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:
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.
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.