Existen varias modalidades de fraude que nacen en el proceso de originación, es por esto de vital importancia incorporar herramientas de monitoreo y control en la vinculación de clientes:
Listas Restrictivas: Módulo que le permite al Banco analizar si existen similitudes entre el cliente que se está vinculando con personas, empresas o entidades que se encuentran en una lista restrictiva interna de la institución o externa. También se pueden incluir listas de «medios negativos», esto es, personas o entidades que sin haber sido juzgadas salieron en noticias relacionadas con sucesos o actividades sujetas a escrutinio.
Análisis de Relaciones: Permite el descubrimiento de patrones y relaciones ocultas de forma gráfica, facilitando los procesos de investigación, así como la detección de redes de crimen organizado. Adicionalmente permite detectar el fraude en las distintas etapas del proceso de negocios, como ventas, originación.
El Banco debe tener la capacidad de rechazar una transacción que tengas las características suficientes para ser catalogada como fraude o de alto riesgo, en el momento mismo de la autorización. Esta es la segunda barrera para prevenir fraude:
Tiempo Real: Capacidad de evaluar eventos complejos mediante un análisis transaccional en tiempo real que permite valorar la transacción y todos los datos que la componen en base a distintas condiciones, como lo son parámetros, estadísticas y listas. Da una respuesta al autorizador de continuar o detener la transacción en termino de milisegundos.
Los clientes realizan distintos tipos de transacciones, algunas monetarias como pagos con cheques o transferencias entre cuentas de la misma institución, así como otras no monetarias, por ejemplo, consulta de saldos, cambio de contraseña, cambio de direcciones, entre otros. El monitoreo de los distintos eventos realizados por un cliente es fundamental para descubrir comportamientos fraudulentos que distan del comportamiento habitual del cliente. Sentinel posee un conjunto de herramientas que tiene como objetivo la detección temprana y prevención del fraude:
Modelos Predictivos Basados en «Machine Learning»:
Es un ambiente de diseño visual para construir rapidamente modelos de análisis predictivo para la prevención del fraude. Provee una completa librería de algoritmos de aprendizaje entre supervisados y no supervisados, preparación y exploración de datos, herramientas de validación y evaluación de modelos.
Adicionalmente provee una potente funcionalidad de «Auto Generación de Modelos», que le permite a Sentinel crear y entrenar múltiples modelos automáticamente, comparar sus resultados y permitirle al usuario determinar cuáles desea establecer en un ambiente productivo. Ya no se requiere ser un Científico de Datos ni un experto Matemático o Estadístico para utilizar las más avanzadas técnicas de ‘machine learning’.
Modelos Basados en Reglas:
El sistema presenta un moderno editor de reglas totalmente gráfico que le facilita al usuario la construcción de modelos: agrupa condiciones, incluye listas, múltiples condiciones estadísticas, patrones de análisis complejos, preprocesamiento de datos, entre otros. Los usuarios expertos también podrán hacer uso de fórmulas sobre condiciones, lo que facilita la manipulación de los datos y resultados de la regla.
Comportamiento Estadístico:
Permite generar perfiles individuales para cada objetivo de alerta (cliente, producto financiero, sucursal, etc), definidos como indicadores estadísticos basados en el comportamiento transaccional de cada uno de ellos. Estos perfiles pueden ser utilizados como insumo al momento de configurar los modelos de detección de fraude basado en reglas.
Patrones de Comportamiento Dinámico:
Es una nueva tecnología propietaria de Sentinel que permite la definición automática del perfil habitual del cliente y de la población a la que este pertenece. De esta forma, el sistema genera una alerta si el comportamiento detectado es ‘inusual’ para el cliente, así como también si es ‘atípico’ para la población a la que pertenece.
Geolocalización:
Analiza distintos aspectos relacionados con la habitualidad de la localización de los clientes, sus proveedores de servicios de internet, tipos de conexión, código postal, país, región, ciudad, entre otros. Los datos de acceso generados a partir del IP del cliente y registrados en Sentinel pueden ser usados en investigaciones forenses o criminales, en auditorías y como pruebas en procesos penales.
Gestiones:
El sistema permite una serie de acciones preventivas en línea dirigidas normalmente al cliente, sus productos o transacciones. Estas pueden ser automáticas, ejecutadas por el sistema a causa de la decisión de un modelo, o manuales, cuando un usuario del sistema así lo decide. Algunos ejemplos: solicitud de bloqueo de una cuenta de cheques, inhabilitar el acceso a la sucursal electrónica del Banco, desbloqueo de la tarjeta de débito del cliente, entre otros.
Los analistas disponen consultas o visores que le permiten la visualización de la actividad inusual con múltiples insumos para la toma de decisiones:
a. Filtro por rango de fechas
b. Objetivo de alerta
c. Filtro por estado de la alerta
d. Filtro avanzado
e. Puntajes de evaluación de la transacción
f. Perfil de comportamiento
g. Reglas por las cuales se alerta la transacción
Los supervisores y los analistas podrán tener un control estratégico de toda la operación del departamento de prevención de fraude, observando los grandes indicadores:
a. Alertas pendientes
b. Tiempo promedio de atención
c. Alertas marcadas como fraude
d. Alertas elevadas a investigación
e. Horarios de resolución de alertas
Una vez que el analista revisa la actividad que el sistema sugiere como sospechosa, puede generar casos que le permiten darle seguimiento a las transacciones sospechosas y registrar todas las acciones durante el proceso de investigación.
El caso de investigación es el expediente digital que permite darle trazabilidad a todo el proceso de gestión de la actividad inusual del cliente:
Brinda un tablero de control que permite visualizar: