پایگاه خبری راه پرداخت دارای مجوز به شماره ۷۴۵۷۲ از وزارت فرهنگ و ارشاد اسلامی و بخشی از «شبکه عصر تراکنش» است. راه پرداخت فعالیت خود را از دوم اردیبهشت‌ماه ۱۳۹۰ شروع کرده و اکنون پرمخاطب‌ترین رسانه ایران در زمینه فناوری‌های مالی، بانکداری و پرداخت و استارت‌آپ‌های فین‌تک است.
یافتن الگوهای پنهان در داده‌های کلان / سعید دادخواه، مدیر تیم گمانیک در شرکت آدانیک از اهداف و چشم‌اندازهای این سامانه می‌گوید
ماهنامه عصر تراکنش شماره ۴۳ و ۴۴ / شرکت آدان‌نیک‌افزار (آدانیک) حدود هفت سال پیش تأسیس شد. شرکتی که در حوزه بانکداری دیجیتال فعال است و با محصولاتی کلیدی، سرویس‌های ارزش‌افزوده نوآورانه را به بانک‌ها ارائه می‌کند و به عبارتی دیگر به این نهادهای مالی در راستای نوآوری، تمایز، بهبود تجربه مشتری و همگامی با فناوری یاری می‌رساند. آدانیک که در ایران بیش از همه با سرویس کیلید و کاریز شناخته می‌شود، از سه سال پیش سامانه‌ای به نام گمانیک را نیز برای کشف و مدیریت تقلب در داده‌های بانکی توسعه داده است؛ سامانه‌ای که هرچه پیش رفته بالغ‌تر شده است.
سعید دادخواه، مدیر تیم گمانیک شرکت آدانیک در رابطه با اهمیت شناسایی و کشف تقلب در سیستم‌های مالی می‌گوید: «درباره رفتارها و ناهنجاری‌های مالی نکته واضح این است که مرتکبان تقلب سعی می‌کنند در بازه زمانی کوتاه، تا حد امکان پول خارج کنند و این پول را به حساب خودشان منتقل کنند. روشن است که فرد متقلب، رفتار مشتریان را تکرار نمی‌کند؛ پس رفتار غیرعادی دارد که ما نام آن را ناهنجاری می‌گذاریم؛ بنابراین تمام سیستم‌های مالی الزاماً باید به سامانه‌های کشف تقلب و کشف ناهنجاری مجهز باشند.»
انعطاف‌پذیری در گردآوری و فهم ارتباط داده‌ها
دادخواه، گمانیک را همان سامانه کشف و مدیریت تقلب در سیستم‌های بانکی تعریف می‌کند و می‌گوید: «ما در دو بخش کشف و مدیریت تقلب فعالیت می‌کنیم. «کشف» مبحثی تکنیکال و فنی است و «مدیریت» نیز همان‌طور که از نام آن مشخص است، مربوط به مباحث مدیریتی است که به کارشناسان امکان به اشتراک گذاشتن اطلاعات را می‌دهد تا در مواقع نیاز با یکدیگر مشورت کنند.»
یکی از ابهامات و اتهامات همیشگی که سایه آن بر سر نظام بانکی ایران سنگینی می‌کند، کم‌توجهی به کشف تقلب در ارکان مختلف آن است. مدیر تیم گمانیک درباره دلایل این بی‌توجهی توضیح می‌دهد: «شاید چنین به نظر برسد که مدیران به کشف تقلب کم‌توجهی کرده‌اند، اما این توجه به‌مرور و در پی احساس نیاز افزایش یافته است. تا چند سال پیش اغلب فعالیت‌های بانکی به‌صورت حضوری انجام می‌شد، اما به‌مرور با ارتقای زیرساخت‌های ارتباطی کشور و رشد کسب‌وکارهای آنلاین، خدمات غیرحضوری نیز گسترش یافت. بنابراین مادامی که احراز هویت غیرحضوری ضعیف و از طریق کلمه عبور و پین‌های ساده باشد، این انتظار می‌رود که میزان تقلب‌ها نیز افزایش یابد. بنابراین با بالا رفتن نرخ بروز تقلب‌ها، نیاز به شناسایی و مدیریت و کنترل آنها نیز شدت گرفت.»
این متخصص فناوری اطلاعات در تشریح ارزش‌افزوده اصلی گمانیک برای بانک‌ها، به ویژگی‌های سه‌گانه سامانه‌های کشف تقلب اشاره می‌کند که به گفته او دست‌کم در دو ویژگی به کار بانک‌ها می‌آید: «سامانه‌های کشف تقلب باید از سه ویژگی مهم گردآوری داده از منابع داده‌ای، تشخیص ارتباط میان داده‌ها و تبدیل داده‌ها به اطلاعات و دانش برخوردار باشند. گمانیک این موارد را به‌صورت کاملاً منعطف انجام می‌دهد. یعنی این قابلیت را دارد که از منابع داده‌ای مختلفی که در بانک‌ها استفاده می‌شود، داده‌ها را بخواند و ارتباط کاملی بین داده‌ها تعریف کند. در نهایت، با استفاده از مدل‌های آماری و یادگیری ماشین می‌توانیم به پردازش هوشمند برسیم و دانشی را شکل دهیم که جلوی تقلب را می‌گیرد.»
گمانیک مبتنی بر یادگیری ماشین عمل می‌کند
سامانه گمانیک بر اساس بیگ‌دیتا و یادگیری ماشین عمل می‌کند. یکی از کاربردهای اصلی این سامانه که در حال حاضر از آن استفاده می‌شود، تشخیص تقلب است. با وجود این، از توانایی‌های آن در حوزه‌های دیگر نیز می‌توان بهره برد. دادخواه با یادآوری این نکته که یادگیری ماشین جزء فعالیت‌های هوشمند عمومی در حوزه کامپیوتر است، از کارایی سامانه گمانیک در حوزه‌های دیگر می‌گوید: «سامانه کشف تقلب گمانیک در حال حاضر فعالیت‌هایی انجام می‌دهد که با تغییراتی کوچک قابل استفاده در عرصه‌های دیگر نیز هستند و با طرح نیاز از سمت بانک، می‌توان کاربرد این فناوری را گسترش داد تا با افزودن قابلیت‌های جدید بهره‌وری سامانه را بالا ببریم.»
در موضوعات بانکی، ریسک‌ها انواع مختلفی دارند و به همین ترتیب تقلب‌ها هم در سطوح مختلفی صورت می‌گیرد؛ بنابراین یکی از انتظاراتی که از سامانه‌های کشف تقلب می‌رود، طبقه‌بندی ریسک و تقلب است. دادخواه درباره طبقه‌بندی ریسک‌ها و تقلب‌ها در گمانیک، بدین صورت توضیح می‌دهد: «این سامانه به‌صورت کلی رفتارها را به پنج سطح ریسک تقسیم می‌کند، اما برای انجام اقدامات پیشگیرانه نسبت به آن ریسک‌ها به سطح بلوغ بیشتری نیاز است؛ چراکه باید برنامه به گونه‌ای توسعه داده شود که فعالیتی خاص انجام دهد؛ برای نمونه در این صورت سامانه باید در مسیر انجام تراکنش‌های مشتریان قرار داشته باشد و اگر در این مسیر خطا و اشتباه کوچکی رخ دهد، سطح نارضایتی مشتریان را چندبرابر افزایش می‌دهد، بنابراین این گام باید با تأمل و بلوغ بیشتری برداشته شود.»
یکی از مهم‌ترین نکاتی که درباره سامانه‌های کشف تقلب مانند گمانیک مطرح است، توان آنها در پردازش داده‌ها و تراکنش‌های بانکی است. آن‌طور که مدیر تیم گمانیک توضیح می‌دهد، این سامانه از همان ابتدا با فناوری‌هایی طراحی و توسعه داده شد تا از پسِ پردازش داده‌های حجیم برآید: «حجم داده تأثیر چندانی بر فعالیت‌های گمانیک ندارد. اگر منابع مورد نیاز در اختیار ما قرار گیرد، سامانه مشکلی برای کار با داده‌های بزرگ بانک‌های مختلف ندارد.»
مدیر تیم گمانیک شرکت آدانیک یکی از مزایای کلیدی این سامانه در برابر رقبا را انعطاف‌پذیری در دریافت داده از منابع مختلف و برقراری ارتباط میان آنها می‌داند؛ انعطافی که به گفته دادخواه کمک می‌کند داده‌ها به‌سرعت وارد سامانه شوند و روی آنها پردازش صورت گیرد.
او در این‌باره می‌گوید: «ما در استفاده از داده‌ها نیز منعطف هستیم. رابط کاربری سامانه به کمک متخصصان و طراحان توسعه داده شده که کمک می‌کند اطلاعات لازم برای تصمیم‌گیری بهتر در اختیار کارشناسان قرار داده شود.» دادخواه در رابطه با چشم‌انداز گمانیک در سال آینده، اولین هدف را فعال‌شدن سامانه می‌داند و اضافه می‌کند: «ما به‌دنبال مسیری هستیم که به محض رخ‌دادن هر تقلب در سیستم، آن را تشخیص دهیم و از نیمه دوم سال نیز آنلاین‌شدن را دنبال کنیم. یعنی قبل از وقوع تخلف آن را تشخیص دهیم و مانع وقوع آن شویم.»
