Detecção, análise e prevenção de fraudes

Pedro Coelho – Insurance Center of Competence
IBM Brasil – [email protected]
Detecção, análise e prevenção de fraudes
Seminário de Prevenção à Fraude contra o Seguro
São Paulo, 27 de setembro de 2013
1
Setembro 2013
© 2013 IBM Corporation
Estima-se que as empresas perdem 7% de suas recitas anuais
com fraude… quase US$ 1 trilhão nos EEUU
Contexto no Combate à Fraude
Questões para as seguradoras
 O crime organizado foca cada vez
mais a fraude
Fraude é crime fácil de baixo risco
 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
 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
econômica e efetiva contra a fraude
Fonte:
3
Seguradoras aumentaram investimentos
em soluções para prevenção à fraudes
Análise IBM
Setembro 2013
© 2013 IBM Corporation
O modelo IBM de Combate à Fraude se baseia num ecossistema
que busca atuar em todos tipos e etapas da fraude
Detectar
Detectar a fraude
nos processos de
negócio – realtime
Investigar
Confirmar a fraude
para acusação e
futura prevenção
4
Setembro 2013
Prevenir
Agir em tempo real
– quando é preciso,
parando a fraude
Descobrir
Encontrar a fraude
dentro dos dados
observados
© 2013 IBM Corporation
Fraude ocorre de duas maneiras: de forma organizada ou de
forma oportunista
Tipos de fraudes
• Acidentes encenados
• Lavagem de dinheiro
• Cobrança indevida
• Pagamentos indevidos
Crime organizado conduzindo
ataques sofisticados para
ganho financeiro
Fornecedores se aproveitando
de seguradoras para obter
benefícios indevidos
Fraude
organizada
Fraude de
fornecedor
Organizada
Oportunista
Fraude do
segurado
Indivíduos que procuram
pagamentos indevidos
• Incêndio culposo
• Falsificação /exagero nas perdas
• Queda encenada
5
Setembro 2013
Fraude de
empregados
Funcionários criando
transações fraudulentas
• Compras
• Pagamentos/despesas
• Comissões
© 2013 IBM Corporation
O combate à fraude precisa ser abrangente e deve ter o apoio de
várias tecnologias
Novo pedido
Motor de
detecção
Resolução de
relacionamentos
e identidades
Regras de
negócio
Modelo
preditivo
Otimização
de decisões
contra fraude
Solicitante
Análise de
conteúdo
Detecção de
anomalias
Análise de entidades
Aviso em
tempo real
Nova
investigação
Investigação
inteligente
Gestão do caso
•
•
•
•
6
Setembro 2013
Análise visual de relacionamentos
Exposição de quadrilhas e abusos
Compartilhamento de inteligência e colaboração
Alerta criado para sinistros de alto risco
Painel de controle de fraudes
Relatórios e dashboards
© 2013 IBM Corporation
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?
Que pessoas ou
entidades são
clientes valiosos
versus habilidosos
fraudadores?
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
7
Setembro 2013
© 2013 IBM Corporation
Saúde Pública: encontrando fraude na rede de provedores de
saúde para o estado e creches
Solução
 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
Necessidades de Negócio
 O Estado da Carolina do Norte enfrentou uma
exposição significativa a fraudes e abusos de
saúde
 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.
Resultados Obtidos
 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
Fonte:
8
 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
Caso IBM (North Carolina State); http://www.wral.com/news/local/wral_investigates/video/11126237/#/vid11126237
Setembro 2013
© 2013 IBM Corporation
Telco: encontrando fraude no área de Compras de uma grande
operadora
Solução
 A equipe IBM implantou ferramenta de Auditoria de
Conformidade para permitir monitoramento contínuo dos
controles
Necessidades de Negócio
 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
Fonte:
9
 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.
Resultados Obtidos
 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
Caso IBM
Setembro 2013
© 2013 IBM Corporation
Cartões/banco: evitando perdas nos diversos canais em tempo
real através de solução inteligente e adaptativa
Solução
 Em conjunto com a IBM, o banco desenvolveu solução
que processa dados através de algoritmos adaptáveis:
Necessidades de Negócio
 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
Fonte:
10
–
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
Resultados Obtidos
 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.
 Identificação de atividades que precedem a fraude
Caso IBM (Banco em Israel)
Setembro 2013
© 2013 IBM Corporation
É crítico otimizar resultados em todo o ciclo—desde a etapa de
subscrição até a conclusão das investigações (e sanções)
Componentes do processo para prevenção de fraudes
Dados
 Conexão com
qualquer fonte de
dados
 Uso de todos
tipos de dados:
estruturados ou
não, confiáveis ou
não
13
Setembro 2013
Descobertas
 Regras de
negócios
 Modelos
preditivos
 Indicadores de
risco
 Resolução de
identidade e
relacionamentos
Gestão
Investigação
Relatórios
 Gestão de casos
 Identificação
rápida de fraudes
 Relatórios e
documentação de
investigação
 Administração do
fluxo de trabalho
e regras
 Assistência na
preparação de
documentos para
ações legais ou
contestação
 Análise visual
 Identificação de
padrões
 Estimativa do
impacto nos
negócios
 Compartilhamento
e colaboração
© 2013 IBM Corporation
Para seguradoras líderes, a prevenção à fraude é um processo
compreensivo e gerido em todo o ciclo de vida da fraude
Características de solução abrangente para prevenção à fraude
Baseado
em dados de
todos tipos
Ecossistema de
capacitações
interconectadas
16
Setembro 2013
Transparente
para os
usuários
Solução
Detecção e Prevenção
de Fraudes em Seguros
Considera uma
grande gama
de atributos
Apresenta
tendências
inteligentes
© 2013 IBM Corporation
Em conclusão, o combate à fraude efetivo requer cinco
capacitações críticas
18
Ecossistema
É essencial que a fraude seja tratada dentro de um ecossistema
de capacitações interconectadas; não como solução pontual
Big data
É necessário dar suporte a qualquer fonte de dados, independente de estrutura, volume ou velocidade
Transparência
É preciso ser transparente e dar apoio e alertas que podem
melhorar as decisões de negócio
Multicamadas
É indispensável que avalie uma gama variada de atributos; ex.:
RG, relacionamentos, comportamentos, padrões, anomalias, etc
‘Inteligência’
É importante que apresente ‘tendências inteligentes’: predição,
detecção, descoberta, aprendizado, gestão
Setembro 2013
© 2013 IBM Corporation
As organizações mais competitivas
vão entender os que eles estão
observando rápido o suficiente para
fazer algo sobre isso, enquanto eles
estão observando
Jeff Jonas, 2012
Cientista-chefe, IBM
19
Setembro 2013
© 2013 IBM Corporation
20
Setembro 2013
© 2013 IBM Corporation