Almacenamiento
Ejecución
Data
Almacenamiento
Ejecución
ProcesamientoTradicional
Datos
Procesamiento“In-Database”
¿Por qué ahora?
Almacenamiento
Ejecución
Data
Almacenamiento
Ejecución
ProcesamientoTradicional
Almacenamiento
Ejecución
DataMemoria Física
Datos
Procesamiento“In-Database”
Procesamiento“In-Memory”
¿Por qué ahora?
Etapa 1: Reglas de Negocio
Deteccióny
Prevención del Fraude
Reglas de
Negocio
• Método muy utilizado.
• Basado en juicios cualitativos.
• Mantenimiento “manual”
• Reto: Dinámica del fraude.
Ejemplo:
SI• El monto reclamado está por encima
del límite O• Accidente severo sin reporte policial O • Accidente severo sin reporte médico
ENTONCES• Catalogar como sospechosa• Alertar a oficial para investigación
Etapa 2: Métodos No Supervisados
Deteccióny
Prevención del Fraude
No Supervisadas
• Basado en juicios cuantitativos.
• Despliega comportamientos alejados del “patrón común/normal” (outliers).
• Efectivo para detectar nuevas tipologías.
Ejemplo 1: Clustering
.
Deteccióny
Prevención del Fraude
No Supervisadas
Ejemplo 2: Outliers
.
Ejemplo 3: Anomalías en cifras.
• Ley de Benford
• Permite construir distribuciones esperadas de
los primeros x dígitos de cifras.
• Frecuencia Esperada =
LOG10 (1 + 1/x) * 100
.
Deteccióny
Prevención del Fraude
No Supervisadas
Ejemplo 3: Anomalías en cifras.
Utilizado para detección en:
• Fraude Interno. Compras.
• Aseguradoras: Pagos de reclamaciones.
• AML.
.
Deteccióny
Prevención del Fraude
Supervisadas
• Efectivo para originar patrones que permitan diferenciar los comportamientos.
• Basado en datos históricos con transacciones fraudulentas conocidas.
• Permite predecir fraude y monto.
Etapa 3: Métodos Supervisados
Etapa 4: Redes
Deteccióny
Prevención del Fraude
Redes
• Complementa habilidades para detección de fraude.
• Permite detectar transacciones sospechosas apalancadas en una red de entidades. Asociación.
• “Sospechoso por asociación”
Copyright © SAS Inst itute Inc. A l l r ights reserved.
Copyright © 2017, SAS Institute Inc. All rights reserved.
Considere el
estado de los
datos actuales
La importancia de
la
visualizaciónde los datos.
Evalúe sus reglasde negocio actuales.
Tasas de falsos
positivos/negativos
Incorpore técnicas
de análisis
predictivo
Identifique fraude
organizado con
análisis de
Asociación/
Redes
Incorpore el análisis
de anomalías
Basado en experiencias….
Copyright © SAS Inst itute Inc. A l l r ights reserved.
¿Pretenden estos modelos sustituir el juicio experto?
Uso de Minería de Texto.
Tiempo Real.
Internet de las cosas.
Integración de Enfoques.
Juicio del Experto.
Investigación Académica. ROI
Tendencias.
Top Related