Detección de Fraude — Challenge Técnico CONFAMA

Sistema completo de detección de fraude financiero sobre 50.000 transacciones (~1,5 % fraude). Pipeline de análisis en Python + dashboard interactivo en Next.js.

Dashboard en vivo · Pitch interactivo

---

🎮 Demo del Pitch Interactivo (RPG)

---

Demo

Dashboard principal

Modelos supervisados (RF + XGBoost + SHAP)

Segmentación de riesgo (KMeans K=4)

---

Estructura del proyecto

├── Ejercicio Fraude.csv          # Dataset original (50 K transacciones)
├── python/                       # Pipeline de análisis ML
│   ├── analyze.py                # Script principal — ejecuta todos los módulos
│   ├── requirements.txt
│   ├── modules/
│   │   ├── preprocessing.py      # Feature engineering e imputación estratificada
│   │   ├── eda.py                # Análisis exploratorio
│   │   ├── supervised.py         # Random Forest + XGBoost + SHAP
│   │   ├── unsupervised.py       # Isolation Forest
│   │   └── clustering.py         # KMeans K=4 por nivel de riesgo
│   └── outputs/                  # JSONs generados (copiados al dashboard)
├── fraud-dashboard/              # Dashboard Next.js
│   ├── src/app/(dashboard)/      # Rutas: EDA, Modelos, Anomalías, Clustering
│   ├── src/components/           # Charts (Recharts) + Cards
│   ├── src/lib/dataLoader.ts     # Lectura server-side de los JSONs
│   ├── src/types/fraud.ts        # Tipos TypeScript — contrato con Python
│   └── public/data/              # Copia de los JSONs de python/outputs/
└── notebooks/                    # Versiones Colab para presentación
    ├── 01_preprocesamiento_eda.ipynb
    ├── 02_modelos_supervisados.ipynb
    ├── 03_deteccion_anomalias.ipynb
    └── 04_clustering_riesgo.ipynb

---

Ejecución local

1. Pipeline Python

pip install -r python/requirements.txt

# Tarda 3–5 min por el cálculo de SHAP
cd python && python analyze.py

Genera python/outputs/{eda,models,anomalias,clustering}.json y los copia automáticamente a fraud-dashboard/public/data/.

2. Dashboard

cd fraud-dashboard
npm install
npm run dev

Abre http://localhost:3000.

Los JSONs ya están incluidos en el repositorio — el dashboard funciona sin ejecutar el pipeline primero.

---

Metodología

Módulo	Técnica	Detalle
Preprocesamiento	Imputación estratificada	Mediana por (pais_coincide, categoria_comercio) para score_dispositivo
EDA	Estadística descriptiva	Distribuciones, correlaciones, tasas de fraude por segmento
Supervisado	RF + XGBoost	Split 80/20 estratificado, SMOTE solo en train, umbral óptimo por F1
Anomalías	Isolation Forest	Contaminación estimada por regla IQR — sin uso del target en entrenamiento
Clustering	KMeans K=4	Clusters reordenados por tasa de fraude ascendente (C0 = menor riesgo)

---

Resultados principales

Métrica	Random Forest	XGBoost
Precisión	94.23%	95.51%
Recall	98.00%	99.33%
F1-Score	96.08%	97.39%
AUC-ROC	99.99%	100.00%

• Top features (SHAP): score_dispositivo, intentos_fallidos_24h, monto_estandarizado
• Isolation Forest: detecta el ~74 % de fraudes reales sin conocer el target en entrenamiento
• Clustering: 4 perfiles de riesgo con tasas de fraude 1 % → 97.89 %

---

Stack

• Python: pandas, scikit-learn, xgboost, imbalanced-learn, shap
• Dashboard: Next.js 15, TypeScript, Tailwind CSS, Recharts
• Notebooks: Google Colab