Upload
hadien
View
214
Download
0
Embed Size (px)
Citation preview
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.