Bei einem großen Finanzdienstleister wurden umfassende Datenanalysen durchgeführt, um potenziell betrügerische Transaktionen – insbesondere im Zusammenhang mit Wertpapiergeschäften wie Cum-Ex – zu identifizieren und Muster zu erkennen. Ziel war es, verdächtige Aktivitäten frühzeitig zu erkennen und Maßnahmen zur Prävention betrügerischer Transaktionen zu entwickeln.

Im Rahmen des Projekts wurde eine große Menge an Transaktionsdaten gesichtet, analysiert und auf auffällige Muster hin ausgewertet. Neben klassischen Analysen wurden auch Graphanalysen durchgeführt, um komplexe Beziehungen und Zusammenhänge zwischen Transaktionen und Akteuren sichtbar zu machen. Für die Verarbeitung und Analyse der Daten kamen Python-basierte Verfahren zum Einsatz, während Power BI für die visuelle Aufbereitung der Ergebnisse und die Entwicklung eines Dashboards genutzt wurde. Dieses Dashboard ermöglicht es, künftig verdächtige Aktivitäten noch schneller zu erkennen und gezielt Gegenmaßnahmen einzuleiten.

Die Ergebnisse der Analysen wurden in Reports zusammengefasst und an das Management kommuniziert. So konnte eine fundierte Grundlage für die Weiterentwicklung von Präventionsmaßnahmen geschaffen werden.