seria fraude ou novo comportamento?

Seria Fraude ou Novo Comportamento?Dois Analíticos para Mostrar a Diferença

Seria Fraude ou Novo Comportamento? Você consegue dizer a diferença?

©2014 Fair Isaac Corporation. Reservados todos los derechos. 2

Tom, um empresário da área de tecnologia, compra um caro snowboard em Aspen, Colorado—uma transação que parece estranha se comparada ao seu histórico de padrões de comportamento.Seria o primeiro sinal de que seu cartão foi fraudado? Ou trata-se apenas de um novo comportamento do titular do cartão?

Uma decisão instantânea—com mais em jogo para seu banco que a prevenção de fraudeReduzir falsos positivos—transações legítimas recusadas ou consideradas suspeitas—tem um impacto direto e imediato nas percepções dos portadores de cartões quanto à qualidade do serviço.

E, embora Tom aprecie ser alertado de uma possível fraude, questionamentos excessivos farão com que ele se pergunte…


“Este banco ao menos sabe quem eu sou?!!!”


Duas formas de mudar a percepção de Tom

Novos analíticos ajudam os bancos a proteger sua conta e a experiência do cliente ao:

1 Compreender mais sobre o que Tom normalmente faz

2 Entender o que Tom não faz (mas é provável que faça no futuro)


1

Tom não costuma comprar caros snowboards em AspenUm modelo de fraude provavelmente classificaria a transação de Tom com o snowboard como suspeita—e poderia recusar a autorização. Apoiado em meses ou anos de dados de transação, ele detectaria alto risco baseado não apenas no tipo incomum de compra e local (Tom mora em Nova York), mas em padrões históricos de comportamento de outros titulares de cartão com perfis similares.

Porém, e se o modelo de fraude pudesse levar em consideração não apenas padrões históricos de comportamento, mas também o comportamento mais atual ocorrendo no ambiente de produção?

Compreenda, em detalhes, o que o titular do cartão normalmente faz


1

Modelos adaptativos são sensíveis a mudanças de curto prazo no comportamento de compraUm modelo adaptativo, operando em conjunto com o modelo de fraude, refina a detecção ao comparar a transação de Tom a outra atividade recente—tanto dados conhecidos de fraude quanto dados não relacionados a fraude.

Descobre-se que Tom não é o único com um novo interesse em snowboarding. O modelo adaptativo tem registrado várias compras de produtos esportivos como esta recentemente. Casos gerados por outros portadores de cartões com perfis similares foram considerados como não relacionados a fraude.



Veja uma nova forma de compreender o comportamento usual de Tom: Como todos os consumidores, ele é uma criatura de hábitosEle pode ter um caixa eletrônico favorito e quantias específicas que costuma sacar em determinados momentos do dia ou da semana; lojas e fornecedores on-line preferidos para determinados tipos de compras; destinos de viagens e hotéis favoritos.

As Listas Ordenadas de Comportamentos da FICO mantêm registro desses favoritos à medida que mudam ao longo do tempo Elas agregam força a perfis tradicionais de titulares de cartões ao fornecer uma visão mais detalhada de padrões transacionais típicos.

Isso melhora sua capacidade de distinguir entre padrões normais e suspeitos de comportamento.

Veja como…

Favorite gas station spend amount and frequencyPosto de gasolina preferido, quantia gasta e frequência Favorite

Wi-fi cafeCafeteria com Wi-fi favorita

Favorite ATM and cash withdrawal amount

Caixa eletrônico e quantia de saque favoritos Favorite travel city

and hotel

1 Compreenda, em detalhes, o que o titular do cartão normalmente faz


1

Qual o nível de risco? � 2h da manhã � Saque de $200,00 no caixa eletrônico


Um comportamento que normalmente pareceria suspeito é nitidamente legítimo para alguns indivíduos

Megan: AprovarA transação está dentro do padrão: ocorre em um dos caixas eletrônicos preferidos de Megan (próximo ao restaurante onde ela trabalha) em um horário favorito do dia (após seu turno)

Frank: Entrar em contato A transação está fora do padrão: não é compatível com quaisquer dos favoritos de Frank

©2014 Fair Isaac Corporation. Reservados todos los derechos.

1

9

Qual o nível de risco? � 2h da manhã � Saque de $200,00 no caixa eletrônico


As Listas Ordenadas de Comportamentos atualizam favoritos a cada transação

Índice Entidade Frequência Posição

1 ATM_77 F1=3.2 2

2 ATM_318 F2=9.2 1

3 ATM_291 F3=0.3 4

4 ATM_54 F4=2.7 3

Vantagens:� Rastreia praticamente qualquer tipo

de entidade (CEPs, números de telefone celular, contas bancárias, países, etc.)

� Permite que os padrões de favoritos evoluam ao longo do tempo

� Mede a variância de comportamentos dentro do padrão

� Permite a criação de variáveis complexas, como qual percentual das últimas 5 transações tiveram uma posição de 3 ou superior?

ATM

Online Banking

Pagamentos Móveis

PDV

Caixa Eletrônico

As posições mudam com frequência


1

O risco de fraude é menor, se ao menos alguns aspectos da transação forem compatíveis com os favoritos do titular do cartão

Quando Sarah compra um brinquedo caro durante uma viagem de negócios para a cidade de Nova York, a transação é aceita sem dificuldades.

Uma das categorias de compra favoritas de Sarah em Phoenix, onde ela mora, é brinquedos e roupas de crianças de alta qualidade.

Mesmo sem compatibilidade com favoritos, há um meio de prever novos comportamentos dos titulares de cartões

Lembra-se de nosso snowboarder Tom? Ele nunca comprou equipamentos de snowboarding ou esqui, e nunca esteve em Aspen antes.

Ainda assim, analíticos de fraude predizem que este comportamento é provável…

Vire a página para descobrir sobre a tecnologia analítica inovadora que está sendo desenvolvida pela FICO



Pessoas com características semelhantes tendem a se comportar de modos similares Tom compartilha características com alguns outros titulares de cartões.

Os Perfis Colaborativos da FICO geram “arquétipos” a partir desses padrões globais de comportamento Quando esta nova tecnologia, atualmente em desenvolvimento na FICO, é incorporada à detecção de fraude, os modelos de fraude poderão predizer precisamente novos comportamentos de clientes. Isso inclui comportamento transacional nunca antes visto na conta de Tom, mas que seja provável, com base nos arquétipos nos quais ele se encaixa. Veja como…

2

Algoritmo avançado descobre “arquétipos” ao encontrar similaridades no comportamento dos clientes

Amante de Tecnologia

Dados transacionais fluem de qualquer número de fontes

Qualquer mistura de dados combinados em “documento”

não estruturado

ACH

Online Banking

Pagamentos Móveis

PDV

Entusiasta de esportes Artístico

Com Consciência Ecológica

Caixa Eletrônico

Promotor de Melhorias em Casa

Compreenda o que o titular do cartão não faz (mas é provável que faça)


O comportamento real do cliente é mapeado para arquétipos em tempo real Com cada transação, os analíticos atualizam a alocação de comportamentos do cliente entre os arquétipos.

Quanto mais ampla a mudança na distribuição de arquétipos, mais arriscada a transação É Tom que está comprando o snowboard? Ou é um fraudador que roubou seu cartão ou seus dados?

Vamos descobrir…

2

Atualizações de fluxos de transações em tempo real

Cliente Real, Tom Mapeamento dinâmico do comportamento de Tom

38.7% 0.2% 25.1% 38.4% 0.2%

35.2% 1.3% 22.6% 40.5% 0.1%

34.9% 0.5% 27.2% 42.1% 0.8%

É Tom que está efetuando a transação? Ou um fraudador?

Distribuição atual

Distribuição, se a transação é aceita

34.9% 0.5% 27.2% 42.1% 0.8%

40.2% 0.2% 25.6% 37.9% 0.3%

Qual a amplitude da diferença? ! !



É provável que seja Tom, já que comprar um snowboard é algo que é estatisticamente provável que ele façaEle possui uma forte alocação para “Entusiasta de Esportes,” que tem uma alta propensão para gastar com este tipo de equipamento. O modelo de fraude incorpora essa informação e reduz o score de risco de fraude.

Por outro lado, não é provável que ele compre um quadro de uma galeria no SohoTom tem uma alocação muito baixa para o arquétipo “Artístico,” que tem propensão para comprar arte e alta costura.

2


34.9% 0.5% 27.2% 42.1% 0.8%

28.2% 20.5% 29.6% 40.3% 0.3%



34.9% 0.5% 27.2% 42.1% 0.8%

40.2% 0.2% 25.6% 37.9% 0.3%


Por outro lado, não é provável que ele compre um quadro de uma galeria no SohoTom tem uma alocação muito baixa para o arquétipo “Artístico,” que tem propensão para comprar arte e alta costura.

2


34.9% 0.5% 27.2% 42.1% 0.8%

28.2% 20.5% 29.6% 40.3% 0.3%



34.9% 0.5% 27.2% 42.1% 0.8%

32.4% 0.5% 33.5% 49.3% 0.5%

E se ele tivesse comprado um sistema de som?Tom também tem forte compatibilidade com “Promotor de Melhorias em Casa”, que tem propensão para a compra de eletrônicos.

+ 21


Comece com os benefícios que as Listas Ordenadas de Comportamentos trazem para o gerenciamento de fraude Maiores taxas de detecção, menores taxas de falsos positivos, clientes mais felizes.

Depois, obtenha benefícios adicionais com Perfis Colaborativos. Essas novas técnicas analíticas irão operar em conjunto para ajudá-lo a fazer ainda mais para proteger as contas de seus clientes e fornecer uma experiência do cliente superior Por exemplo, pode haver uma grande mudança em Listas Ordenadas de Comportamentos, mas não em Perfis Colaborativos. Isso pode ser um sinal de que o cliente está viajando, mudando-se ou que tenha trocado de emprego.

Mudanças graduais ao invés de abruptas em ambos os analíticos podem indicar que uma mudança de prazo mais longo, como a adoção de um estilo de vida mais saudável e/ou aumento da prosperidade, está a caminho.

Esses insights serão valiosos além do gerenciamento de fraude. De fato, você poderá…

“O que mais nos impressionou foi que, mesmo sendo líder do setor, a FICO não se tornou complacente, e continua a inovar.”CEB TowerGroup 2012

Combine para insights de clientes ainda mais valiosos

Compreender não somente quem é seu cliente, mas quem ele está se tornando Faça isso, e você irá aprimorar a detecção de fraude e oferecer uma experiência do cliente emocionante

Saiba mais:Baixe os whitepapers sobre este tema:

Insights No. 69: Seria Fraude? Ou Novo Comportamento?Insights No. 7: Como os Modelos de Fraude Podem Combater Novos Truques?

Confira o nosso blog:Blog Banking Analytics

Para mais informações América do Norte América Latina e Caribe Europa, Oriente Médio e África Ásia Pacíficowww.fico.com +1 888 342 6336 +55 11 5189 8267 +44 (0) 207 940 8718 +65 6422 7700 [email protected] [email protected] [email protected] [email protected]

FICO e “Make every decision count” são marcas comerciais ou marcas comerciais registradas da Fair Isaac Corporation nos Estados Unidos e em outros países. Outros nomes de produtos e empresas neste documento podem ser marcas comerciais de seus respectivos proprietários. © 2014 Fair Isaac Corporation. Todos os direitos reservados.

3045BK_PB 07/14 PDF

http://bankinganalyticsblog.fico.com/2013/07/is-it-fraud-or-new-behavior.html

http://www.fico.com/en/wp-content/secure_upload/Insights_Adaptive_Models_2489WP.pdf

http://www.fico.com/en/wp-content/secure_upload/69_Insights_Is_It_Fraud_Or_New_Behavior_2989WP.pdf

seria fraude ou novo comportamento?

Technology