Menú
ALD y detección de fraude
Objetivo
Complemente el análisis tradicional de AML y fraude con análisis de redes sociales. Descubra conexiones matizadas que evolucionan en el tiempo entre entidades para sacar a la luz actividades sospechosas para su revisión o comentarios.
Industria: Servicios Financieros – Banca
Servicios: Innovación Tecnológica
Tecnología: Análisis de Redes Sociales
8%
Se identificaron relaciones (nuevas) previamente no identificadas que eran prometedoras versus el método de revisión manual
superposición de
75%+
con el proceso tradicional (que requiere mucho tiempo) de detección de fraude y AML del cliente
Juntos presentaron argumentos sólidos a favor de la automatización de procesos bajo la guía de analistas de AML y fraude para reforzar el aprendizaje del algoritmo sobre patrones no detectados.
Nuestro cliente
Nuestro cliente es una institución financiera regional que ofrece un conjunto integral de servicios bancarios adaptados a empresas, individuos y clientes de gestión patrimonial. Con un enfoque en soluciones personalizadas y experiencia local, ofrece servicios de banca comercial, banca privada y gestión de tesorería.
Desafío
Las instituciones financieras pierden varios millones de dólares en ingresos debido al fraude sistemático. El surgimiento de nuevas tecnologías y formas de pago, además de un giro cada vez más global en el robo de identidad, el lavado de dinero y la seguridad, plantea nuevos desafíos.
Acercarse
Se vincularon varios activos de datos a lo largo del tiempo para sacar a la luz una red social de actividades sospechosas.
- Transacciones empresariales
- Buró de Crédito y Redes Sociales
Resultados
- Reequilibrio de la carga de trabajo 80/20 para analistas de ALD y fraude, ya que ahora centran su atención en capacitar a la red social para reconocer casos no detectados.
- Análisis complementario reactivo que requiere actualizaciones oportunas para mantenerse al tanto de la evolución de la dinámica ALD/fraude
Impacto
- 75%+ se superpone con el proceso tradicional (que requiere mucho tiempo) de detección de fraude y AML del cliente.
- 8% Se identificaron relaciones (nuevas) previamente no identificadas que eran prometedoras versus el método de revisión manual
- Juntos presentaron argumentos sólidos a favor de la automatización de procesos bajo la guía de analistas de AML y fraude para reforzar el aprendizaje del algoritmo sobre patrones no detectados.
¿Disfrutas esta historia? Compártelo en tu red.
Ver más estudios de casos
Análisis de correlación y consolidación de problemas (riesgo)
Análisis de nube híbrida
Implementación de estrategia de datos
¿Listo para transformar tu negocio?
¡Explore nuestros servicios y libere su potencial hoy!