Detecção, análise e prevenção de fraudes

(1)

Detecção, análise e prevenção de fraudes

Seminário de Prevenção à Fraude contra o Seguro

Pedro Coelho – Insurance Center of Competence IBM Brasil – pedro.coelho@br.ibm.com

São Paulo, 27 de setembro de 2013

(2)

Estima-se que as empresas perdem 7% de suas recitas anuais

com fraude… quase US$ 1 trilhão nos EEUU

3

Contexto no Combate à Fraude

Questões para as seguradoras



Fraude é um custo escondido – não é

realmente conhecido

–

Considerado um custo do negócio

–

Sua detecção e redução é onerosa



Fraude é vista como área de alto potencial

para o crime organizado

–

Seguradoras são consideradas mais

fáceis de fraudar que bancos



Diminuir a fraude é a melhor oportunidade

para seguradoras reduzirem o seu índice

combinado e melhorar os resultados



Melhorias no processamento de sinistros

para reduzir fraude também trazem uma

melhoria no atendimento aos segurados

Fonte: Análise IBM

Seguradoras aumentaram investimentos

em soluções para prevenção à fraudes



O crime organizado foca cada vez

mais a fraude

Fraude é crime fácil de baixo risco



Crise econômica gera mais fraudes

Pessoas buscam novas forma de renda



Mercado pressiona resultados

Necessidade de se encontrar novas

fontes de economia



Fraude está cada dia mais complexa

Fraudadores estão mais sofisticados



Avanços técnicos tornam possível

combate mais efetivo da fraude

Podemos atuar de forma mais

(3)

O modelo IBM de Combate à Fraude se baseia num ecossistema

que busca atuar em todos tipos e etapas da fraude

4

Detectar a fraude

nos processos de

negócio – realtime

Detectar

Agir em tempo real

– quando é preciso,

parando a fraude

Prevenir

Encontrar a fraude

dentro dos dados

observados

Confirmar a fraude

para acusação e

futura prevenção

(4)

Fraude ocorre de duas maneiras: de forma organizada ou de

forma oportunista

Tipos de fraudes

• Compras

• Pagamentos/despesas

• Comissões

• Incêndio culposo

• Falsificação /exagero nas perdas

• Queda encenada

• Cobrança indevida

• Pagamentos indevidos

• Acidentes encenados

• Lavagem de dinheiro

Fraude

organizada

Fraude de

fornecedor

Fraude de

empregados

Fraude do

segurado

Oportunista

Organizada

Crime organizado conduzindo

ataques sofisticados para

ganho financeiro

Fornecedores se aproveitando

de seguradoras para obter

benefícios indevidos

Indivíduos que procuram

pagamentos indevidos

Funcionários criando

transações fraudulentas

(5)

O combate à fraude precisa ser abrangente e deve ter o apoio de

várias tecnologias

Motor de

detecção

Solicitante Novo pedido Gestão do caso Aviso em tempo real Nova investigação Resolução de relacionamentos e identidades Análise de entidades

• Análise visual de relacionamentos • Exposição de quadrilhas e abusos

• Compartilhamento de inteligência e colaboração • Alerta criado para sinistros de alto risco

Investigação inteligente

Relatórios e dashboards

Painel de controle de fraudes

(6)

Assim, uma solução abrangente para combate a fraude precisa

responder algumas perguntas cruciais

Que contas nunca

deveriam ter sido

abertas?

Que casos são

reais vs. fraudes ou

abusos?

Evento válido ou

uma estratégia de

saída conveniente?

Que contas são

para serviços

legitimamente

prestados?

O maior fator de vantagem competitiva atual é …

…ter o discernimento para tomar decisões mais informadas com confiança, para

antecipar e moldar os resultados dos negócios

Que pessoas ou

entidades são

clientes valiosos

versus habilidosos

fraudadores?

(7)

Saúde Pública: encontrando fraude na rede de provedores de

saúde para o estado e creches

8

Fonte: Caso IBM (North Carolina State); http://www.wral.com/news/local/wral_investigates/video/11126237/#/vid11126237

Solução

Necessidades de Negócio

Resultados Obtidos

O Estado da Carolina do Norte enfrentou uma

exposição significativa a fraudes e abusos de saúde

O processo de negócio e a tecnologia utilizada para combater a fraude, desperdício e abuso em Medicaid foi ineficaz para conter perdas

Os processos e sistemas conseguiam recuperar apenas US$ 25 milhões por ano em fraudes e abusos para despesas anuais de US$ 10 bilhões

IBM usou capacitações focadas em descobrir fraudes para examinar pedidos com padrões suspeitos de comportamento para identificar os prestadores e os beneficiários para a investigação

Usou-se análise de identidades para se identificar quadrilhas e comportamentos de conluio.

Especialistas da IBM integravam a equipe do projeto para fornecer orientações sobre a seleção dos casos.

De US $ 60 milhões a 100 milhões em ressarcimentos dentro de um período de 12 meses (esperado)

Aumento da capacidade de detecção de casos para a maioria dos notórios infratores

Identificação de grandes esquemas de conluio entre os provedores de saúde comportamental e creches

(8)

Telco: encontrando fraude no área de Compras de uma grande

operadora

9

Fonte: Caso IBM

Solução

Necessidades de Negócio

Resultados Obtidos

Devido a um aumento significativo de aquisições,

investigadores enfrentavam problemas com o pagamento de fornecedores

O alto volume de dados de contas a pagar provou ser um desafio para esta operadora. Havia problemas com sistemas diferentes, bem como questões com a qualidade dos dados

Devido a muitas fusões e aquisições, a empresa precisava reduzir custos, identificar as questões de regulamentos e políticas de compra, e

identificar fraudes

A equipe IBM implantou ferramenta de Auditoria de Conformidade para permitir monitoramento contínuo dos controles

Esta ferramenta identifica fraudes, pagamentos errados, e questões com procedimentos. Ele dá aos auditores a capacidade de identificar comportamentos de alto risco dentro do processo de Contas a Pagar

Especialistas IBM forneceram orientações sobre a seleção dos casos.

Violações da política:

– Aprovações impróprias de cerca de US$ 850K

Faturamento errado:

– Escopo obsoleto permitindo o faturamento de US $ 6 milhões sem os termos e condições apropriados

Monitoramento fraude

– 50 casos de alto risco, entregue à AI e investigações que representam cerca de US $ 700 milhões em abuso

(9)

Cartões/banco: evitando perdas nos diversos canais em tempo

real através de solução inteligente e adaptativa

10

Fonte: Caso IBM (Banco em Israel)

Solução

Necessidades de Negócio

Resultados Obtidos

O banco, baseado em Israel, precisava melhorar

sua capacidade de detecção de fraude em pagamentos e saques

Medidas preventivas baseadas em especialistas eram custosas e havia também uma grande carga de trabalho para os especialistas

O banco desejava encontrar uma forma de manter-se atualizado contras novas formas de fraude sem depender tanto dos especialistas

Assim, o banco buscou solução que acelerasse a triagem das transações com os cartões de seus clientes e aumentasse a eficácia na identificação das fraudes nos diversos canais

Em conjunto com a IBM, o banco desenvolveu solução que processa dados através de algoritmos adaptáveis:

– Solução baseada em algoritmos que se adaptam às novas informações

– Atualização de modelos feita automaticamente sem intervenção humana

Solução multicanal para análise de fluxos de dados baseada em técnicas de aprendizagem de máquina

Solução permite aos usuários acompanhar as operações de forma síncrona para contas diferentes

Isto promove uma maior conscientização de atividades que apontam para um comportamento fraudulento

Resultados melhores que apresentados por soluções concorrentes maximizando valores recuperados e número de fraudes identificadas.

(10)

É crítico otimizar resultados em todo o ciclo—desde a etapa de

subscrição até a conclusão das investigações (e sanções)

Descobertas

Investigação

 Regras de negócios  Modelos preditivos  Indicadores de risco  Resolução de identidade e relacionamentos  Conexão com qualquer fonte de dados  Uso de todos tipos de dados: estruturados ou não, confiáveis ou não  Relatórios e documentação de investigação  Estimativa do impacto nos negócios

Relatórios

 Gestão de casos  Administração do fluxo de trabalho e regras  Assistência na preparação de documentos para ações legais ou contestação  Identificação rápida de fraudes  Análise visual  Identificação de padrões  Compartilhamento e colaboração