https://criss-lab.com/es/author/victor-navarro/Victor NavarroWowchemy (https://wowchemy.com)es-clhttps://criss-lab.com/es/author/victor-navarro/avatar_hu7635f04440b9df281e5bbc4643497d0c_7726_270x270_fill_q75_lanczos_center.jpeghttps://criss-lab.com/es/author/victor-navarro/https://criss-lab.com/es/projects/scoring-fraud/Wed, 04 Mar 2026 00:00:00 +0000https://criss-lab.com/es/projects/scoring-fraud/<p><strong>scoring-fraude</strong> es un proyecto aplicado que desarrolla un marco explicable para scoring de riesgo de fraude a partir de redes transaccionales. El objetivo es ayudar a equipos de riesgo y operaciones a priorizar revisión, monitoreo y seguimiento usando señales relacionales interpretables, en lugar de depender solamente de predicciones de caja negra.</p> <p>El trabajo conecta capacidades de CRiSS-LAB en ciencia de redes, analítica de grafos, machine learning, detección de anomalías y apoyo a decisiones. A nivel público, el enfoque estudia cómo interactúan las cuentas dentro de vecindarios transaccionales locales, cómo la exposición a riesgo previamente identificado aparece en la red, y qué patrones estructurales sugieren concentración, dispersión, movimiento rápido, recencia o comportamiento inusual del vecindario.</p> <p>Esta entrada está documentada deliberadamente solo en un nivel público y no sensible. No revela datos privados, reglas operativas, materiales específicos de terceros ni detalles de implementación que puedan comprometer seguridad o flujos de prevención de fraude.</p> <p>Valor público de investigación:</p> <ul> <li>Scoring explicable de riesgo para decisiones de alto impacto.</li> <li>Features basadas en grafos para sistemas transaccionales.</li> <li>Priorización con analistas humanos en el ciclo de decisión.</li> <li>Prácticas responsables de IA para detección de fraude y operaciones financieras.</li> <li>Mejor separación entre predicción, interpretación y toma de decisiones.</li> </ul>https://criss-lab.com/es/projects/derco1/Tue, 01 Jun 2021 00:00:00 +0000https://criss-lab.com/es/projects/derco1/<style> div { text-align: justify; text-justify: inter-word; } </style> <div> Este proyecto buscó mejorar la toma de decisiones en la industria automotriz. Analizamos datos completos de permisos de circulación entre 2016 y 2021 para construir una estructura relacional de vehículos y sus representaciones mediante embeddings. Luego desarrollamos sistemas de recomendación ajustados con datos de clientes. <p>El objetivo fue generar evidencia accionable para apoyar decisiones comerciales y entregar mejores recomendaciones de vehículos, partes y accesorios a clientes actuales y futuros.</p> </div> <br> <div class="alert alert-note"> <div> <p>Escríbenos para obtener más información sobre este proyecto.</p> <ul class="cta-group"> <li> <a href="../../contact/" class="btn btn-primary px-3 py-3">Contacto →</a> </li> </ul> </div> </div> <!-- Supplementary notes can be added here, including [code and math](https://wowchemy.com/docs/content/writing-markdown-latex/). -->