Forensic Data Analytics

¿Cómo puede PwC ayudarle en materia de Forensic Data Analytics?

¿Está detectando todo el fraude que cometen sus clientes, empleados, proveedores y terceros?
¿Generan sus sistemas demasiados falsos positivos y necesita mejorar la precisión para reducir sus costes?
¿Utiliza modelos analíticos para complementar sus sistemas de detección basados en motores de reglas/conocimiento de negocio?
¿Está priorizando los casos en función del riesgo, la probabilidad de recuperación o el retorno potencial de la investigación?
¿Utiliza el resultado de sus investigaciones para mejorar sus capacidades de prevención y detección?
Forensic Technology
Data Analytics

PwC cuenta con un equipo de matemáticos e ingenieros con experiencia contrastada en el uso de modelos analíticos para la prevención y detección de fraude y blanqueo de capitales. Nuestras soluciones de Data Analytics se centran en la predicción temprana de nuevos casos para reducir las pérdidas por fraude, maximizar las recuperaciones y minimizar los costes.

A diferencia de las técnicas basado en motores de reglas y conocimiento del negocio, las técnicas data-driven permiten extraer el conocimiento directamente del dato, detectando así esquemas de fraude y blanqueo de capitales nunca vistos y reduciendo el número de falsos positivos.

Nuestro enfoque metodológico es flexible y puede implementarse tanto en organizaciones globales con soluciones maduras de Data Analytics y monitorización de transacciones, como en aquellas que quieren iniciarse en el uso de Machine Learning o Big Data para prevenir y detectar delitos financieros.

Servicios

Nuestros servicios de Forensic Data Analytics comprenden las siguientes áreas de actuación:

Detección de Fraude

El área de Forensic Data Analytics de PwC puede ayudarle a reducir sus pérdidas por fraude así como el coste en investigación a través del uso de modelos analíticos. Los modelos de clasificación, también llamados modelos predictivos, permiten la identificación de patrones o predictores de fraude para detectar eventos de fraude similares a casos conocidos. De manera adicional, los modelos de segmentación permiten la identificación de anomalías y facilitan la detección de nuevos esquemas y casos aún cuando no se dispone de datos históricos de fraude.

Nuestras soluciones se centran en la identificación de nuevos casos con alta probabilidad de fraude y en su priorización dinámica para mejorar la capacidad de respuesta y de recuperación tanto para fraude interno (empleados) como externo (clientes, proveedores o terceros).

En el siguiente cuadro resumen recogemos los modelos que empleamos en nuestra práctica de lucha contra el fraude:

Detección de Fraude

View more

Prevención de blanqueo de capitales

En el entorno actual, en el que los criminales conocen las técnicas y reglas utilizadas para la prevención de blanqueo de capitales, se hace necesario el uso de modelos analíticos para identificar operativas imposibles de detectar a través de reglas de negocio.

Nuestros servicios de Forensic Data Analytics ofrecen soluciones de prevención y detección de blanqueo de capitales combinan modelos de clasificación, segmentación, text-mining y colaboración para identificar fácilmente actividad sospechosa con alta probabilidad de blanqueo. En particular, nuestros expertos utilizan técnicas de Social Network Analysis para detectar casos de colusión entre clientes y definir eficientemente el alcance de una investigación de blanqueo.

View more

Optimización de sistemas de monitorización de transacciones

Los sistema de monitorización basados en reglas, tienden a producir un número muy elevado de falsos positivos y pueden no estar mitigando adecuadamente los riesgos de fraude o blanqueo de capitales. Esto genera un coste significativo e innecesario para las organizaciones además de exponerlas a riesgos económicos, reputacionales y de cumplimiento considerables.

La metodología del equipo de Forensic Data Analytics, contrastada con varias de las entidades financieras más importantes a nivel global, se centra en la correcta segmentación de los grupos, priorización de riesgo, la definición de reglas y umbrales específicos para cada grupo, así como el análisis pormenorizado de la calidad de los datos y la lógica de los escenarios, con el fin de reducir significativamente el número de alertas de baja materialidad y mejorar la capacidad de detección y gestión del riesgo.

View more

Contacta con nosotros

Javier López Andreo. Socio responsable de Forensic y Financial Crime

Javier López Andreo

Socio responsable de Forensic y Financial Crime

Síguenos en