PIA MATEMATICAS FINANCIERAS SOBRE PROBLEMAS DE ANUALIDAD.pptx
Presentación Otra Mirada al Fraude
1. Otra mirada al fraude
Ec. Ana Clara Rodríguez Dovat
Quanam
Una empresa de conocimiento
2. ¿POR QUÉ HAY RIESGO DE FRAUE EN LOS SEGUROS?
• Selección adversa
El asegurado posee información perfecta
de la realidad, mientras que la empresa
tiene información imperfecta.
• Riesgo moral
El asegurado puede utilizar esta ventaja
y conseguir un beneficio extra.
4. EL PROBLEMA
¿Cómo podemos catalogar los reclamos entre
fraudulentos y no fraudulentos de forma
eficiente sin obtener información que puede ser
costosa?
Los métodos que estamos utilizando hasta
ahora, ¿son efectivos para aislar el fraude y los
reclamos abusivos del resto?
5. ¿POR QUÉ EL FRAUDE ES DIFÍCIL DE DETECTAR?
• No es universal
Depende de la región, del momento
en el tiempo y del negocio que se
trate.
• Patrones dinámicos
Los patrones con los que se cometen
fraude se adaptan rápidamente a las
nuevas estrategias preventivas
tomadas por las empresas.
• Grandes volúmenes de datos
Por ejemplo, llamadas telefónicas
o transacciones bancarias.
6. EN CAMINO A LA SOLUCIÓN
Los casos fraudulentos que ya se hayan
encontrado sirven como base para la búsqueda
de nuevos casos
Determinar el comportamiento normal y
así, definir el fraude
Clusters
Scatter plots
7. ENFOQUE DE LA SOLUCIÓN
Conocer
Identificación de clientes y
entidades al momento de
vinculación. Ayuda a
prevenir posibles amenazas
de lavado o fraude.
Detectar
Detección de patrones de
transacciones
sospechosas y reporte al
ente regulador
Gestionar
Proceso de gestión de
casos (workflow) para
soportar múltiples niveles
de revisión, investigación,
aprobaciones, manejo de
documentos, evidencias y
reporteo sobre los casos.
Investigar
Análisis y seguimiento de
casos que ayudan a los
investigadores a construir
un argumento solido para
determinar las acciones de
fraude y de lavado.
Análisis que permitan
validar los eventos de
lavado o fraude y
reporte a las entidades
reguladoras o
judiciales
Entender las
fuentes de datos e
identificar a los
clientes
Detectar y descubrir
patrones de fraude
Proceso de gestión
de casos de fraude .
Conocer
Investigar
Gestionar
Detectar
Gestionar y
reportar Entender e
Identificar
8. PREVENCIÓN DEL FRAUDE
Reglas de negocio
El conjunto de reglas de los
sistemas testean cada una de
las transacciones por un
conjunto determinado de
algoritmos o reglas de
negocio. Están diseñadas
para detectar ciertos tipos de
fraude basados en
actividades preestablecidas.
Detección de
anomalías
Se utilizan indicadores
clave de desempeño
(KPI)
asociado a las tareas o
los eventos, cuando
estos
valores superan cierto
umbral, el evento es
reportado.
Datos anómalos
pueden indicar un
patrón desconocido de
fraude.
Modelos predictivos
Generación de procesos
que asocian a las
transacciones niveles de
propensión al fraude y para
ser analizadas.
Los modelos predictivos
son más eficientes debido
al uso de procesos
analíticos y estadísticos.
Análisis de redes
sociales
El análisis de redes
sociales provee un análisis
eficiente en identificar
actividades organizadas de
fraude entre entidades
partícipes del siniestro. Se
determinan entidades y
relaciones que se explotan
de forma de encontrar
patrones visuales.
9. SOLUCIÓN CON QUANAM
• Cada negocio analizado y comprendido
en su completitud
• Alto nivel de precisión
• En tiempo real
• Adaptativo
10. SOLUCIÓN CON QUANAM
La visualización de base de datos en base a grafos ofrece nuevos métodos
para descubrir organizaciones fraudulentas con alto nivel de
precisión y en tiempo real.
El entendimiento de las conexiones en
los datos y extrayendo el significado de
esos vínculos no siempre significa la
recolección de nuevos datos.
Analizando la información existente de una forma más eficiente mediante la
reformulación del problema y buscando nuevas soluciones.
14. EJEMPLOS DE FRAUDE
• Accidente ficticio
• El denunciante no está involucrado en el accidente
• Denuncia duplicada para un mismo accidente
• Declaración de tratamiento que no fue recibido
• Lesión real pero no relacionada al accidente
• Lesión ficticia
• Reclamante alega una pérdida material mayor a la real
15. FORMAS DE INICIAR LA INVESTIGACIÓN
• Todas las conexiones entre un corredor de seguros X y un taller Y
• Choques de más de 3 autos entre las 0:00 y las 6:00 am
• Análisis de las personas con riesgo crediticio alto y que hayan
estado en más de un siniestro
• Personas que hayan conducido y denunciado en el último año siendo propietarias
del auto que conducen
• Cantidad de arreglos en el último año por un taller dado,
considerando solo los talleres pequeños
16. ¿CÓMO PUEDE LA SOLUCIÓN DE QUANAM AYUDAR A LA
DETECCIÓN DE FRAUDE?
• La información exhaustiva de participantes y vínculos permite una mejor
adaptación de la realidad
• Detección de patrones de comportamiento que alerten en caso de irregularidades
• Fácil adaptación de la solución a realidades dinámicas
• Análisis de casos en tiempo real
17. EJEMPLOS EN LA HERRAMIENTA
• Ejemplo Corredor y Taller
• Ejemplo Empresas