ANOMALİ TESPİTİ VE SUİSTİMAL ÖNLEME: TELEKOMÜNİKASYON SEKTÖRÜNDE BİR UYGULAMA

Year 2025, Volume: 33 Issue: 3, 1893 - 1905, 19.12.2025

Utku Koc , Özge Özalanyalı , Özgür Bulut

https://doi.org/10.31796/ogummf.1587899

Abstract

Bu çalışmada, telekom sektöründeki satış kanallarında ortaya çıkan anomalilerin tespitine ve suistimal olabilecek durumların engellenmesine yönelik istatistiksel bir yöntem geliştirilmiştir. Yöntemin geliştirilmesi ve test edilmesi sürecinde 371 farklı satış kanalına ait 9 aylık tüm satış bilgileriyle 340 binden fazla gerçek veri noktası kullanılmıştır. Anomali tespitinde en çok karşılaşılan engellerden biri yöntemin anomali olarak işaretlediği noktaların gerçekten anomali olup olmadığının teyit edilmesindeki zorluktur. Her bir kanalın kendi kontrol grubunu oluşturduğu bu çalışmada ise yöntemin anomali olarak işaretlediği noktaların gerçekten bir anomali olup olmadığı ilgili iş birimi tarafından değerlendirilmiş ve teyit edilmiştir. Her bir satış kanalı için günlük güven aralıkları ayrı ayrı hesaplanmış ve bu aralığın dışına çıkan durumlara hızlı tepki veren bir yöntem kullanılarak olası suistimallerin önüne geçilmiştir. Elde edilen bulgular, önerilen yöntemin anomali tespitinde başarılı olduğunu ve satış süreçlerindeki potansiyel suistimallerin önüne geçtiğini ve dolayısıyla müşteri memnuniyetini artırdığını göstermektedir. Geliştirilen yöntem yüksek performans ve ölçeklenebilirliği sağlamak için çoklu mimari yapısında uygulamaya alınmıştır. Geliştirilen yöntem ve uygulama, güvenlik ve veri bütünlüğü konularında da önemli avantajlar sunmaktadır. İlgili iş birimlerinin hızlı ve etkili kararlar alabilmesi, organizasyonun genel risk yönetimi stratejisine büyük katkı sağlamaktadır. Bu sayede, potansiyel tehditler zamanında tespit edilerek işletmenin güvenlik standartları korunmakta ve sürdürülebilir bir operasyonel çevre yaratılmaktadır. Ayrıca, projenin teknik yapısı anomali tespit sisteminin sürekli iyileştirilmesi hem yazılımın performansını artıracak hem de daha ileri düzeyde veri analizi imkanı sunacaktır. Sonuçlar, telekom şirketlerinin stratejik karar alma süreçlerine önemli katkılarda bulunarak rekabet avantajı sağlamalarına yardımcı olmaktadır.

Keywords

Anomali Tespiti , Suistimal Önleme , Büyük Veri Analizi , Güvenlik Yönetimi , Risk YÖnetimi

ANOMALY DETECTION AND FRAUD PREVENTION: AN APPLICATION IN TELECOMMUNICATIONS

Abstract

This study develops statistical methods to detect anomalies in telecom sales channels to prevent potential misuse. Over 340,000 data points spanning 9 months from 371 different sales channels were utilized during the development and testing of the proposed method. One of the major challenges in anomaly detection is confirming whether the flagged points are indeed anomalies. In this study, each sales channel served as its control group, and the points marked as anomalies by the method are evaluated and validated by the relevant business unit. For each sales channel, daily confidence intervals are calculated separately, and a method providing rapid response is used to prevent potential misuse for cases falling outside these intervals. Findings demonstrate that the proposed method successfully identifies anomalies and prevents potential misuse in sales processes, thus enhancing customer satisfaction. The method is implemented within a multi-architecture structure to ensure high performance and scalability. Additionally, the method and its application offer significant advantages in security and data integrity, enabling quick and effective decision-making by relevant business units, contributing substantially to the organization's overall risk management strategy. This proactive approach safeguards security standards and creates a sustainable operational environment by timely detecting potential threats. Furthermore, the technical structure of the project supports continuous improvement of the anomaly detection system, enhancing software performance and enabling more advanced data analysis. These results provide valuable insights into strategic decision-making for telecom companies, supporting a competitive advantage.

Keywords

Anomaly Detection , Fraud Prevention , Big Data Analytics , Security Management , Risk Management

References

• Blázquez-García, A., Conde, A., Mori, U., & Lozano, J. A. (2021). A review on outlier/anomaly detection in time series data. ACM computing surveys (CSUR), 54(3), 1-33. https://dl.acm.org/doi/abs/10.1145/3444690
• Hawkins, D. M. (1980). A single outlier in normal samples. Identification of Outliers, 27-41. https://doi.org/10.1007/978-94-015-3994-4_3
• Munir, M., Siddiqui, S. A., Dengel, A., & Ahmed, S. (2018). DeepAnT: A deep learning approach for unsupervised anomaly detection in time series. Ieee Access, 7, 1991-2005. https://ieeexplore.ieee.org/abstract/document/8581424
• Rodrigues, V. F., Policarpo, L. M., da Silveira, D. E., da Rosa Righi, R., da Costa, C. A., Barbosa, J. L. V., ... & Arcot, T. (2022). Fraud detection and prevention in e-commerce: A systematic literature review. Electronic Commerce Research and Applications, 56, 101207. https://doi.org/10.1016/j.elerap.2022.101207
• Tran, P. H., & Tran, K. P. (2016). The efficiency of CUSUM schemes for monitoring the coefficient of variation. Applied Stochastic Models in Business and Industry, 32(6), 870-881. https://doi.org/10.1002/asmb.2213
• Tran, P. H., Heuchenne, C., & Thomassey, S. (2022). Enhanced CUSUM control charts for monitoring Coefficient of Variation: A case study in Textile industry. IFAC-PapersOnLine, 55(10), 1195-1200. https://doi.org/10.1016/j.ifacol.2022.09.552
• Xu, X., Liu, H., & Yao, M. (2019). Recent progress of anomaly detection. Complexity, 2019(1), 2686378. https://doi.org/10.1155/2019/2686378
• Zhou, Y., Qin, R., Xu, H., Sadiq, S., & Yu, Y. (2018). A data quality control method for seafloor observatories: The application of observed time series data in the East China Sea. Sensors, 18(8), 2628. https://doi.org/10.3390/s18082628Babalık, F. (2016).