V oblasti marketingu se můžete setkat s různými typy anomálií. Dnes již nestačí segmentovat zákazníky do několika základních segmentů. Zásadní je personalizace. Společně najdeme atypické klienty a definujeme pro ně ideální nabídku.
Je to nejoblíbenější oblast pro detekci anomálií, protože její přínos je okamžitý. Už se nemusíte starat o to, který klient je k vám férový a který je podvodník. Podvodné chování odhalíme za vás a ušetříme vám nervy i peníze.
V záplavě textů najdeme chyby a v záplavě produkčních nebo síťových dat anomálie.
Odhalování podvodů se typicky používá v bankovním sektor. Příkladem může být výběr 3 000 korun v Kambodži. Možná máte zkušenost, že taková platba/výběr byly zamítnuty. Došlo k tomu proto, že vaše banka v reálném čase transakci vyhodnotila jako podvodnou. Na základě vyhodnocení podle nastavených ukazatelů totiž existuje vysoká pravděpodobnost, že jde o zkopírovanou kartu k k vašemu účtu.
Zde můžeme zmínit bilanční model z hlediska přesnosti. V některých případech je lepší, když se zamítne validní transakce, pokud existuje určité riziko podvodu. To sice znamená komplikace, pokud peníze chcete vybrat vy, ale budete velmi rád, pokud jde skutečně o podvod.
Telco operátoři používají detekci anomálií např. pro detekci výměny nebo klonování SIM karet. Toho se využívá na černém trhu: SIM karta je naklonována a poté použita buď k volání ze třetích zemí a zákazníci dostávají vysoké účty. Někdy se telefonuje ve stejné zemi a zákazník si toho nemusí ani všimnout a pachatel využívá služeb operátora zdarma. Pachatelé mohou diskutovat o nelegálním podnikání SIM karta je vypátrána nevinnou osobou. K tomuto účelu se běžně používají záznamy CDR (Call detail records).
Obecným cílem detekce anomálií ve zdravotnictví je odhalit podvodné chování poskytovatelů zdravotní péče nebo jakákoli podezřelá tvrzení týkající se zdravotnických zákroků.
Obvykle toho lze dosáhnout shromažďováním údajů z různých zdrojů (nároky, geografické/demografické údaje atd.) a pomocí statistických metod a algoritmů strojového učení jsou taková data označena jako neanomální. Data označená jako anomální mohou vést k identifikaci potenciálního podvodného chování poskytovatelů zdravotní péče nebo podvodných schémat zahrnujících různé účastníky (poskytovatele zdravotní péče, lékárny, pojištěnce).