DATA WAREHOUSE

Les données transactionnelles sont scindées en 5 tables distinctes pour epouser le schema de table choisi : STAR SCHEMA

Pour se faiire, nous aurons 4 tables de dimension(dim_merchant, dim_client, dim_pos, dim_account) et 1 table de fait(fact_transaction).

LPRS

Ce module du système transforme le fichier json contenant les logs de transactions en format structuré qui sera rendu disponible pour l'OFRM.

De plus, il stocke les données structurées dans une table de DWH tel que reçu a travers le fichier json.

La phase de feauture engineering sera entamée juste après. Cette étape concerne la création de nouvelles colonnes qui serons des dérivés des colonnes deja existantes.

OFRM

Ce module du système joint les sous-scores en trois score globaux qui seront consolidés en un seul score, GLOBAL RISK SCORE. Ensuite, un étiquetage de chaque transaction est fait après obtention du GLOBAL RISK SCORE en 4 groupe possible: LOW, MEDIUM, HIGH et CRITICAL qui catégorise le risque que chaque transaction représente.

De plus, un encodage de variables ainsi qu'une normalisation(Z-score) des variables numériques sont effectués afin de rendre le jeu de données pour l'algorithme non-supervisé choisi(HDBSCAN).