Arquitectura aplicada a un modelo predictivo de detección de fraude en las reclamaciones del sector seguros

Abstract

En este trabajo se realiza un estudio de una posible arquitectura para abordar el caso de uso de detección fraude del sector seguros, del mismo modo ver como analizar las variables para la creación de un modelo de predicción de fraude. Se procederá con el diseño de la infraestructura, estudiar el flujo de datos en dos momentos temporales, modalidad batch y modalidad streaming, para finalmente analizar los resultados. Además, se llevará a cabo una comparativa entre diferentes procesos de tratamientos de datos, estudiar los diferentes aspectos a tener en cuenta en la fase de puesta en producción y detectar los posibles riesgos. El core del trabajo es poder combinar arquitectura de datos, optando para una híbrida entre lambda y kappa, además de utilizar tecnología de microservicios basado en Docker y realizar seguimiento con MLOps y GitHub.

This final work shows a viable data architecture solution to address the fraud detection use case of the insurance sector, in the same way to see how to analyse the features for the creation of a fraud prediction model. We will proceed with the design of the architecture, analyse the data pipeline in two temporal moments, batch mode and streaming mode, and finally, shows the results. As complement of that, it will be the comparison between different data treatment processes, study the different ways to consider the start-up phase and to detect possible risks. The aim of the work is to be able to combine data architecture, opting for a hybrid method between Lambda and Kappa architecture, in addition using microservices technology based on Docker and machine learning monitoring by MLOps methods and GitHub workflow.

En aquest treball es realitza un estudi d'una possible arquitectura per abordar el cas d'ús de detecció frau de el sector assegurances, de la mateixa manera veure com analitzar les variables per a la creació d'un model de predicció de frau. Es procedirà amb el disseny de la infraestructura, estudiar el flux de dades en dos moments temporals, modalitat batch i modalitat streaming, per finalment analitzar els resultats. A més, es durà a terme una comparativa entre diferents processos de tractaments de dades, estudiar els diferents aspectes a tenir en compte en la fase de posada en producció i detectar els possibles riscos. El core de la feina és poder combinar arquitectura de dades, optant per a una híbrida entre lambda i kappa, a més d'utilitzar tecnologia de microservicios basat en Docker i realitzar seguiment amb MLOps i GitHub.