혐의자 개인에 대한 분석만으로는 범죄 행위를 추적하기 힘듭니다.
혐의자를 발견한다 하더라도, 혐의 일부분만 밝혀내는데 그치기도 합니다.

소셜 네트워크 분석을 통해 행위자들 간의 관계를 분석하여
비정상적인 관계가 형성된 혐의자를 파악하고,
혐의자 간 관계를 확장하며 혐의지점을 효과적으로 탐색하고 추적할 수 있습니다.

1. 혐의자 개인에 대한 분석에 치중하여 혐의 여부를 파악하는데 한계가 있다.

2. 혐의관계를 파악하거나 추적하는데 시간이 오래 걸린다.

주가 조작은 의도적으로 주식의 가격을 조작하여, 일시에 매도하고 차익을 편취하는 불공정 거래 행위를 말합니다.
대부분 2인 이상이 공모하여 매도와 매수 행위를 담합해 주가를 조작합니다.

하지만 매 시간 축적되는 거래 데이터의 규모는 매우 막대하여, 범죄 행위 여부를 탐지하기가 쉽지 않습니다.

하지만 사이람의 솔루션을 활용해
계좌, 통신 등 다양한 빅데이터 속에서 빠른 시간 내에 주가 조작 패턴을 파악할 수 있었습니다.

특히 복잡한 데이터를 관계 기반 데이터로 모델링하여 직관적인 분석/시각화가 가능한 통합 분석 환경을 구축한 결과,
기존 평균 1~3개월이 소요되던 혐의자 간 공모관계 분석시간을, 1주일 이내로 단축시킬 수 있었습니다.

보험사기 범죄란, 가해자와 피해자, 계약자와 피보험자, 설계사와 병원 등
보험 계약과 관련한 많은 당사자들이 공모하여 사고를 고의적으로 유발하거나 위장하여 보험금을 편취하는 것을 말합니다.

현재 보험 사기 적발 시스템은
주로 관련 당사자를 중심으로 보험 가입 및 보험금 수취 횟수와 기간, 특징 등을 분석하고 있습니다.
하지만 개개인에 대한 프로필 분석만으로는 보험사기 패턴을 파악하는데 많은 한계가 있습니다.

이에 “보험사기 당사자 간 공모관계 분석”을 할 수 있는 사이람의 솔루션이 도입되었습니다.

그 결과, 그 전에는 발견할 수 없었던
가해차량과 피해차량의 공모사기, 설계사와 병원의 공모사기 등을 적발할 수 있었으며,
이와 연계된 혐의그룹들을 효과적으로 탐색하여 보험사기 적발 건수를 증가시킬 수 있었습니다.