Oct 26, 2017 | TERADATA PARTNERS CONFERENCE, ANAHEIM, California

Grazie alla consulenza fornita da Suppose Large Analytics di Teradata, Danske Financial institution ora utilizza una soluzione sofisticata di machine studying per rilevare frodi nei pagamenti bancari e mobili

Teradata, la società chief nelle soluzioni per analytics, ha annunciato oggi che Danske Financial institution, chief nel settore dei servizi finanziari nei Paesi Nordici, ha collaborato con Suppose Large Analytics di Teradata, per creare e lanciare una piattaforma di rilevazione delle frodi all’avanguardia, guidata dall’AI, che sarà capace di ottenere un ROI del 100% già nel suo primo anno di attività. Il motore utilizza il machine studying per analizzare decine di migliaia di funzionalità latenti, analizzando e valutando in tempo reale milioni di operazioni bancarie on-line per fornire informazioni su vere e false attività fraudolente, così da permettere reazioni fast. Riducendo notevolmente il costo dell’indagine sui falsi positivi, Danske Financial institution aumenta la sua efficienza complessiva ottenendo al contempo notevoli risparmi.

 

“Le applicazioni per contrastare le frodi sono una criticità prioritaria per le banche, e ci sono show che i criminali stanno diventando più subdoli ogni giorno con l’impiego di sofisticate tecniche di machine studying per portare i loro attacchi, quindi è fondamentale utilizzare tecniche avanzate come il machine studying per contrastarli”, ha dichiarato Nadeem Gulzar, responsabile della Superior Analytics di Danske Financial institution. “La banca sa perfettamente che le frodi sono destinate advert aumentare nel prossimo futuro e a lungo termine a causa della crescente digitalizzazione del settore bancario e della prevalenza delle applicazioni bancarie mobili. Riconosciamo la necessità di utilizzare le migliori e più aggiornate tecniche per contrastare i truffatori, non al punto in cui si trovano oggi ma dove saranno domani. Utilizzando l’AI abbiamo già ridotto i falsi positivi del 50% e siamo quindi stati in grado di ridistribuire la metà del personale dedicato alla rilevazione delle frodi advert altre responsabilità a maggior valore aggiunto. “

 

Il sistema di rilevamento delle frodi finora utilizzato da Danske Financial institution period fondato in gran parte su regole artigianali applicate nel tempo in modo proattivo. Con un numero file di falsi positivi – che talvolta hanno raggiunto il 99,5% di tutte le transazioni – i costi e l’impegno in termini di tempo associati all’indagine erano diventati significativi per la banca, con il suo numeroso crew dedicato alla rilevazione delle frodi che si sentiva sovraccarico di lavoro, ma non utilizzato in modo efficace.

 

Il crew di Suppose Large Analytics di Teradata ha iniziato a collaborare con Danske Financial institution nell’autunno 2016, e ha contribuito a far sì che il crew di specialisti in superior analytics della banca aumentasse le proprie conoscenze di utilizzo dei dati per ottenere maggiori benefici a servizio di tutte le attività della banca. Il crew congiunto ha così cominciato a costruire un framework all’interno dell’infrastruttura esistente della banca e ha poi creato modelli di machine studying avanzati per rilevare le frodi in milioni di transazioni all’anno e, nei momenti di punta, in molte centinaia di migliaia di transazioni al minuto. Per garantire la trasparenza e alimentare la fiducia, il motore embrace un layer di interpretazione al di sopra dei modelli di machine studying che fornisce spiegazioni e interpretazioni sull’attività di blocco.

 

Dal punto di vista del modello i casi di frode sono ancora molto rari, circa un caso di frode ogni 100.000. Il crew è riuscito a isolare i falsi positivi dai modelli e ridurli del 50 per cento. Allo stesso tempo, il crew è in grado di identificare ulteriori frodi – aumentando il tasso di individuazione a circa il 60 per cento. Il programma antifrode di Danske Financial institution è il primo a mettere in produzione le tecniche di machine studying e contemporaneamente a sviluppare modelli di deep studying per testare le tecniche.

 

“Tutte le banche hanno bisogno di una piattaforma analitica scalabile e avanzata, nonché di una roadmap e di una strategia di digitalizzazione per portare la scienza dei dati nella loro organizzazione”, ha dichiarato Mads Ingwar, Direttore Servizi Clienti di Suppose Large Analytics. “Per le transazioni on-line, le carte di credito e i pagamenti mobili le banche hanno bisogno di una soluzione in tempo reale: la piattaforma anti-frode che abbiamo sviluppato in collaborazione con Danske Financial institution è all’avanguardia e analizza le transazioni in entrata in meno di 300 millisecondi. Questo vuol dire che quando i clienti si trovano al supermercato per acquistare generi alimentari, il sistema può valutare la transazione in tempo reale e fornire immediatamente informazioni utili. Questo tipo di soluzione è quello che cominceremo a vedere applicato in tutte le organizzazioni del settore dei servizi finanziari. “

 
Hyperlink correlati