از تحلیل داده تا کشف تقلب و بهینه‌سازی تجربه مشتری

به گزارش روابط عمومی تجارت الکترونیک پارسیان به نقل از راه پرداخت، نخستین نمایشگاه و رویداد Iran AI 2025 در روزهای ۲۸ و ۲۹ مردادماه در سالن جابر ابن حیان دانشگاه صنعتی شریف برگزار شد. پنل «کاربرد هوش مصنوعی در صنعت بانکداری و خدمات مالی» با حضور مدیران و کارشناسان برجسته این حوزه برگزار شد. در این پنل، جابر علوی، مدیر حکمرانی داده و مبارزه با پول‌شویی شرکت تجارت الکترونیک پارسیان، وحید خدابخشی، مدیر ریسک و امنیت شاپرک، علی رضائیان، مدیر واحد بانکداری گروه فناوری اطلاعات و ارتباطات مهیمن و فردین صبوری، مدیر تیم تحلیل داده و هوش مصنوعی شرکت داتا تجارت، تجارب عملی و راهکارهای نوین خود در استفاده از هوش مصنوعی برای بهبود فرایندهای بانکداری، کشف تقلب، بهینه‌سازی خدمات و تحلیل داده‌ها را به اشتراک گذاشتند.

حکمرانی داده و کشف تقلب با هوش مصنوعی

جابر علوی، مدیر حکمرانی داده و مبارزه با پولشویی تجارت الکترونیک پارسیان (تاپ)، در ابتدای پنل تأکید کرد: در شرکت تجارت الکترونیک پارسیان، رویکرد ما در حوزه حکمرانی داده و مبارزه با پول‌شویی کار روی Big data و هوش مصنوعی بنا شده است.

او افزود: تمام خدماتی که در واحدهای مختلف شرکت تجارت الکترونیک پارسیان ارائه می‌کنیم عمدتاً بر مبنای هوش مصنوعی، پردازش و تحلیل داده‌ها برای ایجاد راهکارهای نوآورانه است.

علوی توضیح داد: یکی از پروژه‌های کلیدی ما، پروژه‌ی کشف تقلب است که نزدیک به یک سال روی آن فعالیت می‌کنیم. در این پروژه، مجموعه‌ای از قواعد مبتنی بر قانون (Rule-based) و الگوریتم‌های یادگیری ماشین پیاده‌سازی شده و در نهایت، بخشی از موارد با بهره‌گیری از روش‌های یادگیری عمیق (Deep Learning) مبتنی بر گراف شناسایی می‌شوند تا بتوانیم موارد تقلبی را شناسایی کنیم. این سیستم قادر است هم تقلب‌های جدید را کشف کند و هم الگوهای تقلب گذشته را شناسایی و بررسی کند.

از داده‌های پراکنده تا شناسایی تقلب سریع و دقیق

جابر علوی با اشاره به چالش‌های کسب‌وکارهای سنتی در شناسایی تقلب گفت: سرعت عمل، دقت و اعتماد از مهم‌ترین مسائل این حوزه هستند. او افزود، برای ارتقای این شاخص‌ها، داده‌هایی که در بخش‌های مختلف جمع‌آوری می‌شوند باید در یک Data Lakehouse مرکزی یکپارچه شده و پس از انجام مراحل آماده‌سازی شامل پاک‌سازی و پردازش اولیه، در اختیار مدل‌های هوش مصنوعی قرار گیرند تا سرعت و دقت سیستم افزایش یابد.

علوی همچنین به اهمیت شناسایی تقلب به‌صورت Real-time اشاره کرد و توضیح داد: بسیاری از سامانه‌های موجود به‌صورت Batch عمل می‌کنند و برای دستیابی به نتایج اولیه، ممکن است چند روز انتظار لازم باشد. او تأکید کرد که بهره‌گیری از مدل‌ها و الگوریتم‌هایی که قابلیت اجرا به ‌صورت لحظه‌ای را داشته باشند، کلید حل این مشکل است.

او گفت: در تجارت الکترونیک پارسیان زیرساختی بر پایه شبکه‌های عصبی گرافی (Graph Neural Networks – GNN) طراحی و پیاده‌سازی شده است که امکان پردازش و شناسایی تقلب را به‌صورت لحظه‌ای فراهم می‌کند و تحول چشمگیری در کارایی سیستم ایجاد کرده است. در نهایت، برای اعتمادسازی در این سامانه‌ها، میزان صحت شناسایی (Accuracy) به‌طور مستمر اندازه‌گیری و بهبود داده می‌شود. 

علوی افزود: ما در حال حاضر توانسته‌ایم سطح دقت بالای ۷۰ درصد را محقق کنیم؛ به این معنا که خروجی مدل‌ها قابل اتکا و نتایج شناسایی معتبر و دقیق هستند.

اخلاق در هوش مصنوعب و مدیریت داده‌های مشتری

جابر علوی، درباره اهمیت اخلاق در استفاده از سیستم‌های توصیه‌گر (Recommendation Systems) و سیستم‌های پیش‌بینی ریزش مشتری (Churn Prediction Systems) گفت که این سامانه‌ها با رصد رفتار مشتریان و تحلیل داده‌ها، بر اساس الگوهای رفتاری پیشنهاداتی ارائه می‌دهند.

 به گفته او، چنین فرایندی نیازمند جمع‌آوری، ذخیره‌سازی و پردازش داده‌های متنوع است که در نهایت منجر به ساخت یک پروفایل کامل از مشتری می‌شود.

جابر علوی در این زمینه توضیح داد که ذخیره و پردازش این داده‌ها باید تحت نظارت، کنترل و چارچوب‌های قانونی مشخص صورت گیرد. به گفته او، در حال حاضر هر سازمان یا نهادی می‌تواند داده‌های مشتریان را جمع‌آوری و ذخیره کند، اما ضروری است که واحدها و سازمان‌های مختلف در این زمینه همکاری و هم‌افزایی داشته باشند تا داده‌ها به‌صورت یک‌پارچه مورد استفاده قرار گیرند.

او تأکید کرد که در کشور ما هنوز نظام‌ها و الزامات قانونی مشخص برای کنترل داده‌ها وجود ندارد، در حالی‌که این امر یک ضرورت است. حتی فرآیند کسب رضایت و اطلاع‌رسانی به مشتری درباره استفاده از داده‌های او به‌صورت دقیق انجام نمی‌شود.

علوی افزود: در حال حاضر اپلیکیشن‌ها امکان ارائه اطلاعات کلی درباره حریم خصوصی دارند، اما قوانین موجود بسیار عمومی و طولانی هستند. این قوانین باید به شکل کاربردی‌تر دسته‌بندی و تدوین شوند تا هم سازمان‌ها و هم مشتریان از شفافیت و امنیت بیشتری برخوردار شوند.