Антифрод-платформа SAS

Назначение: платформа SAS – решение для обнаружения и предотвращения мошенничества. Оно позволяет бороться как с известными приемами, так и выявлять новые схемы злоумышленников.

Отрасли: на текущий момент антифрод-платформа SAS успешно работает в нефтегазовой отрасли, в банковской сфере, в розничных продажах и в телекоммуникациях.

Интересный факт: 30% составила величина упущенной экономии от объема фактических закупок – таков итог реализации проекта по выявлению мошенничества в закупочной деятельности на одном российском предприятии. Уже в рамках первоначального анализа процесса ценообразования было зафиксировано, что расходы компании завышены на 7,5 млрд руб.

Описание: антифрод-платформа и методология SAS могут стать эффективными инструментами в выявлении мошенничества и в проведении расследований без привлечения третьей стороны. Широкий набор программных модулей позволяет построить комплексный масштабируемый процесс выявления мошенничества – от всестороннего анализа данных до автоматического применения сложных аналитических моделей с последующим ручным проведением расследований в случае необходимости. Система анализирует не только клиента, контрагента или сотрудника, но и возможные связи между объектами, что позволяет находить мошеннические схемы и подозрительные цепочки. Все это позволяет найти недостатки или слабые места, позволяющие «знающим» сотрудникам совершить мошеннические действия.

Технологии: в основе системы SAS лежит гибридный подход к выявлению мошенничества, который объединяет в себе несколько методов. SAS рекомендует применять все из перечисленных ниже методов, однако в определенной последовательности, хотя, забегая вперед, такая последовательность может быть изменена на усмотрение клиента, итак:

• Анализ сетей взаимосвязей – используя возможности графовой аналитики решение сможет выстраивать самые сложные взаимосвязи между событиями, между событиями и сотрудниками, между сотрудниками и контрагентами, между контрагентами и третьими сторонами.
• Поиск по спискам – проверка по «белым»/ «черным» спискам или иным спискам.
• Текстовая аналитика – анализ неструктурированной информации, текстовых полей с учетом контекста и даже семантики для выявления мошенничества.
• Машинное обучение – использование исторических данных для обучения модели, выявляющей мошенничество на потоке событий.
• Выявление аномалий – выявление нехарактерной, подозрительной активности в поведениях сотрудников, в заключенных сделках и совершенных транзакциях в системе бухгалтерского учета.
• Разработка правил и сценариев – создание правил и сценариев любой сложности, основываясь на результатах аналитических процедур или же на экспертных знаниях, так называемые бизнес-правила.
• Машинное зрение – для выявления фактов мошенничества с использованием компьютерного зрения.

Стоит отметить, что каждый метод также может стать и самостоятельным способом выявления фактов мошенничества, который будет эффективно встроен в существующий процесс выявления мошенничества, так же как и в процесс проведения расследований. 

Принцип работы: удобнее пояснить на примере обслуживания нефтяного трубопровода. Процесс понятный и рутинный, но при этом все равно скрывает в себе риски. Например, завышение стоимости работ по обслуживанию, формирование фиктивных работ, либо вообще хищение нефти. Но с помощью SAS вы сможете снизить величину убытков путем усиления внутреннего контроля. Для этого можно использовать процессную аналитику (process mining). Имея данные об обслуживании оборудования трубопровода, решение SAS может автоматически сформировать и визуализировать описание нормального хода процесса, после чего выявить имеющиеся отклонения, так как именно в них и кроются риски, например: слишком длительный срок или слишком короткий срок обслуживания оборудования, либо очень частое или, наоборот, очень редкое обслуживание. Отсюда вопрос: почему возникают такие отклонения? Безусловно, причин может быть много, например, из-за халатного отношения сотрудников или просто по причине неэффективности процессов. Но нельзя исключать мошенническую составляющую. В частности, завышение реальных человеко-часов для увеличения стоимости обслуживания, либо формирование фиктивных работ с целью создания «врезки» в трубопроводе. Далее, используя размеченные данные, производится обучение математической модели, которая будет уже в автоматическом режиме определять проблемные зоны анализируемого процесса.

Пример использования: энергетической компании потребовалось проработать несколько задач в рамках закупочного процесса, включая выявление недостатков, которые привели к существенным убыткам. Требовалось разработать систему мониторинга, позволяющую минимизировать риск мошенничества. При внедрении консервативного подхода в выявлении мошенничества удалось сохранить около 60 млн долл. США. Была разработана система раннего реагирования на действия сотрудников, которые предварительно могли быть классифицированы как мошеннические, а также улучшена процедура проведения расследования и подготовки отчетов по итогом таких расследований.

Разработчик. SAS.