Contexto empresarial
Una entidad financiera necesita identificar cuentas que actúan como 'puentes' o 'hubs' en una red de lavado de dinero. Se busca analizar las transacciones entre cuentas para encontrar nodos con alta centralidad de intermediación (cuentas puente) y alto PageRank (cuentas donde se acumulan fondos), considerando el monto de las transacciones como peso.
Preparación de datos
Simulación de transacciones bancarias sospechosas. Nodos = Cuentas, Enlaces = Transferencias (peso = monto).
¡Copiado!
| 1 | DATA mycas.transacciones_bancarias; |
| 2 | LENGTH from_acc $10 to_acc $10; |
| 3 | INPUT from_acc $ to_acc $ monto; |
| 4 | DATALINES; |
| 5 | ACC_01 ACC_02 5000 |
| 6 | ACC_01 ACC_03 2000 |
| 7 | ACC_02 ACC_04 4500 |
| 8 | ACC_03 ACC_04 1900 |
| 9 | ACC_04 ACC_MASTER 6000 |
| 10 | ACC_05 ACC_04 3000 |
| 11 | ACC_06 ACC_05 1000 |
| 12 | ; |
| 13 | RUN; |
Étapes de réalisation
1
Carga de la tabla de enlaces en memoria.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | |
| 4 | TABLE.loadTable / caslib="casuser" path="transacciones_bancarias.sashdat" casout={name="transacciones", replace=true}; |
| 5 | |
| 6 | RUN; |
| 7 | |
| 8 | QUIT; |
| 9 |
2
Ejecución de centrality con grafo dirigido y métricas ponderadas.
¡Copiado!
| 1 | PROC CAS; |
| 2 | ACTION network.centrality / |
| 3 | links={name="transacciones_bancarias"} |
| 4 | direction="DIRECTED" |
| 5 | linksVar={from="from_acc", to="to_acc", weight="monto"} |
| 6 | between="WEIGHT" |
| 7 | pageRank="WEIGHT" |
| 8 | outNodes={name="scores_fraude", replace=true}; |
| 9 | RUN; QUIT; |
Resultado esperado
Se genera la tabla 'scores_fraude'. Las cuentas como ACC_04 deberían tener una alta centralidad de intermediación ponderada (al recibir y enviar fondos de múltiples fuentes) y un alto PageRank, señalándolas como puntos críticos para investigación.