Modelado de redes criminales e inteligencia financiera
Taller práctico — 3 horas — FastAnalytics / MileInvestiga
FastAnalytics S.A.S · Patrocinador del 2do Workshop Internacional de Estadística 2026 — UNAL, Sede Manizales · 5 y 6 de noviembre
Este repositorio convierte información dispersa —reportes de operaciones sospechosas— en una red estructurada que revela las conexiones ocultas del crimen organizado.
Cada fila de transactions_map.csv es un reporte de operación sospechosa (SAR, Suspicious Activity Report), no una transacción confirmada como ilícita. Son reportes que los propios bancos presentaron ante el FinCEN (Financial Crimes Enforcement Network, Departamento del Tesoro de EE. UU.) entre 2000 y 2017 por considerar sospechosos los movimientos de sus clientes, y que la ICIJ (International Consortium of Investigative Journalists) filtró en 2020 en los FinCEN Files.
Implicaciones para el análisis:
- Sospecha ≠ delito: un banco en esta red no es culpable; aparece porque reportó (o fue señalado en) movimientos que activaron sus controles de lavado de activos.
- Sesgo de reporte: la red muestra dónde los bancos detectaron actividad sospechosa, no necesariamente dónde ocurre todo el lavado.
- Datos sensibles: provienen de documentos filtrados a periodistas. Uso exclusivo académico/capacitación; no redistribuir.
Objetivos del taller
Al finalizar, el asistente será capaz de:
- Explorar los datos —cargar, limpiar y entender el dataset SAR (módulo 1).
- Construir la red cronológica —chronnet: cómo se suceden los movimientos en el tiempo (módulo 2).
- Analizar la estructura —densidad, transitividad, reciprocidad y ley de potencias: ¿es libre de escala? (módulo 3).
- Estudiar la topología —comunidades, jerarquía y subgrupos de ocultamiento (módulo 4).
- Identificar actores clave —líderes, intermediarios y nodos estructurales (módulo 5).
- Definir la disrupción —qué nodos romper, qué flujos cortar, a quién priorizar (módulo 6).
Además, todo el análisis se exporta en JSON estructurado (outputs/agente/) para que un agente de IA —MileInvestiga— lo consuma y apoye investigaciones (esquema en AGENTE_IA.md).
Módulos
| # | Informe | Contenido |
|---|---|---|
| 1 | Datos | Carga, limpieza y exploración del dataset SAR |
| 2 | Chronnet | Chronnet, evolución mensual, red interactiva y 3D |
| 3 | Caracterización | Transitividad, reciprocidad, ley de potencias, caminos mínimos, mapa dinámico |
| 4 | Comunidades | Algoritmos, modelo nulo de configuración, block bootstrap, dendrograma |
| 5 | Actores clave | Centralidad y mapa arriba/debajo del umbral |
| 6 | Disrupción | 5 estrategias × 2 protocolos, AUC, Wilcoxon, blancos, mapas |
Cómo ejecutar
# Pipeline completo (desde la raíz del repo)
Rscript main.R
# Renderizar los informes
quarto render informes/Los resultados intermedios se guardan en outputs/ y la geocodificación de bancos en data/bancos_geo.csv.
Nota de sensibilidad: los datos provienen de reportes de actividad sospechosa filtrados a periodistas. El repositorio es privado; no redistribuir los datos.