Detección de Anomalías Financieras

Descripción General del Proyecto

Este proyecto demuestra cómo utilizar Gaio DataOS para construir una aplicación que detecta anomalías financieras basadas en información de transacciones. Con esta aplicación, los usuarios pueden:

• Importar datos de transacciones financieras

• Detectar, clasificar y analizar anomalías

• Obtener insights sobre comportamientos financieros sospechosos

---

Etapas de Desarrollo

1. Extracción de Datos

• Conexión a ClickHouse Cloud o importación de archivos CSV

• Uso de tareas Builder en Gaio para:

  • Importar datos

  • Limpiar y transformar información

El proceso de importación finaliza en la tabla plana:

• tb_financial_anomaly

---

2. Detección de Anomalías

La lógica de detección se divide en múltiples Builders SQL para identificar:

• Gasto elevado

• Transacción duplicada

• Transacción fuera del horario habitual

• Reembolso repetido

• Pico de ingresos

• Aumento repentino de reembolsos

Cada anomalía detectada recibe:

• Un nivel de severidad

• Un anomaly_id único

• Metadatos enriquecidos

Si múltiples anomalías ocurren en la misma transacción, cada una recibe un anomaly_id diferente.

Consolidación final en la tabla:

• detected_anomalies

---

3. Dashboards e Interfaces

3.1 Monitor de Transacciones Sospechosas

• Utiliza las tablas:

  • detected_anomalies

  • anomaly_classification_history

  Se generan métricas como:

  • Cantidad total de anomalías

  • Número por tipo de clasificación

  • Distribución por severidad

  Estas métricas se construyen con tareas Report y se visualizan en el dashboard.

  Se implementan filtros mediante la tarea Form para permitir filtrado por:

  • Fecha

  • Tipo de transacción

  • Sector

  • Categoría

  • Tipo de pago

  Incluye:

  • Tabla con clasificaciones más recientes

  • Tabla con anomalías pendientes de clasificación

  Desde la tabla de anomalías pendientes, el usuario puede:

  • Clasificar una anomalía

  • Ver detalles específicos haciendo clic en el ID

---

3.2 Clasificación de Anomalías

• Al hacer clic en el ícono izquierdo de una anomalía pendiente, el usuario puede clasificarla mediante un formulario.

  Características:

  • Algunos campos se completan automáticamente usando parámetros

  • Al enviar el formulario, se ejecuta el proceso Update Anomaly Classification

  Este proceso incluye:

  1. Tarea Update que modifica la fila correspondiente en detected_anomalies

  2. Builder incremental que agrega una nueva fila en anomaly_classification_history

---

3.3 Detalles de Anomalía

• Al hacer clic en un anomaly_id, se abre un dashboard dedicado.

  Tablas utilizadas:

  • detected_anomalies

  • tb_financial_anomaly

  Se utilizan parámetros para filtrado dinámico.

  Incluye:

  • Tarjeta de nivel de riesgo

  • Insights según tipo de anomalía

  • Gráficos:

    • Línea (promedios mensuales)

    • Barras (por sector y categoría)

    • Circular (por cliente/proveedor)

  • Tabla de historial de transacciones

• Estilizado con HTML y CSS.

---

3.4 Dashboards de Confirmadas y En Investigación

Dos dashboards dedicados basados en detected_anomalies.

Muestran:

• Anomalías confirmadas

• Anomalías pendientes

Construidos con la tarea Reporte.

---

Tecnologías Utilizadas

• Flujos ETL visuales en Gaio DataOS

• Tablas temporales y finales para versionado

• Tareas Report y Content para dashboards adaptativos

• Dashboards dinámicos con filtros y gráficos

• HTML y CSS para diseño personalizado

• Tarea Form para clasificación sin salir del dashboard

• Parámetros para navegación dinámica entre vistas

---

Resultados Esperados

• Desarrollo más rápido de lógica de detección de anomalías

• Dashboards centralizados de monitoreo financiero

• Mayor control financiero y trazabilidad de auditoría

• Acceso seguro mediante usuarios y grupos con permisos

---

Descargar este proyecto

33MB

dataset1.csv

Abrir

32KB

bkp_app-48_25-08-01_10-53-38.zip

archive

Abrir