Ibm Counter Fraud Management

757 visualizações

Publicada em

As soluções de Detecção e Gestão da Investigação permitem que as organizações reúnam, integrem, analisem, visualizem e distribuam informações aos responsáveis pela detecção de irregularidades de forma virtual, de qualquer lugar — centros de operações, escritórios de investigação, Unidades de Polícia ou mesmo da esquina de um crime – ao mesmo tempo que se compartilha informações com os outros integrantes da equipe.

Publicada em: Software
0 comentários
1 gostou
  • Seja o primeiro a comentar

Sem downloads
Visualizações totais
No SlideShare
A partir de incorporações
Número de incorporações
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide
  • Slide AÇÃO Group
  • Organizations leveraging predictive, progressive analytics from IBM get better business outcomes as they are able to tap into a far boarder set of capabilities, to detect suspicious or anomalous transactions, like potentially fraudulent insurance claims, or detecting money laundering activities.
    IBM Counter Fraud Managements optimum mix of analytic capabilities establishes an environment for stronger and more accurate detection..
    Ingesting a wide variety of disparate data sources ( unstructured, structured, streaming, etc), a multitude of analytic techniques, models and rules are able to feed off each other to strengthen the decision making process at the point of interaction.
    By looking at various data sources, we are able to detect anomalies or suspicious behavior, then take action to ultimately reverse the trend or minimize the impact. This power of leveraging various analytic techniques helps better define what is normal and create a baseline for this and then determine anomalies . Once we have these anomalies and characteristics we can also look at similar groups so we can catch people or characteristics that fall into similar categories.
    Like a rubic cube, seeing information in various angles allows a broader view of what the best course of action should be, resulting in swifter acceleration of proper claims or transactions (and thus maintaining a delighted customer) or earlier escalation of possible exposure and the engagement of the investigative unit.
  • Predictive analytics starts at the core when it comes to helping us determine our actions.. The data.. The ability for predictive analytics to cope with this huge amount of data from different sources and different types . Something that none of use could claim to do..
    Overcome data challenges that make it hard to find fraud.
    The ability to include unstructured data as part of our analytics can be powerful activity, people tend to brag about activity they plan or have done or there are indirect reference that could be help us
    We then using all this data we can define what is normal and create a baseline for this and then determine anomalies ..what are the out layers, the suspicious activity, the anomalies. We can then define which of these are acceptable and which are not.
  • Similar to needing a variety of unique analytic techniques to detect suspicious and fraudulent activity, IBM Counter Fraud Management offers various in-depth investigative approaches that combine data extraction, manipulation, analysis and visualization to allow
    Visual and mathematical analysis of complex human and computer networks
    The ability to discover sources and distribution of power: Who knows whom; who does business with whom; and who wields greatest power
    Communication flows in networks and sub-networks
    Monitoring of patterns between communications nodes, performance and key goals
    Centrality, Betweeness, Closeness, Degree, Eigenvector, Link Direction and Weight
  • Start by building your case, then do deep dive analysis
  • Content Analytics from ECM is based on an open and extensible UIMA architecture, pioneered by IBM, that helps create structure and understanding from a group of words, phrases and sentences. For example, in the yellow box, at its simplest form Content analytics will break down the sentence “Owner” “reports” “check engine lite”“flashes” “after refueling”into extracted entities like parts of speech, Owner = noun, reports = verb, etc. It can also extract contextual understanding or concepts that Owner is actually a person or reports indicates a problem and so forth. The insight, higher-level concept, gained is that we know that this incident has to do with a component issue, the Engine light, and it’s related to refueling.
    Although UIMA originated in IBM Research, it is now an OASIS industry standard and an Open Source project which is currently incubating at the Apache Software Foundation.
    Mrs. Smith reported delayed brake response when driving in the snow.
    The front tires of my 2005 Pontiac GTO was rubbing against the struts
  • Our Counter-fraud offering has the ability to ingest massive amount of information, looking at all transactions entering the system. This covers both on-line and off-line. We can do it more efficiently because we integrate risk data from the first layer throughout the transaction life cycle. And by using Predictive analytics technologies we are then able to model behaviors and identify anomalies.
    So for example, we determine that if an account was compromised by malware on-line, we can be more suspicious of check, deposit, ATM or other forms of call center transactions conducted off-line because we know criminals leverage data they harvest on-line to conduct off-line fraud. Our clients can then prioritize and focus on truly high risk data because they now have the proper context to leverage.
    The next frontier is then with Context Accumulation technologies: every time new data comes in, it is added to previous information and the relations already discovered, also modifying then accordingly. Every new data is like a new peace of a puzzle. Adds knowledge to previous information.
    When fraud prevention is more deterministic, customer experience is improved because processes are simpler, transactions are not suspended while fraud investigators determine whether they are legitimate and customers are not needlessly contacted to validate transaction.
    But all this deals with actions being performed after the fraudulent event occurred, and as most firms are not confident of their tools, they often add additional control mechanisms, that may lock the customer out!
    This is why IBM invested in best of breed preventive technologies (e.g. , Trusteer): Stopping fraudulent transactions from even beginning, means all the subsequent issues related to detecting and managing the fraudulent transaction do not exist. It’s a very different approach from the typical front end customer authentication followed by back end anomaly detection process used by the traditional fraud transaction monitoring solutions.
    All these pieces form an end-to-end solution that is completely integrated and reduces costs and limitations of traditional point products..
    Moreover, these are part of a repeatable framework, that may be extended and adapted to changing conditions, without replacing previous choices.
  • Fim da apresentação Grupo AÇÃO
    Final presentation AÇÃO Group
  • Ibm Counter Fraud Management

    1. 1. Soluções IBM contra Fraude Leonardo Loureiro Gerente de Desenvolvimento de Negócios /
    2. 2. l l A mobilidade e o mundo interconectado abrem novas oportunidades para fraudes e Crimes Financeiros on-line Conspirações fraudulentas e fraude interna dos empregados Clientes sem intenção de pagar por serviços & mercadorias "Você é quem diz ser?" Pagamentos e Indenizações impróprias Fraude está em todo lado
    3. 3. l l Esquemas de fraude cada vez mais frequentes e complexas 12 vítimas de crime cibernético por segundo 80% dos esquemas são perpetrados por grupos criminosos organizados A explosão da conectividade global agravou as vulnerabilidades para o crime cibernético dos indivíduos, empresas e nações A fraude não é mais aceitável como "custo de fazer negócios" $100 bilhões de pagamentos anuais impróprios das Agências Federais dos Estados Unidos $1.92 bilhões, maior multa até hoje num caso de lavagem de dinheiro Intensificar a aplicação da regulamentação e perdas operacionais causam pressão significativa na rentabilidade Expectativas do cliente sempre em ascensão 45 pontos de queda do índice de confiança numa marca de loja de varejo uma semana após a violação dos dados 71% dos clientes mudarão de banco devido à fraude A conveniência, a satisfação e a confiança do cliente fazem a escolha da marca e devem ser conquistadas de forma contínua Forças convergentes estão aumentando o risco de fraude, exercendo significativa pressão na retaguarda das organizações Os números da Fraude
    4. 4. l l Combater a Fraude e os Crimes Financeiros é uma prioridade de Sala de Diretoria Cada vez mais, as empresas estão nomeando CROs e CISOs com uma linha direta para o Comitê de Auditoria • Perda de reputação e quota de mercado • Exposição a responsabilidade legal • Falha de auditoria • Multas e acusações criminais • Perda financeira • Perda de confidencialidade , integridade e/ou disponibilidade dos dados • Violação da privacidade do empregado • Perda da reputação da marca • Perda de confiança do cliente • CEO •CFO/COO • CIO • CHRO • CMO • Source: Discussions with more than 13,000 C-suite executives as part of the IBM C-suite Study Series Combate a Fraude é uma prioridade
    5. 5. l l Reclamações Subscrição Analítica Legal Riscos Unidade Especial de Investigação (UEI) – analistas e investigadores Gerenciamento Dentro de uma empresa, soluções temporárias/pontuais e cultura corporativa do silo, diretamente contribuem para aumentar o risco de fraude Visão estreita da organização Dados isolados Reativo versus proativo Custo de fazer negócios aceito Paliativos específicos em cada departamento Os desafios: Dept A Dept B Dept C Dept D As vulnerabilidades da infraestrutura
    6. 6. l l Análise de Rede Social Análise Geoespacial Análise de Contexto Desafios do negócio •Resolução rápida de identidade •Redução de falsos positivos •Investigações rápidas e oportunas •Visão das exposições abrangendo a empresa toda •Consistência corporativa Inteligência de Negócio Gestão de Conteúdo Uma infinidade de tecnologias avançadas são necessárias para combater a fraude. Análise de Conteúdo Análise Forense Gestão de Decisão Análise Preditiva Análise de Identidades Desafios do Negócio Análise Comportamental
    7. 7. l l IBM Counter Fraud Management Detectar Responder Investigar Descobrir IBM Counter Fraud Management Uma oferta integrada de última geração, que aborda todas as fases da fraude corporativa Todas as funções em uma única solução integrada Suportado com Serviços de Implementação Aquisições e desenvolvimento interno da IBM produziram um incomparável conjunto de recursos focados na luta contra a fraude Fraude está em todo lado
    8. 8. l l Risco Operacional Exposição das fraudes Provas INVESTIG AR RESPONDE R Gerenciamento de decisões ! DESCOBRIR Análise Retrospectiva DETECTAR Fontes de dados da linha de negócio Análise de grande volume de dados Inteligência de Crimes Cibernéticos Alertas de Soluções Inteligência da Segurança Dados externos e Inteligência Análise multi- camadas & regras de negócio Preditiva, Entidade, Contexto, comportamental Ferramentas de gerenciamento forense e de casos Rede Social Geo Espacial Contexto INFORM AR Fontes Fases da Gestão do Combate à Fraude
    9. 9. l l Análise multi-camadas proporcionam uma melhor combinação de técnicas para fazer a detecção de fraudes mais precisa Análise de identidade • Resolver identidades • Identificar relações Análise de identidade • Resolver identidades • Identificar relações Identificar com certeza entidades e relacionamentos Regras Específicas • Regras de auditoria • Conhecimento do especialistas Regras Específicas • Regras de auditoria • Conhecimento do especialistas Registrar o que já sabe Segmentação • Região, Tipo de organização • Tipos de fraude Segmentação • Região, Tipo de organização • Tipos de fraude Grupos com base na semelhança Modelos Preditivos • identificar possíveis fraudes por meio de padrões as tendências nos dados Modelos Preditivos • identificar possíveis fraudes por meio de padrões as tendências nos dados Use a experiência histórica para prever fraudes atual Detecção de Anomalias • Compare com o comportamento normal • Associação ocultas Detecção de Anomalias • Compare com o comportamento normal • Associação ocultas Identificar eventos atípicos DETECTAR & RESPONDER
    10. 10. l l Superar os desafios de dados que tornam difícil encontrar fraude • Grandes volumes – Técnicas Avançadas de Big Data – Compreender rapidamente conjuntos de dados grandes e complexos usando procedimentos estatísticos avançados para ter alta precisão qualidade na tomada de decisões. • Sem sentido em estado bruto – Preparação de dados automaticamente - Agilize o estágio de preparação de dados do processo analítico para entregar mais rápido, resultados de análise de dados mais precisos. • Muitas vezes ignorados os dados não estruturados – Abordagem Holística aos dados – usar a análise sobre os dados não estruturados (texto, mídia social, processamento de linguagem natural) para a completude de insights sobre os dados. • Acesso a fontes específicas do domínio – Abordagem de dados agnóstica – Use insights de todos os dados. • Determinar o que é "normal" – Identificação de discrepantes – Definir rapidamente o que é normal eo que é uma anomalia através de algoritmos estatísticos. algorithms.
    11. 11. l l Analítica progressiva acumula contexto para além de uma única transação para melhorar a detecção de fraudes Análise progressiva usa várias técnicas analíticas para fornecer uma mais precisa detecção de fraudesAnálise progressiva usa várias técnicas analíticas para fornecer uma mais precisa detecção de fraudes Suspeita (baixa probabilidade) Suspeita (alta probabilidade) Possível fraude Abrir novo caso/Investigar Monitorar Não suspeito Grandes fontes de dados Manter Acelerar • Redução de falsos positivos • Redução de falsos negativos • Redução de rejeições • Decisões mais confiantes DETECTAR Próxima melhor ação Resultado ÁnaliseMúltipla Fase de Detecção
    12. 12. l l Resolver atividades suspeitas usando os recursos de investigação e forenses do estado-da-arte para confirmar ou negar os casos Rapidamente responde às ameaças, utilizando várias ferramentas analíticas e de conteúdo reduzindo o impacto da fraudes nos negócios Rapidamente responde às ameaças, utilizando várias ferramentas analíticas e de conteúdo reduzindo o impacto da fraudes nos negócios • Uso mais eficiente de funcionalidades • Resolução mais rápida dos casos • Visualização de provas • Mais Fraudes Confirmados Funcionalidades Processo Ferramentas de Análise Análise Geo-Espacial Análise Contextual Análise Rede Social Análise Forense INVESTIGAR Gerenc. Casos Resultado Fase de Investigação
    13. 13. l l Investigar e Descobrir reúne informações aparentemente não relacionadas Fraud Visual Analysis Fraud Link Analysis Forensic Analytics • Compartilhar e Colaborar em inteligência contra fraudes • Poderosa descoberta forense • Análise Geo Spatial • Análise Estruturada e não Estruturada • Análise de mídia • Poderosos filtros de análise • Combina a extração de dados, manipulação, análise e visualizaçã Social Network Analytics INVESTIGAR
    14. 14. l l Reporting seamlessly leverages the data from detection and investigation to manage the business and visualize patterns Timelines Fraud risk heat maps Money flowsProgram Efficiency & Effectiveness Exposure by Type by Geo Managing and communicating about fraud and compliance risk, and using the information to tune your people, processes, and analytical tools is critical. Most other vendors do not have a core competency in reporting and visualization, including ability to aggregate data across multiple sources, leverage big data repositories, and integrate reporting seamlessly with detection and investigation layers. IBM’s Counter Fraud Management platform ties all of these elements together. REPORT
    15. 15. l l Resolução identidade Regras Análise das entidades Modelos Preditivos Otimizar Decisões de evasão ou fraude Detecção de Anomalias Motor de Detecção Companhia Edital Análise das entidades Prevenção, Detecção e Investigação Alerta em tempo real Nova Pesquisa Espaço Observação Investigação inteligente Portal especializado em pesquisaGestão de Casos
    16. 16. l l Content Analytics 17 Característica: … Visão de insights de negócio profundos e de valor extraídos de conteúdo não estruturado …Modelagem linguística e extração de conceitos a partir da classificação, NLP e text analytics … Busca dinâmica, segura e orientada a análise com resultados precisos e rápidos …Extraia valor a partir de conteúdos não estruturados com o Content Analytics! Content Analytics Miner UI  Organiza, Analiza e Visualiza conteúdo corporativo estruturado, semi-estruturado e desestruturado  Identifica tendências, padrões, correlações, anomalies e contexto de negócios a partir de coleções Processamento de Linguagem Natural (NLP)  Utiliza modelagem linguistica para habilitar semantica / entidade / extração de conceitos do conteúdo de negócio  Emprega classificação avançada para categorizar conteúdo e apresentar insights de negócio Pesquisa corporativa  Crawler, indexação e analise de dados e conteúdo para pesquisa corporativa segura Business Integration  Integração do Content Analytics com processos de negócio e outras soluções de analytics Enterprise Search Business Integration Text Analytics / NLP Content Analytics
    17. 17. l l Interface de Pesquisa
    18. 18. l l Processamento de Dados não-Estruturados
    19. 19. l l Gestão de Casos Iniciar e gerenciar fluxo de trabalho, regras e gestão de casos de fraude • Solução que integra conteúdos, processos e pessoas • Produz resultados otimizados por meio de análise de Conteúdos, regras, colaboração • Suporta o gerenciamento de trabalho de atividades estruturadas e não estruturadas • Produz informações confiáveis sobre o “Case” • Gerenciamento e governança em todo o ciclo de vida do “Caso” • Criação de Template de Casos – Estrutura, Tarefas/etapas, workflow, etc... • Criação de Caso / com possíbilidade de acrescentar tarefas durante um caso. • Notificações e integração direta com i2 Analyst’s Notebook. • Possibilidade de anexar no caso todas as evidencias de uma fraude, inclusive chart do ANB. • Análise de informação não estruturada. • Geração de documento com toda a estrutura do caso, suas informações e anexos. • Painel para gestão executiva.
    20. 20. l l  Habilidade de tomar informações de muitas fontes diferentes para desenvolver perfis ricos e criar ponderações de risco em tempo real.  Estratificação ótima de técnicas analíticas para modelar comportamentos e identificar anomalias usando contexto histórico, novos dados relativos a descobertas anteriores, para melhorar a precisão e conhecimento da atividade suspeita  Capacidade de análise forense extensiva para acelerar a validação de atividade suspeita  Framework repetível que permite extensão flexível e aproveita as capacidades existentes.  Integração end-to-end out-of-the-box do melhor das capacidades em sua categoria de Detecção de Resposta à Investigação, reduz o custo eo risco de amarrar juntos soluções específicas tradicionais. IBM Counter Fraud Management oferece capacidades distintivas para gerenciar proativamente a fraude
    21. 21. l l Grupo Bancolombia usa a mineração de dados para identificar transações potencialmente fraudulentas Desafio do Negócio: Para aderir aos requisitos mais rigorosos de emissão de relatórios governamentais, o Grupo Bancolombia precisava analisar milhões de transações diárias para identificar fraudes atuais e potenciais. A solução: O banco implantou software de modelagem de dados preditivo, que ajudou a detectar transações que faziam parte de possíveis operações de lavagem de dinheiro, mais fácil e rapidamente. Detectando e analisando padrões esperados e típicos de mais 1,3 milhões de transações por dia, a solução previne, detecta e relata as atividades bancárias potencialmente fraudulentas que podem ter origem em ações criminosas ou terroristas. "Com o sistema de mineração de dados, geramos uma economia por aumento produtividade de quase 80 por cento.” — Francisco Ruiz, Chefe de Conformidade, Bancolombia aumento de 200% na geração de resultados aumento de 80% em produtividade de análise aumento de 40% na identificação de transações suspeitas Caso de Sucesso Grupo Bancolombia
    22. 22. l l Santam reduz o volume de reclamações, melhorando o atendimento ao cliente “Este tipo de análise não tinha sido aplicada assim antes. Isso demonstra como estamos começando a otimizar seu motor com todas as informações que eles estão obtendo do sistema.“ — Anesh Govender, Chefe de Finanças, Comunicações e Resgate, Santam Seguros Desafio de Negócio: Santam precisava de uma solução que de forma mais eficaz, fizesse a avaliação do risco e separasse reclamações potencialmente fraudulentas das de baixo risco, o que não só poderia prevenir a fraude, mas também reduzir outros custos e acelerar os tempos de processamento. A solução: com o novo sistema, a empresa não só poupa milhões previamente perdidos em episódios de fraude de seguros, mas também drasticamente reduz o tempo de processamento para pedidos de baixo risco, levando a uma resolução de menos de uma hora para alguns clientes. A empresa também espera usar modelagem de propensão para melhorar e aperfeiçoar o processo de segmentação à medida que mais dados se tornam disponíveis — identificando seus melhores clientes, oferecendo-lhes produtos mais adaptados e melhores benefícios, e modelando dados meteorológicos mais acertados para ajudar a reagir mais rapidamente em situações de desastre. $2.5 milhões poupados em seis meses 90% redução no tempo de processamento para reclamações de baixo risco Diminuição de custos através da recusa de reclamações falsas All amounts are in US dollars. Caso de Sucesso Santam
    23. 23. l l The Insurance Bureau of Canada pôde olhar abaixo da superfície dos seus pedidos de indenização para descobrir fraude. Desafio do Negócio: O The Insurance Bureau of Canada reconheceu que suas táticas de investigação tradicionais eram inadequadas para as mais complexas ameaças de fraude, feitas por redes criminosas cada vez mais organizadas. A organização sabia que era preciso adotar novas formas de encontrar e desvendar estas quadrilhas de forma mais rápida, mais precisa e mais efetiva em termos de custos. A solução: O The Insurance Bureau of Canada agora tem uma solução que busca não só padrões nos dados de pedidos de indenização, mas também nos vínculos sociais e legais ocultos que interligam os vários reclamantes, cúmplices e até mesmo clínicas de saúde, que estão envolvidas nesses esquemas de fraude de longo alcance. Informações vitais reunidas sobre fraudes Descoberta da fraude previamente não identificada Redução de esforços para investigações "Nós demonstramos através desta solução, como podemos melhorar a eficácia e a eficiência dos investigadores, usando tecnologia de análise e visualização para tornar a detecção das fraudes mais inteligente e mais rápida." — Rick Dubin, Vice-presidente de Serviços de Investigação, Insurance Bureau of Canada Caso de Sucesso The Insurance Bureau of Canada
    24. 24. l l Muito Obrigado