Contexte Métier
Une banque souhaite identifier des groupes de comptes clients qui effectuent des transactions circulaires ou isolées entre eux, potentiellement symptomatiques de blanchiment d'argent (Schtroumpfage). L'objectif est de regrouper ces comptes en 'clusters' pour une investigation conjointe.
À propos du Set : optNetwork
Analyse de réseaux et algorithmes de graphes.
Découvrir toutes les actions de optNetwork Préparation des Données
Création d'une table de transactions suspectes simplifiée avec deux groupes distincts (un anneau de 3 comptes et une paire isolée).
Copié !
| 1 | |
| 2 | DATA mycas.transactions_suspectes; |
| 3 | LENGTH emetteur $10 recepteur $10; |
| 4 | INPUT emetteur $ recepteur $; |
| 5 | DATALINES; |
| 6 | CPT_A CPT_B CPT_B CPT_C CPT_C CPT_A CPT_X CPT_Y; |
| 7 | |
| 8 | RUN; |
| 9 |
Étapes de réalisation
1
Chargement des données et vérification de la structure.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.tableInfo / TABLE="transactions_suspectes"; |
| 4 | |
| 5 | RUN; |
| 6 |
2
Exécution de l'algorithme par défaut (AUTOMATIC) pour identifier les composantes disjointes.
Copié !
| 1 | |
| 2 | PROC CAS; |
| 3 | optNetwork.connectedComponents / links={name='transactions_suspectes'} linksVar={from='emetteur', to='recepteur'} outNodes={name='resultats_clusters', replace=true}; |
| 4 | |
| 5 | RUN; |
| 6 |
Résultat Attendu
La table 'resultats_clusters' doit contenir 5 lignes (une par compte). Les comptes CPT_A, B et C doivent avoir le même identifiant de composante (ex: 1), indiquant un réseau fermé. Les comptes CPT_X et Y doivent partager un identifiant différent (ex: 2).