Como estabelecer um projeto de análise para combater a fraude bancária?

fraudeCada vez mais instituições financeiras tentam combater o problema da fraude, o qual está a assumir novas formas e grandes proporções a grande velocidade. O phishing foi substituído pelo vishing agressivo, onde empresas como a Michelin foram ludibriadas a transferir milhões para terceiros mal-intencionados. O modus operandi da fraude online, que costumava presenciar ataques de cibercriminosos que tentavam assumir o controlo do site, assumiu novos contornos, passando da utilização de contas falsas insuspeitas para as conspirações organizadas com pessoas que entregam as suas próprias contas para serem utilizadas como contas de transferência, cobrando uma taxa pelo serviço.

As instituições financeiras, que costumavam deixar a tarefa nas mãos dos funcionários em contacto direto com o cliente ou que executavam alguns scripts de fundo para enviar alertas de fraudes para a sua equipa de back office, foram atingidas por graves perdas nos últimos 3 anos, tendo pouca ou nenhuma perceção do volume que estava realmente a ser perdido e sem qualquer rede de segurança para amortecer o impacto de uma infração em pleno.

Porque devemos utilizar a análise para detetar fraudes

O regresso à análise é definitivamente o caminho a seguir. Devidamente implementada, a análise de dados irá ajudar a detetar eventos e métodos de fraude que passariam desapercebidos a olho nu, devido:

  • aos grandes volumes de transações processadas,
  • à velocidade a que as operações são realizadas ou
  • à complexidade das conspirações em mãos

Diretrizes

Devem ser, no entanto, respeitadas algumas diretrizes para que não hajam falhas. Os projetos de dados são complexos e não podem ser considerados como acessórios – a análise de dados tem de ser considerada como um serviço essencial, muito idêntico à logística, aos RH ou ao marketing.
A implementação de um projeto de combate à fraude irá, neste sentido, requerer a aprovação da administração, dado o facto de a nova utilização de dados requerer feeds de dados melhorados, um novo olhar “imparcial” para alertas e muito provavelmente uma mudança sobre quem está a olhar para o quê. O banco necessita, muito frequentemente, de sofrer alterações com um primeiro nível de triagem a ser realizado pelas equipas em contacto direto com o cliente e um segundo nível centralizado em casos muito mais complexos.

Os dados em primeiro plano

O próximo potencial obstáculo são os próprios dados. “Garbage in garbage out” (se entra lixo, sai lixo) lá o diz a expressão – o problema é definir com exatidão quais são os dados necessários para cumprir os objetivos finais do programa de combate à fraude. Reunir os dados que “fazem sentido” e que permitem que a equipa de deteção de fraudes leve a cabo as regras de negócios do senso comum é o primeiro passo, mas tem de ir mais além e obter os dados “relacionados”. Não deveria hesitar para saber que esforços adicionais são necessários para obter os dados que sempre desejou. Permitir que os utilizadores empresariais explorem os dados e executem as suas próprias simulações, permitir-lhes-á dar largas à imaginação e obter ideias para dados relacionados adicionais, que podem fazer a diferença quando a modelação está em jogo. Dê aos analistas as ferramentas de simulação e de exploração, faculte-lhes a formação e farão maravilhas a encontrar dados potenciais nos respetivos sistemas de produção.

Acabe com a divisão!

Por último, acabe com a divisão! – demasiadas vezes os bancos estabeleceram equipas individuais para analisarem diferentes tipos de fraude – uma equipa para os serviços bancários online, uma equipa para a fraude de cheques e, ainda, outra equipa para a fraude de créditos ou para a fraude de cartões…

A experiência demonstrou-nos que uma visão centrada no cliente a qual se afasta da linha de negócios ou do tipo de transação dificultar-lhe-á a identificação de fraudes relacionadas – as fraudes alastram tão rápido como manchas de óleo em papel: quanto maior for a folha para a qual está a olhar, mais probabilidades terá de encontrar fraude e de determinar a sua origem.

Como evitar o risco de fraude bancária usando Analytics? Saiba mais Aqui

Deixar uma resposta