Teradata anunció que Danske Bank, un líder de servicios financieros en los países nórdicos, ha trabajado con Think Big Analytics, una compañía de Teradata, para crear y lanzar una plataforma de detección de fraudes de vanguardia controlada por Inteligencia Artificial (IA) y de la cual se espera que alcance el 100% de ROI en el primer año de su implementación. El motor utiliza aprendizaje automático para analizar decenas de miles de características latentes, clasificando en tiempo real millones de transacciones bancarias realizadas en línea para brindar información útil sobre actividades fraudulentas reales y falsas. Al reducir significativamente el costo de investigar los falsos positivos, Danske Bank aumentó la eficiencia general y ahora puede obtener importantes ahorros. 

“El fraude en las solicitudes es un problema grave y prioritario para los bancos. Hay evidencia de que los delincuentes se están volviendo expertos y emplean técnicas sofisticadas de aprendizaje automático para atacar, por lo que es fundamental utilizar técnicas de avanzada, como el aprendizaje automático, para atraparlos”, afirmó Nadeem Gulzar, director de Analíticas Avanzadas de Danske Bank. “El banco entiende que el fraude va a empeorar a mediano y largo plazo, debido a la digitalización de las operaciones bancarias y la prevalencia de las aplicaciones de banca móvil. Reconocemos la necesidad de utilizar las técnicas más avanzadas para enfrentar a los estafadores, no donde se encuentran hoy, sino donde van a estar mañana. Gracias a la IA, ya redujimos en un 50% los falsos positivos y, por ello, pudimos reasignar la mitad de los recursos de la unidad de detección de fraudes para que se ocuparan de cuestiones de mayor responsabilidad”.  

El sistema original de detección de fraudes de Danske Bank se basaba en gran medida en reglas “artesanales” que la empresa aplicó proactivamente a lo largo del tiempo. Con valores récord de falsos positivos, que llegó en ciertas ocasiones al 99,5% de todas las transacciones, los costos y el tiempo que consumía la investigación se volvieron significativos, y el equipo de detección de fraudes del banco se sentía con exceso de trabajo, aun cuando no era aprovechado eficazmente.  

Los profesionales de Think Big Analytics de Teradata comenzaron a trabajar con Danske Bank en el otoño de 2016, para perfeccionar su equipo de analíticas avanzadas con conocimientos especializados sobre cómo utilizar los datos para generar mayores beneficios para todo el negocio. El equipo en conjunto comenzó por desarrollar un marco dentro de la estructura existente del banco y luego crearon modelos de aprendizaje automático avanzados para detectar fraudes en las millones de transacciones anuales, que en épocas de mayor actividad llega a muchos cientos de miles por minuto. Para garantizar la transparencia y fomentar la confianza, el motor incluye una capa de interpretación por encima de los modelos de aprendizaje automático, que proporciona explicaciones e interpretaciones sobre la actividad de bloqueo.

Desde el punto de vista del modelado, los casos de fraude aún son raros: alrededor de un caso en cada 100.000. El equipo logró tomar los falsos positivos de los modelos y los redujo en un 50%. Al mismo tiempo, pueden encontrar más fraudes, con lo que la tasa de detección aumentó en casi 60%. El programa antifraude de Danske Bank es el primero en introducir técnicas de aprendizaje automático en la producción, al tiempo que desarrollan modelos de aprendizaje profundo para poner a prueba los modelos. 

“Todos los bancos necesitan una plataforma analítica avanzada y escalable, así como un plan estratégico de digitalización para incorporar la ciencia de datos en la organización”, explicó Mads Ingwar, director de Servicios al Cliente de Think Big Analytics. “Para las transacciones en línea, pagos móviles y tarjetas de crédito, los bancos necesitan una solución en tiempo real: la plataforma de detección de fraudes de vanguardia impulsada por IA que hemos desarrollado en colaboración con Danske Bank clasifica las transacciones entrantes en menos de 300 milisegundos. Esto significa que cuando los clientes van al supermercado a comprar comestibles, el sistema puede clasificar la transacción en tiempo real y proporcionar información útil sin demora. Comenzaremos a ver este tipo de solución en todas las organizaciones del sector de servicios financieros”. 

 

 

 

 

Te podría interesar:

Commvault ofrece un nuevo portafolio de análisis de datosCommvault ofrece un nuevo portafolio de análisis de datos
28 Nov 2017 22:59 - Redacción

  Commvault anuncia un nuevo portafolio de aplicaciones, recursos, soluciones y servicios que es [ ... ]

Red Hat sugiere 5 estrategias que le ayudarán a reforzar la defensa de su empresa Red Hat sugiere 5 estrategias que le ayudarán a reforzar la defensa de su empresa
28 Nov 2017 22:58 - Olivia Salas, Regional Marketing Manager de Red Hat México

  El código abierto y la seguridad están estrechamente conectados. Los mitos alrededor del ope [ ... ]

Paessler destaca temas que moverán el mundo de TI en 2018Paessler destaca temas que moverán el mundo de TI en 2018
08 Dic 2017 23:43 - Redacción

  Como una compañía de monitoreo de infraestructura de TI, Paessler tiene su propio enfoque en [ ... ]

 

 

 

Síguenos en Twitter

 

Síguenos en Facebook