Combatiendo el fraude en la Banca con Big Data Analytics

El fraude y los delitos financieros ya no pueden ser un coste aceptable al hacer negocios. Los esquemas de fraude son cada vez más sofisticados, los costes están aumentando y las expectativas de los clientes son cada vez mayores. Además de disparar las pérdidas financieras, el fraude impulsa unos costes legales y de investigación importantes, erosiona la confianza del consumidor y destruye la imagen de marca. Para hacer frente a estos desafíos, la industria bancaria está luchando contra el fraude de nuevas maneras utilizando capacidades de Big Data y Analytics.

Las nuevas amenazas requieren nuevas formas de pensar

Todo viaje comienza con un plan. No iniciarías un viaje en coche simplemente poniéndote al  volante y conduciendo; Debes tener un destino en mente. Has pensado en cómo llegarás, qué ruta tomarás y cuándo quieres llegar. Puedes encontrar desvíos o coger un trayecto adicional sobre la marcha. Pero tienes claro tú destino.

Los bancos son desafiados diariamente por pérdidas financieras directas y costes indirectos derivados de una creciente incidencia del fraude y los delitos financieros. Un factor es la explosión en la conectividad global que ha proporcionado a los iniciados maliciosos y a las organizaciones criminales mayores oportunidades para perpetrar esquemas más frecuentes y complejos. Las organizaciones financieras también se están moviendo a la computación en nube, la movilidad y las redes sociales empresariales, lo que se pueden añadir a las vulnerabilidades. El viejo método de responder a los ataques y el fraude mucho después del hecho es insostenible en este nuevo mundo de delitos financieros sofisticados.

Los accionistas y clientes de todo el mundo son cada vez más sensibles al impacto del fraude. Los costes pueden incluir la erosión a largo plazo del valor de la marca y la confianza del cliente, haciendo muchas veces que los clientes cambien de banco cuando se produce el fraude. Además, la satisfacción del cliente puede sufrir debido a las molestias causadas por las operaciones de fraude. Por ejemplo, los falsos positivos pueden hacer que las compras legítimas de los clientes no sean aprobadas. Las organizaciones deben encontrar el equilibrio adecuado entre la salvaguardia de datos y la entrega de una experiencia consistentemente atractiva para el cliente.

Los atacantes están mejorando continuamente sus técnicas y evadiendo la detección aprovechando los procesos y tecnologías de seguridad desconectados. En respuesta, muchas organizaciones financieras han desplegado una serie de soluciones puntuales para abordar cada nueva amenaza. Esta expansión de seguridad resulta en una complejidad innecesaria que implica muchas soluciones desconectadas que no proporcionan protección para todo el panorama de amenazas. Los líderes con visión de futuro están adoptando un enfoque más completo e integrado del problema.

La nueva forma de luchar contra el fraude y los delitos financieros

Demasiadas organizaciones siguen siendo vulnerables al fraude y a la delincuencia financiera porque no están aprovechando las nuevas capacidades para combatir las amenazas actuales. Estas capacidades dependen en gran medida de nuevas y mejoradas tecnologías de Big Data y Analytics que ya están disponibles.

Con estas tecnologías, los bancos pueden gestionar y analizar terabytes de datos históricos y de terceros, mucho más de lo que podían antes. La capacidad de analizar volúmenes masivos de datos permite a los bancos crear modelos predictivos altamente precisos para reconocer y prevenir futuros fraudes. Las organizaciones también requieren capacidades de Big Data para analizar datos de streaming en tiempo real. Utilizando esta tecnología, los bancos pueden analizar las transacciones a medida que ocurren, detectar el fraude cuando sucede y detenerlo antes de que cause graves daños.

Mediante la adopción de un enfoque integral de lucha contra el fraude, aprovechando la potencia de los últimos avances en analytics, las organizaciones pueden protegerse a sí mismas con confianza y a sus clientes mientras crece el negocio. Los beneficios potenciales del negocio son sustanciales, incluyendo un coste menor de abordar el fraude mediante la automatización y la detección temprana, la mejora de la eficacia operacional sin aumentar el personal y la confianza en satisfacer las obligaciones de cumplimiento regulatorio.

Cuatro elementos esenciales de un programa eficaz

Un programa empresarial eficaz incluye las siguientes fases clave de las medidas en la lucha contra el fraude (ver Figura 1):

Detectar: Predecir el fraude antes de que suceda

Se debe aplicar una analítica avanzada a todos los datos de fraude estratégico para predecir si una acción es potencialmente fraudulenta antes de que se produzcan pérdidas. Examinar sólo pequeños conjuntos de datos de seguridad, como los registros de eventos, reduce la capacidad de un banco para prevenir o detectar delitos sofisticados. Cuanto más volumen y tipos de datos pueda analizar una organización a una velocidad mayor, mayor será el éxito frente a las amenazas internas y externas.

Responder: Aplicar los nuevos conocimientos sobre el fraude a la tecnología

La tecnología analítica de streaming de hoy en día permite a los bancos obtener información y tomar medidas en tiempo real, cuando es más importante. Las organizaciones pueden diferenciar con confianza las acciones legítimas mientras previenen o interrumpen acciones sospechosas respondiendo de inmediato a patrones y actividades delictivas.

Investigar: Convertir la inteligencia del fraude en acción

La investigación inteligente de la actividad sospechosa requiere realizar y gestionar investigaciones que se apoyan en un análisis exhaustivo y en la accesibilidad de la información. Con estas herramientas, los bancos pueden confirmar más rápidamente el fraude de modo que se puedan considerar acciones tales como el enjuiciamiento, la recuperación y la colocación en listas de vigilancia.

Descubrir: Aprovechar los datos históricos existentes

Muchos bancos tienen un tesoro de datos históricos que ahora puede liberar usando el análisis de Big Data. Pueden buscar en estos datos patrones de fraude y delitos financieros, y luego aplicar los patrones a la actividad actual. Los bancos también pueden aprovechar las grandes cantidades de datos recopilados por grupos de inteligencia del sector.

Los cuatro elementos principales de un programa de contra el fraude en la empresa

Moverse estratégicamente para mejorar las medidas contra el fraude.

Además de aprovechar las nuevas capacidades de datos y analytics para combatir el fraude, los líderes de la banca también están elevando la agenda contra el fraude dentro de sus organizaciones. La complejidad y gravedad de la gestión del fraude y los delitos financieros requiere que las organizaciones busquen respuestas más allá de sus equipos de TI, operaciones y seguridad. La lucha contra el fraude debe ser un foco de liderazgo en los niveles más altos, incluyendo el desarrollo de una cultura de vigilancia proactiva.

Las mejores prácticas para el liderazgo del lucha contra el fraude incluyen:

• Realizar evaluaciones regulares de amenazas y auditorías de seguridad para determinar las vulnerabilidades
• Desarrollar planes de contingencia para abordar las consecuencias si ocurre una violación
• Establecer una línea de base del riesgo de seguridad y metas futuras
• Iniciar un mandato corporativo que incluya comunicaciones, cumplimiento interno y un sistema de gestión sólido para rastrear la efectividad
• La adopción de un modelo multicapa de lucha contra el fraude.

Debido a que las amenazas pueden provenir de cualquier lugar, los bancos necesitan protección y detección multicapa para mejorar la visibilidad y la prevención de las amenazas. La primera capa de este modelo está diseñada para prevenir que se produzcan brechas preventivas. Si se hace necesaria la recuperación, las herramientas de última generación pueden ayudar a mantener el control.

La siguiente capa es la implementación de un proceso completo de lucha contra el fraude, que emplea una gama amplia de analytics -comportamiento, contenido, contexto y red social- para extraer conocimientos más profundos, desarrollar inteligencia accionable e invocar respuestas automatizadas. Las técnicas de visualización que representan gráficamente la correlación contextual permiten conocimientos adicionales que pueden ser procesados por analistas humanos. La analítica de las entidades para descubrir la verdadera identidad de los individuos y grupos también debe ser parte del proceso de lucha contra el fraude.

El uso combinado de técnicas de analítica avanzada mejora la precisión de la detección de transacciones sospechosas para detectar menos falsos positivos y falsos negativos. Los analistas y los investigadores pueden centrarse en casos reales de fraude, ayudando a mejorar la productividad. Facilitar una investigación colaborativa y un proceso de gestión de casos también ayuda a aumentar la eficiencia de un programa de lucha contra el fraude. Estas medidas pueden aumentar la eficacia del Big Data Analytics y la capacidad de ofrecer experiencias óptimas para los clientes legítimos, mientras que combatimos proactivamente el fraude.

Casos de éxito: Análisis de datos masivos aplicado a la detección de fraude

Una compañía global de transferencia de dinero con 230.000 ubicaciones en 190 países se enfrentaba a presiones para mantenerse al día con el cumplimiento regulatorio del fraude que afecta el panorama de negocios internacionales. Era necesario detectar y prevenir el fraude en la transferencia de fondos antes de que pudiera afectar a los clientes de la compañía.

Al incorporar el análisis de datos masivos (o Big Data) en sus esfuerzos de detección del fraude, la compañía:

·         Aumentó su capacidad para identificar e interrumpir transacciones potencialmente fraudulentas en un 40 por ciento

·         Impidió que miles de clientes perdieran fondos debido al fraude y observaron una reducción del 72 por ciento en las quejas por fraude del consumidor en un año

·         Bloqueo más de 40 millones de € en fraude

Un banco sudamericano necesitaba cumplir con los requisitos más estrictos de información gubernamental. Para cumplir con estas regulaciones, el banco necesitaba analizar millones de transacciones diarias para identificar fraudes actuales y potenciales.

Mediante el uso de la minería de datos para identificar transacciones potencialmente fraudulentas, el banco tiene las herramientas y conocimientos necesarios para:

·         Detectar y analizar patrones de más de 1,3 millones de transacciones al día, un aumento del 80 por ciento en la productividad del análisis

·         Proporcionar un aumento del 40 por ciento en la identificación de transacciones sospechosas y un aumento del 200 por ciento en las capacidades de reporting

·         Prevenir y reportar actividades bancarias potencialmente fraudulentas que pueden provenir de criminales y terroristas