Detección de fraudes mediante bases de datos gráficas
Published on 28 Aug 2020
Los bancos y las compañías de seguros pierden miles de millones de dólares cada año por fraudes. Los métodos tradicionales de detección de fraudes desempeñan un papel importante a la hora de minimizar estas pérdidas. Sin embargo, los estafadores, cada vez más sofisticados, han desarrollado diversas formas de eludir el descubrimiento, tanto trabajando en equipo como aprovechando otros medios para construir identidades falsas. Las bases de datos gráficas ofrecen nuevos métodos para descubrir redes de fraude y otras estafas sofisticadas con un alto nivel de precisión y son capaces de detener escenarios de fraude avanzados en tiempo real.
Si bien ninguna medida de prevención del fraude puede ser perfecta, se pueden lograr importantes oportunidades de mejora si se mira más allá de los puntos de datos individuales y se observan las conexiones que los vinculan. A menudo, estas conexiones pasan desapercibidas hasta que es demasiado tarde, algo desafortunado, ya que estas conexiones suelen contener las mejores pistas. Comprender las conexiones entre los datos y extraer significado de estos vínculos no significa necesariamente recopilar nuevos datos.
Se pueden extraer importantes conclusiones de los datos existentes simplemente replanteando el problema y observándolo de una forma nueva: como un gráfico. A diferencia de la mayoría de las otras formas de analizar los datos, los gráficos están diseñados para expresar relaciones. Las bases de datos gráficas pueden descubrir patrones que son difíciles de detectar utilizando representaciones tradicionales como las tablas. Cada vez más empresas utilizan bases de datos gráficas para resolver diversos problemas de datos conectados, incluida la detección de fraudes.
En este artículo se analizan algunos de los patrones comunes que aparecen en tres de los tipos de fraude más dañinos: el fraude bancario de primera parte, el fraude de seguros y el fraude de comercio electrónico. Si bien se trata de tres tipos de fraude completamente diferentes, todos tienen algo muy importante en común: el engaño se basa en capas de indirección que pueden descubrirse mediante un análisis conectado. En cada uno de estos ejemplos, las bases de datos de grafos ofrecen una oportunidad significativa para mejorar los métodos existentes de detección de fraude, haciendo que la evasión sea sustancialmente más difícil.
Ver también: 4 maneras de maximizar el apalancamiento en un acuerdo con Microsoft
Ejemplo 1: Fraude bancario de primera parte
Fondo
- El fraude de primera persona se produce cuando los estafadores solicitan tarjetas de crédito, préstamos, sobregiros y líneas de crédito bancarias sin garantía sin intención de devolverlos. Se trata de un problema grave para las instituciones bancarias.
- Los bancos estadounidenses pierden decenas de miles de millones de dólares cada año1 por fraude de primera parte, que se estima que representa hasta una cuarta parte o más del total de cancelaciones de créditos al consumo en Estados Unidos. Se calcula además que entre el 10% y el 20% de las deudas incobrables no garantizadas de los principales bancos estadounidenses y europeos están mal clasificadas y, en realidad, son fraude de primera parte.
- La sorprendente magnitud de estas pérdidas probablemente sea el resultado de dos factores. El primero es que el fraude de primera persona es muy difícil de detectar. Los estafadores se comportan de manera muy similar a los clientes legítimos, hasta el momento en que “se dan a la fuga”, vaciando todas sus cuentas y desapareciendo rápidamente.
- Un segundo factor, que también se analizará más adelante con mayor detalle, es la naturaleza exponencial de la relación entre el número de participantes en la red de fraude y el valor total en dólares controlado por la operación. Esta explosión conectada es una característica que a menudo explota el crimen organizado.
- Sin embargo, si bien esta característica hace que estos esquemas sean potencialmente muy dañinos, también los hace particularmente susceptibles a los métodos de detección de fraude basados en gráficos.
