Modelos predictivos de vendedores fraudulentos en plataformas de venta Online

Abstract

Existe poca bibliografía que analice en profundidad la casuística de fraude en el mercado online cuando el fraudulento es el usuario vendedor. Durante el año 2020 y con una pandemia afectando al mundo entero, las formas de consumir y relacionarse entre la población se vio fuertemente alterada. Esto provocó un crecimiento exponencial de la digitalización de los pagos en muchas partes del mundo, tomando cada vez más protagonismo la experiencia de los usuarios a la hora de realizar pagos online. De esta manera, en esta tesis se aborda el problema de la detección de fraude en vendedores de venta online, y se logra plantear un modelo de aprendizaje automático, con información de los usuarios vendedores de una empresa que se dedica a proveer servicios como plataforma de pagos online. En este trabajo se describe el tipo de procesamiento de los datos los cuales se llevó a cabo para armar la base de datos. También se plantea una metodología para abordar el problema planteado que brinda resultados prometedores los cuales serán discutidos más adelante. A su vez, se entrenan varios modelos con el objetivo de buscar aquel que tenga un mejor poder predictivo. Finalmente se discuten cuáles son las recomendaciones prácticas para llevar a cabo lo propuesto en el presente trabajo.