Otra mirada al fraudeEc. Ana Clara Rodríguez Dovat
QuanamUna empresa de conocimiento
¿POR QUÉ HAY RIESGO DE FRAUE EN LOS SEGUROS?
• Selección adversaEl asegurado posee información perfecta de la realidad, mientras que la empresa tiene información imperfecta.
• Riesgo moralEl asegurado puede utilizar esta ventaja y conseguir un beneficio extra.
CLASIFICACIÓN DEL FRAUDE
EL PROBLEMA
¿Cómo podemos catalogar los reclamos entre fraudulentos y no fraudulentos de forma eficiente sin obtener información que puede ser costosa?
Los métodos que estamos utilizando hasta ahora, ¿son efectivos para aislar el fraude y los reclamos abusivos del resto?
¿POR QUÉ EL FRAUDE ES DIFÍCIL DE DETECTAR?
• No es universalDepende de la región, del momento en el tiempo y del negocio que setrate.
• Patrones dinámicosLos patrones con los que se cometen fraude se adaptan rápidamente a lasnuevas estrategias preventivas tomadas por las empresas.
• Grandes volúmenes de datosPor ejemplo, llamadas telefónicas o transacciones bancarias.
EN CAMINO A LA SOLUCIÓN
Los casos fraudulentos que ya se hayan encontrado sirven como base para la búsqueda de nuevos casos
Determinar el comportamiento normal y así, definir el fraude
Clusters
Scatter plots
ENFOQUE DE LA SOLUCIÓN
Conocer
Identificación de clientes y entidades al momento de vinculación. Ayuda a prevenir posibles amenazas de lavado o fraude.
Detectar
Detección de patrones de transacciones sospechosas y reporte al ente regulador
GestionarProceso de gestión de casos (workflow) para soportar múltiples niveles de revisión, investigación, aprobaciones, manejo de documentos, evidencias y reporteo sobre los casos.
Investigar
Análisis y seguimiento de casos que ayudan a los investigadores a construir un argumento solido para determinar las acciones de fraude y de lavado.
Análisis que permitan validar los eventos de
lavado o fraude y reporte a las entidades
reguladoras o judiciales
Entender las fuentes de datos e identificar a los clientes
Detectar y descubrir patrones de fraude
Proceso de gestión de casos de fraude .
Conocer
Investigar
Gestionar
Detectar
Gestionar yreportar Entender e
Identificar
Modelar y Analizar
PREVENCIÓN DEL FRAUDE
Reglas de negocio
El conjunto de reglas de los sistemas testean cada una de las transacciones por un conjunto determinado de algoritmos o reglas de negocio. Están diseñadas para detectar ciertos tipos de fraude basados en actividades preestablecidas.
Detección de anomalías
Se utilizan indicadores clave de desempeño (KPI) asociado a las tareas o los eventos, cuando estos valores superan cierto umbral, el evento es reportado. Datos anómalos pueden indicar un patrón desconocido de fraude.
Modelos predictivos
Generación de procesos que asocian a las transacciones niveles de propensión al fraude y para ser analizadas.Los modelos predictivos son más eficientes debido al uso de procesos analíticos y estadísticos.
Análisis de redes sociales
El análisis de redes sociales provee un análisis eficiente en identificar actividades organizadas de fraude entre entidades partícipes del siniestro. Se determinan entidades y relaciones que se explotan de forma de encontrar patrones visuales.
SOLUCIÓN CON QUANAM
• Cada negocio analizado y comprendido en su completitud
• Alto nivel de precisión
• En tiempo real
• Adaptativo
SOLUCIÓN CON QUANAM
La visualización de base de datos en base a grafos ofrece nuevos métodos para descubrir organizaciones fraudulentas con alto nivel de
precisión y en tiempo real.
El entendimiento de las conexiones en los datos y extrayendo el significado de
esos vínculos no siempre significa la recolección de nuevos datos.
Analizando la información existente de una forma más eficiente mediante la reformulación del problema y buscando nuevas soluciones.
MODELADO
Entidades
MODELADO
Relaciones
Denunciante
Fue en
Denunciado
Conducido por
Dueño es Arreglado en
Tiene
EJEMPLOS DE FRAUDE
• Accidente ficticio
• El denunciante no está involucrado en el accidente
• Denuncia duplicada para un mismo accidente
• Declaración de tratamiento que no fue recibido
• Lesión real pero no relacionada al accidente
• Lesión ficticia
• Reclamante alega una pérdida material mayor a la real
FORMAS DE INICIAR LA INVESTIGACIÓN
• Todas las conexiones entre un corredor de seguros X y un taller Y
• Choques de más de 3 autos entre las 0:00 y las 6:00 am
• Análisis de las personas con riesgo crediticio alto y que hayan estado en más de un siniestro
• Personas que hayan conducido y denunciado en el último año siendo propietarias del auto que conducen
• Cantidad de arreglos en el último año por un taller dado, considerando solo los talleres pequeños
¿CÓMO PUEDE LA SOLUCIÓN DE QUANAM AYUDAR A LA DETECCIÓN DE FRAUDE?
• La información exhaustiva de participantes y vínculos permite una mejor adaptación de la realidad
• Detección de patrones de comportamiento que alerten en caso de irregularidades
• Fácil adaptación de la solución a realidades dinámicas
• Análisis de casos en tiempo real
EJEMPLOS EN LA HERRAMIENTA
• Ejemplo Corredor y Taller
• Ejemplo Empresas
Comentarios y preguntas
¡Muchas gracias!
Ec. Ana Clara Rodríguez DovatQuanam