Инженер по данным НИУ ВШЭ разработал ML-пайплайн для финмониторинга

Системы финансового мониторинга ежедневно сталкиваются с большим объёмом данных, где большинство срабатываний оказываются ложными. Это создаёт значительную нагрузку на аналитиков, которым приходится вручную обрабатывать тысячи операций. Разработка Максима Коцюбы призвана автоматизировать этот процесс и повысить его эффективность.

Новый пайплайн не просто классифицирует операции как «подозрительные» или «безопасные». Его ключевая особенность — это ранжирование транзакций по уровню риска, что позволяет аналитикам сосредоточиться на наиболее вероятных случаях мошенничества. Такой подход существенно снижает количество ложных срабатываний и оптимизирует работу отдела финмониторинга.

Создание такого решения особенно актуально для крупных финансовых организаций, где масштабы операций достигают миллионов в день. Применение машинного обучения и MLOps-практик в данной сфере открывает новые возможности для борьбы с финансовыми преступлениями, делая её более точной и менее трудозатратной.

Проект, выполненный как выпускная работа, демонстрирует практическое применение навыков инженерии данных для решения реальных бизнес-задач в финансовом секторе.