Analyse de réseaux

• Structure d’un graphe, graphes aléatoires.
• Degré et transitivité, connectivité
• Visualisation des graphes

Détection de communauté

• Homophilie
• Clustering
• Visualisation des communautés

Conception des processus anti-fraude

• Cadre légal des fraudes en assurance
• Type de fraudes, types d’anomalies, et types de risques
• Processus anti-fraude
• Actions prescriptives et types d’automatisation

Sources de données et nettoyage

• Données internes et leur qualité
• Dark data et transformation des données.
• Utilisation des données externes et jointure des données.
• Construction d’indicateurs
• Transformation des données (données tabulaires, textes, images)

Méthodes de détection de fraudes

• Construction de preuves de fraudes
• Règles déterministes
• Détection d’anomalies
• Méthodes non supervisées
• Classification des fraudes

Cas pratiques

• Détection des anomalies avec bases de référence
• Classification binaire
• Détection des aberrations
• Segmentation avec Kmeans

Visualisation des résultats

• Tableau de bord de pilotage et de suivi d’indicateurs
• Outils de surveillance