Le tecnologie per la Fraud Detection, ovvero per il rilevamento delle frodi, come sottolinea Gartner, “utilizzano analisi sofisticate e modelli predittivi per identificare potenziali frodi in tempo reale durante l’inserimento dei dati, piuttosto che durante una successiva esecuzione del batch dopo che una transazione è stata completata”.
Le tecnologie per la Fraud Detection, ovvero per il rilevamento delle frodi, come sottolinea Gartner, “utilizzano analisi sofisticate e modelli predittivi per identificare potenziali frodi in tempo reale durante l’inserimento dei dati, piuttosto che durante una successiva esecuzione del batch dopo che una transazione è stata completata”. L’esperienza di SDG Group in questo ambito è davvero ampia e spazia da quei settori in cui le frodi rappresentano uno dei problemi più ricorrenti ad altri nei quali di solito l’attività di Fraud Detection viene ritenuta secondaria. Nel primo caso, ovviamente, il mondo delle carte di credito è uno di quelli posto maggiormente sotto la lente, perché c’è un’attività transazionale assidua e, sebbene le frodi siano rare, ciò non toglie che anche un solo episodio possa nuocere soprattutto in termini di immagine per la compagnia che la subisce. La difficoltà odierna deriva dalla riduzione progressiva delle frodi più artigianali, dove la auspicata riduzione del numero di frodi rende più difficile intercettare le frodi più rare e sofisticate che sopravvivono. Un elemento chiave nell’identificazione delle frodi risiede nella serialità degli attacchi, dove si gioca la battaglia tra i frodatori, che tentano di reiterare la frode, e i sistemi di contrasto che ricercano pattern che fanno proprio della serialità l’elemento caratterizzante aggiuntivo.
Di fronte a un tale scenario, occorre considerare un insieme di elementi simultanei che tengano conto del fatto che la transazione risulti insolita dal punto di vista dello spending, del canale, dell’importo, del tipo di merchant e così via.
La Fraud Detection, in tal senso, si avvale di due paradigmi, uno supervisionato e uno non supervisionato. Il primo si basa sull’addestramento, sul training di un algoritmo in funzione dello storico delle frodi riconosciute e tracciate; il secondo, poiché non può fare leva sulle transazioni fraudolente che fungono da guida, impiega invece i pattern, un complesso di condizioni anomale rispetto all’utilizzo tipico da parte di un soggetto.
Questi due paradigmi, sui quali da anni SDG Group ha maturato una solida esperienza, poi vengono arricchiti dalle regole specifiche del business e da quelle competenze di dominio che aggiungono dei filtri e dei criteri per indirizzare l’alerting in maniera automatica oppure verso un analista o un call center deputato a raccogliere l’allarme.
Come anticipato, non sono solo le carte di credito a essere sottoposte al rischio di frodi e, quindi, a necessitare di sistemi evoluti di Fraud Detection. Ad esempio, anche il comparto assicurativo, in particolare il ramo auto e danni, può essere interessato da attività fraudolente. Gli indicatori che, su questo versante, devono andare a costruire l’algoritmo possono essere la causale, la geografia in cui l’incidente è avvenuto, l’assenza di autorità in loco, il tempo di denuncia successivo all’accadimento, la presenza o meno di terzi, il coinvolgimento di un legale nella gestione del sinistro e tanti altri.
Gli indicatori possono essere centinaia e servono a definire dei cluster con cui classificare un nuovo evento all’interno di una situazione a rischio di frode. Potenzialmente, le logiche algoritmiche possono persino essere adoperate per identificare delle ricorrenze in fatti delittuosi, come del resto già avviene con KeyCrime, azienda specializzata nell’analisi dei crimini seriali e partner di SDG, che ha contribuito a disegnare il motore di Intelligenza Artificiale che arricchisce e potenzia i metodi investigativi utilizzati dalla piattaforma tecnologica, attualmente adottata dalla Questura centrale di Milano.
Lo spettro di applicazione degli algoritmi che supportano la Fraud Detection vera e propria, trova applicazioni nella Leak Detection per le reti distributive di acqua, fino all’Early Warning, con modulazioni che rispondono alle esigenze di svariati settori, oltre a quello bancario e assicurativo, come ad esempio i settori delle Utility e della GDO.
Il rilevamento delle frodi o di qualsiasi anomalia, in sostanza, richiede un lavoro imprescindibile di interpretazione del dato così da aumentare l’espressività delle variabili in ingresso e da non lasciarsi ingannare dai “falsi positivi o negativi”. Anche la giusta dashboard, in questo senso, è fondamentale e può essere osservata da utenti con diversi livelli di competenza. Può trattarsi di un analista che controlla e dà un feedback oppure di un Data Scientist che, soffermandosi su dei pattern evidenziati in un modello non supervisionato, adotta un metodo che si chiama expert-augmented machine learning in cui l’incrocio di uomo e macchina conferisce maggiore validità al sistema.
Le frontiere della Fraud Detection, e dei contesti analoghi, sono davvero tante e SDG Group oggi è in grado di presidiarle tutte.