金融犯罪の手口は無数に存在し、その範囲も保険、政府の補助金、小売店の返品、クレジットカードでの購入、税情報の過少申告や虚偽申告、住宅ローンや消費者ローンの申請など多岐にわたります。 不正を防ぐためのテクノロジーとビジネスプロセスには、柔軟な設計と不正防止に関わる担当者全員が理解できるシンプルさが求められるほか、新しい手口が登場するたびに一から作り直すことなく対応できる機敏さも欠かせません。 組織全体に目を光らせて不正を検知するには、全チームおよび全部門のデータを分析用のデータに含める必要があります。 不正アナリストの専門知識に加えて機械学習（ML）ベースの予測モデルからの知見があれば、証拠に基づく防止策を強化し、金融犯罪の新たな手法に迅速に対応することが可能になります。 本ガイドブックでは、機械学習（ML）とデータ可視化が、リスク評価に基づく意思決定を迅速に下す際の情報の質を高め、損失を減らすことに役立つ理由を解説します。 ＜目次＞ ・不正を検知する ・ビジネスルールの概要と不正検知における重要性 ・不正検知にディープラーニングを応用する ・高頻度取引（HFT）を用いた不正行為の検知にストリーミング分析を応用する ・Altair のソリューション

2020年5月28日開催のニッキン主催「FITウェビナー」にてKnowledge Worksのご紹介をさせていただきました。 テーマ「今求められる業務効率化とは？データ可視化を活用したデータ分析」 金融機関をはじめとした日本企業では、テクノロジーを活用したデジタル変革（DX）による業務効率化が急務となっています。 本セミナーでは、テキストやPDFファイル等の自動データ化、高度な予測分析と機械学習、ストリーミングデータとリスクの可視化など、人的作業によるオペレーショナルリスクの軽減、データプレパレーション作業の短縮など、業務効率化を実現するソリューションをご紹介します。

Genworth Global Mortgage Insurance (GMI) outlines their Machine Learning Journey with Altair Knowledge Studio and Text Mining.

As a growing organization, Cape Regional Health System struggled to bring together information from different databases and reports from patient records, insurance providers and other organizations into a comprehensive business analysis for the management team.