🔎 Detecção de fraude em transações financeiras 💳

Este projeto visa a análise de dados e a construção de um modelo de machine learning para detecção de fraudes em transações financeiras. Os dados utilizados foram extraídos do Kaggle e estão disponíveis em: Financial Transactions Dataset: Analytics. Este abrangente conjunto de dados financeiros combina registros de transações, informações de clientes e dados de cartões de uma instituição bancária, abrangendo toda a década de 2010.

🚨 Contexto do problema

Com o avanço das tecnologias de transações bancárias, cada vez mais rápidas e acessíveis de múltiplos dispositivos, detectar transações fraudulentas tornou-se essencial para a excelência nos negócios das instituições financeiras. A precisão na identificação de transações ilegítimas é imperativa para prevenir perdas financeiras, proteger os clientes e garantir a confiança no sistema financeiro. Este cenário exige soluções automatizadas e eficientes baseadas em dados.

💼 Demanda do negócio

O objetivo é desenvolver um modelo preditivo de alta precisão, capaz de identificar, com confiabilidade, se uma transação é fraudulenta ou legítima, contribuindo para o fortalecimento das políticas de segurança financeira da instituição.

📃 Compreensão dos dados

Os dados utilizados neste projeto estão disponíveis no Kaggle (Financial Transactions Dataset: Analytics) e incluem arquivos CSV e arquivos JSON contendo registros detalhados de transações financeiras, informações relacionadas aos clientes, dados complementares sobre os cartões utilizados e outros aspectos relevantes. Esses dados oferecem um panorama rico para a análise exploratória e a modelagem preditiva.

Componentes do Conjunto de Dados

1. Dados de Transações (transactions_data.csv)

   • Registros detalhados de transações, incluindo valores, datas e detalhes dos comerciantes.
   • Abrange transações ao longo da década de 2010.
   • Contém tipos de transações, valores e informações sobre os comerciantes.

2. Informações de Cartões (cards_data.csv)

   • Detalhes de cartões de crédito e débito.
   • Inclui limites dos cartões, tipos e datas de ativação.

3. Códigos de Categoria de Comerciantes (mcc_codes.json)

   • Códigos padrão de classificação para tipos de negócios.
   • Códigos MCC (Merchant Category Codes) com descrições baseadas em padrões da indústria.

4. Rótulos de Fraude (train_fraud_labels.json)

   • Rótulos binários para classificação de transações.
   • Indica se uma transação é fraudulenta ou legítima.

5. Dados de Usuários (users_data.csv)

   • Informações demográficas sobre os clientes.
   • Detalhes relacionados às contas.

Dicionário de dados

Com base no entendimento dos dados foi elaborado este dicionário.

1. Dados de Transações (transactions_data.csv)

Nome da Coluna	Tipo	Descrição
id	Int	Identificador único da transação.
date	String	Data e hora da transação (AAAA-MM-DD HH:MM:SS).
client_id	Int	Identificador do cliente que realizou a transação.
card_id	Int	Identificador do cartão utilizado na transação.
amount	String	Valor da transação (em formato monetário).
use_chip	String	Tipo de transação (Swipe Transaction, Online Transaction e Chip Transaction).
merchant_id	Int	Identificador do comerciante.
merchant_city	String	Cidade do comerciante.
merchant_state	String	Estado do comerciante (pode ser NULL para transações online).
zip	Float	Código postal do comerciante (pode ser NULL para transações online).
mcc	Int	Código da categoria do comerciante (Merchant Category Code).
errors	String	Erros na transação (NULL se não houver erro).

2. Informações de Cartões (cards_data.csv)

Nome da Coluna	Tipo	Descrição
id	Int	Identificador único do cartão.
client_id	Int	Identificador do cliente associado ao cartão.
card_brand	String	Bandeira do cartão (Visa, Mastercard, Discover e Amex).
card_type	String	Tipo de cartão (Credit, Debit e Debit (Prepaid)).
card_number	String	Número do cartão (possivelmente mascarado).
expires	String	Data de expiração do cartão (MM/AAAA).
cvv	Int	Código de verificação do cartão.
has_chip	String	Indica se o cartão possui chip (YES/NO).
num_cards_issued	Int	Número total de cartões emitidos para o cliente.
credit_limit	String	Limite de crédito do cartão (em formato monetário).
acct_open_date	String	Data de abertura da conta do cartão (MM/AAAA).
year_pin_last_changed	Int	Ano da última alteração do PIN.
card_on_dark_web	String	Indica se o cartão foi encontrado na dark web (Yes/No).

3. Códigos de Categoria de Comerciantes (mcc_codes.json)

Nome da Coluna	Tipo	Descrição
code	Int	Código de categoria do comerciante (MCC - Merchant Category Code).
description	String	Descrição da categoria do comerciante.

4. Rótulos de Fraude (train_fraud_labels.json)

Nome da Coluna	Tipo	Descrição
transaction_id	Int	Identificador único da transação.
is_fraud	String	Indica se a transação foi fraudulenta (Yes/No).

5. Dados de Usuários (users_data.csv)

Nome da Coluna	Tipo	Descrição
id	Int	Identificador único do cliente.
current_age	Int	Idade atual do cliente.
retirement_age	Int	Idade esperada para aposentadoria.
birth_year	Int	Ano de nascimento do cliente.
birth_month	Int	Mês de nascimento do cliente.
gender	String	Gênero do cliente (Male/Female).
address	String	Endereço residencial do cliente.
latitude	Float	Latitude do endereço do cliente.
longitude	Float	Longitude do endereço do cliente.
per_capita_income	String	Renda per capita do cliente (em formato monetário).
yearly_income	String	Renda anual do cliente (em formato monetário).
total_debt	String	Dívida total do cliente (em formato monetário).
credit_score	Int	Pontuação de crédito do cliente.
num_credit_cards	Int	Número de cartões de crédito ativos do cliente.

fonte: Financial Transactions Dataset: Analytics

💻 Tecnologias

💳 Créditos

• Estênio Mariano

🔖 Licença

Licença MIT (MIT). Por favor leia o arquivo da licença para mais informações.