Tekhnika/fraud-model-starter-pack-free

--- pretty_name: Fraud Model Starter Pack language: - en license: cc-by-nc-4.0 tags: - tabular-data - analytics - fintech - fraud-detection task_categories: - tabular-classification - time-series-forecasting size_categories: - 1K<n<10K --- # Fraud Model Starter Pack Free sample for fraud monitoring dashboards, suspicious activity analysis, and finance-oriented analytics workflows. ## What is included - card_transactions.csv: 4398 rows, 10 columns - cardholders.csv: 439 rows, 9 columns - cards.csv: 593 rows, 9 columns - daily_fraud_metrics.csv: 733 rows, 10 columns - fraud_cases.csv: 967 rows, 10 columns - merchant_risk_profiles.csv: 366 rows, 9 columns ## Why this dataset is useful - Useful for a first fraud dashboard or suspicious activity notebook. - Works well for SQL, notebooks, and BI prototyping. - Provides a reduced but representative sample of the core workflow in the full starter pack. ## Starter use cases - Fraud baseline using linked workflow and event data. - Fraud monitoring dashboard for suspicious activity patterns. ## Schema overview ### card_transactions.csv - Rows: 4398 - Columns: transaction_id, cardholder_id, card_id, merchant_id, transaction_date, merchant_category, transaction_amount, merchant_country, entry_mode, transaction_currency ### cardholders.csv - Rows: 439 - Columns: cardholder_id, credit_score_band, customer_name, home_region, customer_segment, tenure_months, travel_frequency, historical_chargeback_flag, risk_band ### cards.csv - Rows: 593 - Columns: card_id, cardholder_id, issue_date, status, card_product, network, credit_limit, card_present_usage_ratio, digital_wallet_flag ### daily_fraud_metrics.csv - Rows: 733 - Columns: metric_id, merchant_id, metric_date, transactions_total, approved_amount, decline_rate, fraud_alerts_total, confirmed_fraud_total, chargeback_rate, loss_amount ### fraud_cases.csv - Rows: 967 - Columns: fraud_case_id, transaction_id, cardholder_id, card_id, alert_date, fraud_type, investigation_status, chargeback_amount, loss_amount, model_score ### merchant_risk_profiles.csv - Rows: 366 - Columns: merchant_id, merchant_category, merchant_country, merchant_name, acquirer_region, merchant_size, card_not_present_share, chargeback_ratio, merchant_risk_band ## Free vs full version - Free Kaggle sample: reduced rows, reduced columns, starter notebook, and enough linked finance fraud tables to validate the core workflow. - Full version: full row volume, richer feature coverage, and extra starter assets for dashboards, SQL, and fraud-analysis work. ## Upgrade to full version - Full version: https://tekhnikalab.gumroad.com/l/fraud-model-starter-pack - Upgrade if you need the full linked schema plus starter assets that get you to a fraud dashboard, SQL project, or risk baseline faster. ## Notes - Contains generated data only and no real personal data. - Designed as a lightweight free sample for evaluation and discovery.--- 数据集名称：欺诈模型入门套件（Fraud Model Starter Pack） 语言： - 英语（en） 许可证：cc-by-nc-4.0 标签： - 表格数据（tabular-data） - 数据分析（analytics） - 金融科技（fintech） - 欺诈检测（fraud-detection） 任务类别： - 表格分类（tabular-classification） - 时间序列预测（time-series-forecasting） 规模类别： - 1000 < 数据量 < 10000 --- # 欺诈模型入门套件（Fraud Model Starter Pack） 本数据集为欺诈监控仪表盘、可疑活动分析及金融导向型分析工作流提供免费示例数据。 ## 数据集包含内容 - 信用卡交易表（card_transactions.csv）：4398行，10列 - 持卡人表（cardholders.csv）：439行，9列 - 银行卡表（cards.csv）：593行，9列 - 每日欺诈指标表（daily_fraud_metrics.csv）：733行，10列 - 欺诈案件表（fraud_cases.csv）：967行，10列 - 商户风险概况表（merchant_risk_profiles.csv）：366行，9列 ## 本数据集的价值 - 可用于搭建首个欺诈监控仪表盘或可疑活动分析笔记本 - 适配SQL脚本、数据分析笔记本及商业智能（BI）原型搭建 - 提供了完整入门套件核心工作流的精简但具有代表性的样本数据 ## 入门使用场景 - 基于关联工作流与事件数据构建欺诈基线模型 - 针对可疑活动模式搭建欺诈监控仪表盘 ## 数据结构概览 ### 信用卡交易表（card_transactions.csv） - 行数：4398 - 列名：交易ID（transaction_id）、持卡人ID（cardholder_id）、银行卡ID（card_id）、商户ID（merchant_id）、交易日期（transaction_date）、商户类别（merchant_category）、交易金额（transaction_amount）、商户所在国家（merchant_country）、交易方式（entry_mode）、交易货币（transaction_currency） ### 持卡人表（cardholders.csv） - 行数：439 - 列名：持卡人ID（cardholder_id）、信用评分区间（credit_score_band）、客户姓名（customer_name）、常住地区（home_region）、客户细分（customer_segment）、在网月数（tenure_months）、出行频率（travel_frequency）、历史退单标识（historical_chargeback_flag）、风险区间（risk_band） ### 银行卡表（cards.csv） - 行数：593 - 列名：银行卡ID（card_id）、持卡人ID（cardholder_id）、发卡日期（issue_date）、卡片状态（status）、卡产品类型（card_product）、卡组织（network）、信用额度（credit_limit）、线下交易占比（card_present_usage_ratio）、数字钱包标识（digital_wallet_flag） ### 每日欺诈指标表（daily_fraud_metrics.csv） - 行数：733 - 列名：指标ID（metric_id）、商户ID（merchant_id）、指标日期（metric_date）、总交易笔数（transactions_total）、已批准交易总金额（approved_amount）、交易拒绝率（decline_rate）、总欺诈预警数（fraud_alerts_total）、确认欺诈数（confirmed_fraud_total）、退单率（chargeback_rate）、损失金额（loss_amount） ### 欺诈案件表（fraud_cases.csv） - 行数：967 - 列名：欺诈案件ID（fraud_case_id）、交易ID（transaction_id）、持卡人ID（cardholder_id）、银行卡ID（card_id）、预警日期（alert_date）、欺诈类型（fraud_type）、调查状态（investigation_status）、退单金额（chargeback_amount）、损失金额（loss_amount）、模型评分（model_score） ### 商户风险概况表（merchant_risk_profiles.csv） - 行数：366 - 列名：商户ID（merchant_id）、商户类别（merchant_category）、商户所在国家（merchant_country）、商户名称（merchant_name）、收单机构地区（acquirer_region）、商户规模（merchant_size）、非现场交易占比（card_not_present_share）、退单率（chargeback_ratio）、商户风险区间（merchant_risk_band） ## 免费版与完整版对比 - 免费Kaggle示例：精简数据行数与列数，附带入门数据分析笔记本，以及足够的关联金融欺诈数据表，可用于验证核心工作流 - 完整版：包含完整数据体量、更丰富的特征覆盖，以及额外的仪表盘、SQL脚本及欺诈分析相关入门资源 ## 升级至完整版 - 完整版链接：https://tekhnikalab.gumroad.com/l/fraud-model-starter-pack - 若需要完整关联数据结构及可快速搭建欺诈仪表盘、SQL项目或风险基线的入门资源，可升级至完整版 ## 注意事项 - 本数据集仅包含生成数据，无真实个人信息 - 专为评估与探索场景设计的轻量免费示例