例如，确定从受益人家出发的驾车或步行时间最短的药房，并在该路线周围创建一个三英里的缓冲区），将这些参数应用于每种阿片类药物受益人并识别任何异常值。如果多人一反常态地长途跋涉前往特定药房，则可能有理由进行调查。 数据量如此之大。我不需要更多的线索和更多的欺诈识别，我需要欺诈优化， 克罗普说。数据分析很重要，因为它可以帮助识别更大的欺诈网络，并使调查人员能够优先考虑如何分配资源和追查案件。 美国邮政服务 使用 工具来检测 双重提款 ，即 员工或其亲属通过作为外部承包商赚取额外收入而获得双重报酬，这会导致利益冲突。
引用的个例子是名邮递员
该邮递员还与同一 设施签订了保管合同。在确定地 冰岛电话号码表 址完全匹配后， 能够收回 美元。） 尽管 尝试通过地址匹配进行基本数据分析（确保存档的员工地址与合同支付数据库中的任何地址都不匹配），但他们遇到了许多挑战。如果地址的拼写略有不同（ 而不是 ），系统可能不会显示匹配项。 相反，美国邮政在地图上绘制了过去两年的所有员工地址和所有收款人地址。使用 邻近工具，监察办可以识别供应商地址距离员工地址几英里以内的情况，并分析附加信息（例如特定承包商的交易数量和交易总美元价值），以帮助代理商缩小范围导致可能的欺诈案件。
代理商还可以随时通过
并放大其负责的区域区域。 还能够使用 技术来识别通过邮政加油卡收取欺诈交易费用的高速公路承包商和司机。 以前识别欺诈的唯一方法就是凭直觉。基本上不可能查看庞大的燃料交易电子表格清单并试图猜测哪些是欺诈性的，哪些不是， 说。 但通过 ， 能够绘制有关驾驶员出发地点、需要结束地点的信息，并插入购买和燃料交易的停靠地点。通过将这些数据与从 银行邮件 点到 点的最有效、最直接的路线叠加，调查人员能够看到司机在缓冲区之外行驶的地方。由于采用了这项技术，一家邮政高速公路承包商因未经授权购买超过 万美元的燃料而被取消资格并暂停。
