Institutii financiare:

Data analytics for fraud

prevention

Iuliana Maria, CFE

Care sunt principalele aspecte ale fraudei in

contextul actual?

Ce instrumente si tehnologii pot fi utilizate

pentru a ajuta ofiterii sa detecteze, sa

previna si sa descurajeze frauda si

comportamentul fraudulent?

Agenda

Fenomenul fraudei astazi

Frauda interna

5% din veniturile unei companii pierdute din

cauza fraudei

18 luni perioada medie pentru descoperirea

unei fraude interne

Pierderea medie - 140 000 $/caz frauda

Industriile tinta – sectorul financiar – bancar

Gradul de recuperare – 0% in aproape

jumatate din cazurile de frauda

ACFE Report to the Nations 2012

Fenomenul fraudei astazi

Frauda externa

- Frauda tranzactionala – carduri de credit,

debit, online banking, furt de identitate etc

- Frauda la creditare - credite de consum si

ipotecare, credite retail pentru achizitia de

servicii (telecom)

Volumul de date procesat de companii creste

exponential, iar sursele de date se multiplica

(baze interne si externe, liste negre, birouri de

credit etc)

Fenomenul fraudei astazi

Cum ajuta tehnologiile de analiza a datelor?

Frauda interna

- Creste perceptia detectiei prin monitorizarea

tuturor tranzactiilor si operatiunilor realizate

de utilizatori Vs prin sondaj (sampling)

- Sustine implementarea unui sistem de

control intern

- Consolideaza procesul de investigare si

reconstituire a faptelor

Fenomenul fraudei astazi

Cum ajuta tehnologiile de analiza a datelor?

Frauda externa

- Monitorizeaza si valideaza in timp real toate sursele

de date, interne si externe, pentru a identifica

posibile fraude

- Ruleaza verificari si algoritmi (scorecard-uri) pentru

semnalizarea unui caz suspect

- Automatizarea constituie singura metoda cu puterea

de procesare si rapiditatea necesara contextului

curent de realizare a operatiunilor financiare

Tehnologii de analiza a datelor

Cum actioneaza tehnologiile de analiza a datelor?

- Monitorizarea continua a intregului volum de date

- Identificarea anomaliilor in fluxul de date sau a tiparelor

de comportament potential fraudulente

Unicitatea comportamentul uman

Cat de identificabili suntem ca indivizi?

2012 Louvain University, Harvard & MIT Study

Unique in the Crowd: The privacy bounds of human

mobility shows how mobility patterns are unique to an

individual. - 90% identificare

Securitate fizica – incuietori la usi, dulapuri pentru acte securizate, seifuri, carduri, camere ATM

Prima generatie – rularea unor interogari administrate de IT in bazele de date, verificand manual rezultatele pentru identificarea de comportamente suspecte

A doua generatie – instrumente dezvoltate pentru a automatiza interogarile si a livra rapoarte in format electronic prin email sau portal; rapoartele trebuie verificate manual

A treia generatie – O platforma unica in care instrumentele executa automat analize si data mining pentru a detecta tipare pre- definite sau necunoscute in mai multe baze de date si aplicatii

Solutii de detectie

• Interogari in timp real, scoring de risc de frauda

automatizat

• Reguli de business configurabile

• Analiza Predictiva, capacitate de invatare

• Motor de alerte

• Raportare si documentarea detaliata a cazurilor

• Algoritmi

- invatare nesupervizata – clustering, asociere, atunci cand

caracterizarea input-ului si output-ului de date nu este

cunoscuta

- invatare supervizata – modelare comportamentala, scoring

Tehnologii de analiza a datelor

Noi abordari si algoritmi

• Social media/Social link analysis – descoperirea

gruparilor infractionale prin analiza legaturilor dintre

date (adrese, nume de familie, numere de telefon etc)

• Text mining – monitorizarea cuvintelor cheie din

schimbul permanent de informatii intre angajati si

aplicatii

FBI, E&Y– software de analiza a informatiilor nestructurate din

emailurile de companii, 3000 expresii inregistrate in aplicatie. Proactiv

Vs reactiv

Tehnologii de analiza a datelor

FBI, E&Y study

Top 10 cuvinte si expresii legate de activitatea

fraudulente in schimburi de emailuri: Cover up

Write off

Illegal

Failed investment

Nobody will find out

Grey area

They owe it to me

Do not volunteer information

Not ethical

Off the books

Analiza predictive joaca un rol principal in identificarea tiparelor si scenariilor necunoscute de frauda. Scorecarduri de frauda sunt construite pentru a detecta frauda sau furtul legat de:

• Bunurile clientului

• Datele clientului

• Bunurile si datele confidentiale ale bancii

Activitatea istorica a utilizatorilor este folosita pentru a antrena o retea neurala si a genera scorecard-uri comportamentale si analitice. Modelele evidentiaza activitatea suspecta semnaland deviatiile de la tiparele obisnuite si identificand tipare de frauda predefinite sau necunoscute.

Analiza predictiva

Potentialele cazuri frauduloase sunt clasificate pe baza

scorului lor de risc, si in concordanta cu pragul de scor

ales de banca.

Avantajele solutiei includ:

• Capacitarea de a detecta tipare si scenarii de frauda

necunoscute

• Performanta ridicata de identificare a fraudelor

• Invatare continua din datele introduse

• Detectie pe canale multiple

Analiza predictiva

Procesul de dezvoltare a modelului

EXTRAGERE DATE

CONSTRUIRE SCORECARD

TESTARE SI OPTIMIZARE

VALIDARE FINALA

IMPLEMENTARE

MENTENANTA

Analiza

Timp total

2 saptamani

3 saptamani

4 saptamani

X11…….X1m

X21…….X2m

.

.

.

.

.

.

.

.

Xn1………Xnm

Y1

Y2

.

.

.

.

.

.

.

.

Yn

m

S (xj) = ∑ pi * xji

i=1

⊕

Construirea Scorecardului

Date initiale Rezultatul

istoric

Scorul calculat este o

suma ponderata de

intrari.

S

Pe baza unui istoric de aplicatii fraudulente si autentice, scorecardurile pot invata automat tiparele si caracteristicile din detaliile aplicatiei care pot prezice tentativele de frauda.

Pe baza aplicarii scorecard-ului pe fluxul de date procesat de banca, aplicatia de scoring al riscului de frauda la creditare genereaza un scor pentru fiecare aplicatie de credit, clasificand aplicatiile in trei zone:

• Zona alba (risc scazut)

• Zona gri (necesita investigare)

• Zona neagra (risc ridicat)

Frauda la Aplicatie

Reprezentarea subiectilor BUNI si RAI pe intervale discrete de scoring

Buni

Rai

Kolmogorov Smirnov

Indicatorul Gini

Q & A

Iuliana Maria – Manager Risk

+40740.102.002

iulianamaria@ucs.ro

Iuliana.maria@acfe.ro

UCS Group

Maior Gh. Sontu nr. 3, Bucuresti

Tel: +4021.407.8100

Fax: +4021.260.0890