비트나인 Graph it

Background 한국은행이 공개한 '주요국의 지급수단 사기동향 및 시사점' 보고서에 의하면 2018년 전 세계 카드 사기 규모는 약 278억 달러에 달한 것으로 추정되며, 2013년(137억 달러)과 비교해 5년 만에 2배 이상 늘었다. 신용카드 사용량이 늘어난 만큼 신용카드를 통한 사기 규모도 증가하고 있다. 또한 최근 오픈뱅킹 도입과 전자상거래 확대, 핀테크 기업들의 지급 결제 분야 진출 등 지급수단이 다양해지면서 카드 사기 유형도 진화하고 있다. 국내에서도 관련법 정비와 카드 소비자 보호에 대한 금융사의 모니터링이 더욱 고도화될 필요가 있다는 지적이 나온다. Problem 이번 사례에선 신용카드 중 카드 위조 사기에 대해서 살펴볼 것이다. 카드 위조 사기는 '스키머(Skimmer)'라는 신용카드..

본 글은 지난 추천 시스템 글에 이어 그래프 모델링으로 데이터의 흐름을 짧고 간결하게 파악해보고자 한다. 분석 관점에서의 데이터 플로우 모델 데이터 플로우 모델은 본래 설명 데이터가 시스템에 의해서 어떻게 처리되는지를 모델링하는 기법이며, DFD(Data Flow Diagram)를 통하여 데이터 정보 흐름의 논리적 도식 모델을 제공하고 관리할 수 있었다. 그래프에서도 이처럼 데이터 정보의 흐름 및 순차를 고려한 모델링이 가능하며 기존의 DFD의 데이터 정보 흐름이 정의가 되어있다면 그래프에서도 모델 적용이 가능하며 오히려 기존의 데이터 모델보다 그래프의 점과 선의 연결이라는 특성을 활용하여 동적인 데이터의 흐름을 좀 더 직관적으로 표현하고 설계할 수 있다. 그래프 데이터플로우 모델링이 적용 가능한 예시는..

Background 금융감독원의 ‘보험사기 적발금액 현황’에 따르면 2015년의 적발 금액인 6,584억에 비해 2019년 말 보험사기 적발 인원은 9만 2000여 명, 적발 금액은 8,809억 원으로 역대 최고를 기록하면서 보험 사기 규모가 증가하고 있음을 알 수 있다. 보험사기는 유형은 사기의 의도에 따라 경성 사기와 연성 사기로 나뉜다. 이 중 사전에 계획하여 진행되는 특징을 가진 경성 사기는 다양한 범죄수단과 방법을 이용하여 조직화 양상을 보이며 고도화되는 추세이다. 보험 사기 사건에 대해 수사관들은 의심이 있어도 탄탄하게 짜인 시나리오에 정황을 알기 어렵다. 사기 공모단은 전문가의 도움을 받아 진행한다. 이들은 평가하고 반증하기 어려운 부상을 선택하여 결국 보험 회사는 법적 조처를 하고 법정에서..

이번에는 GDB 모델링을 통해 그래프 기반 추천 시스템에 대해 알아볼 것이다. 그래프 모델링으로 추천 시스템을 알아보기 전에 분석관점에서 GDB를 모델링 하기 위해 큰 3가지를 복습할 필요가 있다. 아랫글에 GDB를 모델링 하기 위해 3가지의 고려해야 할 점을 소개한 바 있으니 본 글로 넘어가기 전에 살펴보자. 1) 데이터 및 도메인에 대한 분석 2) 모델링 연구 및 검증 과정 3) 그래프 모델을 통한 가치 도출 및 결과 검증 그래프 모델링으로 알아보는 FDS 분석 관점에서의 그래프 모델링 이번에는 데이터 모델링이란? (그래프 DB편)에서 예고했던 분석 관점에서의 GDB모델링을 실제 사례에 대입하여 비교 확인을 하려 한다. GDB 모델링을 시도해보려면 bitnine.tistory.com 다음은 모델링을 ..

분석 관점에서의 그래프 모델링 이번에는 데이터 모델링이란? (그래프 DB편)에서 예고했던 분석 관점에서의 GDB모델링을 실제 사례에 대입하여 비교 확인을 하려 한다. GDB 모델링을 시도해보려면 막연하고 각 데이터에 대해 접근 방법을 찾기가 어려울 때가 많다. 그만큼 각 데이터의 도메인 및 활용 방안에 따라 GDB의 모델링 방법도 다양하기 때문이다. 분석관점에서 GDB를 모델링 하기 위해선 크게 3가지를 고려해야 한다. 먼저, 데이터 및 도메인(domain)에 대한 분석이 필요하다. 분석 데이터 및 도메인에 대한 이해가 기본이 되어야 하며, 이를 기반으로 프로젝트 현장 및 외부에서는 어떤 분석 서비스 및 시스템이 연구되어왔는지를 조사해야 할 필요가 있다. 데이터 및 도메인 조사가 완료된다면, 현재 도메인..