، سمنان، ایران

یکی از پیچیده ترین و زمان برترین فعالیت ها در آغاز یک پروژه، شناخت و انتخاب ابزارها و الگوریتم های مناسب می باشد. در این میان کلان داده به عنوان یک فناوری تاثیرگذار، با پردازش جریان داده ها امکان تسهیل انواع فرآیندهای تحلیلی و داده کاوی گوناگون را چه به صورت بلادرنگ و چه دسته ای برقرار ساخته است.این مقاله با تحلیل جنبه های کسب و کار موارد کشف تقلب در بخش بانکداری در ابتدا از رویکرد متفاوت استفاده می کند. ابتدا، تعدادی از موارد احتمالی کاربردی کشف تقلب در بانکداری که از یک مطالعه ادبی مشتق شده است، را جمع آوری نموده و با استفاده از مشخصات کلان داده تحلیل می نماید. سپس این موارد کاربردی در مصاحبههایی با متخصصان مورد بررسی قرار می گیرند تا مشخص شود که هرکدام از موارد تقلب، چه پتانسیل هایی دارند. در نهایت، مطابق با این نیازسنجی ها و مقایسه آنها با معماری های مرجع کلان داده موجود، یک معماری مرجع جدید برای کلان داده برای موارد کشف تقلب در بانکداری طراحی می شود. هدف نهایی استفاده ازاین معماریمرجع این است که از آن به عنوان یک طرح جامع برای استخراج اجزا به منظور پیاده سازی موارد کشف تقلب در بانکداری استفاده شود. معماری مرجع در مطالعه موردی توسط یک مورد خاص از موارد تقلب بانکداری تست شده است. معماری مرجع طراحی شده توسط شش نفر از متخصصان در حوزه طراحی معماری های ابری و کلان دادهارزیابی و بررسی شده است. در صورتی که معماری مرجع ارائه شده، به صورت دقیق برای هرکدام از موارد تقلب پیاده سازی شود، نیاز به هیچ گونه مداخله انسانی برای شناسایی و پیش بینی تقلب بانکداری وجود ندارد. با استفاده از کلان داده و تکنیک های یادگیری ماشین، موارد تقلب ذکر شده، به صورت هوشمند پردازش و تحلیل می گردند

کلان داده؛ چارچوب های کلان داده؛ ابزارهای کلان داده؛ معماری مرجع کلان داده؛ کشف تقلب