
Una piattaforma unica per evidenziare in real-time i comportamenti fraudolenti e garantire una customer experience di valore: la testimonianza di Poste Italiane
Intervista a Raffaele Panico, Responsabile Fraud Management e Security Intelligence - Poste Italiane
Tempo di lettura: 6 min
Tempo di lettura: 6 min
Partiamo dai numeri per descrivere una nota realtà come Poste Italiane: 35 milioni di clienti, 11 milioni dei quali interagiscono tutti i giorni con il Gruppo, fruendo dei molteplici servizi che offre, da quelli postali fino a quelli bancari, assicurativi, telefonici e, più recentemente, anche energetici con la fornitura di Luce e Gas.
Numeri che fanno ben comprendere la complessità di una realtà caratterizzata da una notevole diversificazione di prodotti e servizi nonché di posizionamento sul territorio: «Insieme ai Carabinieri noi siamo la realtà più presente sui territori locali», è la battuta di inizio di Raffaele Panico, Responsabile Fraud Management e Security Intelligence di Poste Italiane, che condivide la sua esperienza e le sue riflessioni su un tema delicato come la gestione e la prevenzione delle frodi.
Poste Italiane è una realtà molto complessa con una quantità di dati sorprendenti. Come gestire questo patrimonio informativo per la prevenzione e gestione delle frodi?
Per offrire tutti i servizi diversificati che fanno parte del nostro Gruppo i dati sono di vitale importanza. Anzi, più che i dati grezzi servono, in realtà, le informazioni, e cioè “quello che i dati riescono a dirci” a fronte della nostra capacità di sfruttare adeguati modelli di analisi.
Le informazioni sono necessarie per definire la giusta e adeguata proposizione commerciale. Un po’ come Netflix che ci mette nelle condizioni di scegliere un prodotto sulla base delle nostre abitudini e preferenze, così noi dobbiamo essere in grado di proporre il servizio o il prodotto più in linea con le esigenze dei clienti. Una capacità che si raggiunge solo attraverso la conoscenza che forniscono le informazioni, in questi casi quelle derivanti dai modelli di comportamento.
Può sembrare un discorso lontano dal tema dell’anti-frode, ma non è così. Anche nella gestione e prevenzione delle frodi l’analisi dei dati, in particolare la modellazione dei comportamenti e delle abitudini delle persone, diventa la base di conoscenza per intercettare e prevenire, nonché bloccare azioni di frode.
Oggi sarebbe meglio ragionare in termini di Fraud Intelligence perché la chiave di volta sta nella capacità di fare previsioni grazie alle analisi in real-time.
RAFFAELE PANICO
Responsabile Fraud Management e Security Intelligence - Poste Italiane
Oggi sarebbe meglio ragionare in termini di Fraud Intelligence perché la chiave di volta sta nella capacità di fare previsioni grazie alle analisi in real-time.
RAFFAELE PANICO
Responsabile Fraud Management e Security Intelligence - Poste Italiane
Come si riesce, oggi, a individuare e prevenire comportamenti fraudolenti? Quali sono le tecnologie abilitanti?
È necessario, innanzitutto, avere una visione olistica della clientela e della sua operatività, cioè avere ben chiaro chi sono i clienti e come si comportano. Attraverso una “vista unica” e un avanzato sistema di analisi di grandi moli di dati provenienti da più fonti e canali, si riescono a identificare e comprendere i comportamenti abituali dei clienti, facendo poi emergere scostamenti anomali che potrebbero quindi essere indice di una frode.
In altre parole, servono Big Data, Advanced Analytics e Machine Learning/Intelligenza Artificiale, oltre a una consistente capacità di calcolo. Tutti “ingredienti” che solo pochi anni fa non c’erano e che oggi portano a compimento ciò che prima rimaneva a livello teorico o sperimentale: le analisi predittive.
Individuare le anomalie nei comportamenti dei clienti e associare o meno tali anomalie alle frodi richiede grande capacità elaborativa e analitica su enormi quantità di dati. Prima tali analisi si basavano esclusivamente su regole deterministiche prestabilite che non permettevano di intercettare e rispondere in maniera tempestiva ai cambiamenti (era necessario definire a priori comportamenti e scostamenti, dettagliare cioè le anomalie da ricercare e riscontrare), dando origine a una grande quantità di falsi positivi (cioè risultati falsamente positivi, indice di una anomalia che in realtà non è tale).
Oggi, grazie soprattutto a Machine Learning e Intelligenza Artificiale, si riesce ad ottenere un risultato osservando e analizzando l’interezza del comportamento del cliente. Naturalmente facendo confluire tutti i dati relativi a ogni singolo cliente in un’unica piattaforma e adottando indicatori che non siano a silos rispetto al prodotto o servizio fruito dal cliente ma che tengano conto, come accennavo, del comportamento generale del cliente. È così che si riescono a fare analisi e previsioni accurate, riducendo i falsi positivi e assicurando interventi tempestivi in casi di frodi accertate.
Quanto è importante avere un approccio real-time nel rilevare comportamenti fraudolenti?
Direi di vitale importanza, senza un approccio real-time non avrebbe nemmeno senso parlare di prevenzione delle frodi. Pensiamo ad una persona che vuole effettuare una transazione online mediante accesso dal suo smartphone. L’analisi in tempo reale mi consente di capire se quella operazione è riconducibile a un comportamento abituale o simile ad altri già verificatisi in passato, oppure se si tratta di un comportamento anomalo che necessita di essere verificato. Tutto questo deve per forza avvenire in tempo reale.
Con l’analisi in real-time è possibile bloccare in modo automatico la transazione, anche solo temporaneamente per effettuare gli accertamenti (a volte bastano pochi secondi, con un check via sms e una interazione rapida con il cliente per verificare che quella operazione sia effettivamente voluta e gestita da lui).
Ancora una volta, ribadisco, questo è possibile solo se c’è un layer di informazioni univoco e centralizzato per i singoli clienti, un unico ambiente analitico, una piattaforma come SAS che consente di guardare il cliente e quello che fa non solo dal punto di vista della sua operatività sui nostri canali ma anche nella sua quotidianità e abitudini in generale, quando utilizza i nostri servizi.
Oggi non è più nemmeno corretto parlare di Fraud Management, sarebbe meglio ragionare in termini di Fraud Intelligence perché la chiave di volta sta nella capacità di fare previsioni grazie alle analisi in real-time. Prevedere i comportamenti dei clienti, in modo da poter osservare quelli che si discostano dalle abitudini e con l’aiuto delle tecniche di machine learning, è quello strato di “intelligence” che permette di identificare le situazioni a rischio, analizzarle in tempi rapidissimi e intervenire quando necessario.
Tutto questo porta, come si può intuire, a vantaggi enormi non solo per il business (abbassando i falsi positivi e meglio intercettando le frodi è evidente che ci siano ritorni economici non indifferenti) ma anche per la clientela... e non solo in termini di prevenzione e sicurezza ma anche di customer experience. I clienti protetti sono soddisfatti, quale miglior modo per fidelizzarli?
Quali saranno le prossime sfide? Come proseguirà ed evolverà il sistema di gestione e prevenzione delle frodi in Poste Italiane?
Siamo partiti con questo sistema avanzato di prevenzione delle frodi nel settore bancario e l’abbiamo poi esteso alla monetica dove abbiamo raggiunto risultati sorprendenti: a fronte del continuo aumento delle transazioni registriamo una diminuzione delle frodi, indice del fatto che riusciamo ad intercettare le anomalie e a prevenire attacchi fraudolenti. Per la parte di monetica, negli ultimi 3 mesi siamo scesi di oltre il 50% in termini di fraud ratio. Dato sorprendente soprattutto se consideriamo che negli ultimi due anni a livello mondiale le frodi sono aumentate del 90%.
Stiamo estendendo ulteriormente il sistema al settore assicurativo. Al momento rimane fuori il settore della telefonia, che integra un suo sistema anti-frode nativo, ma l’obiettivo a tendere è dare forma, anche nell’ambito della prevenzione delle frodi, a un vero approccio real-time omnicanale, estendendolo quindi anche ai servizi postali e ai centri di recapito dove, comunque il rischio frode è più basso. In ogni caso siamo riusciti a ottenere una riduzione delle frodi e dei rischi dell’80% “blindando” una serie di servizi e prodotti.
La vera sfida e obiettivo futuro è portare questo sistema all’esterno, cioè offrirlo sul mercato. Noi saremmo, in questo caso, i primi clienti ad averlo testato e a poter portare le migliori referenze.
La vera sfida e obiettivo futuro è portare questo sistema all’esterno, cioè offrirlo sul mercato.
In evidenza
35 milioni di clienti: 11 milioni dei quali interagiscono quotidianamente con l’azienda fruendo di diversi servizi
Poste Italiane detiene circa il 70% del mercato italiano delle carte di pagamento ricaricabili
Riduzione del 40% dei falsi positivi, aumentando di oltre il 20% la capacità di gestire anomalie e frodi
27 settembre 2022
Articoli consigliati
-
Innovation SparksGovernare l’Intelligenza Artificiale nel settore pubblicoL’adozione dell’intelligenza artificiale (AI) nel settore pubblico si è finora limitata a sperimentazioni, senza tradursi in cambiamenti strutturali duraturi. Per una reale innovazione, è necessario un approccio integrato che coinvolga dati, governance, competenze e processi organizzativi.
-
Innovation SparksDall’alert alla conversazione: come Minority Reporters ripensa la verifica antifrodeUn agente vocale basato su AI che chiama proattivamente i clienti, nella loro lingua, per verificare transazioni sospette, indagare su possibili tentativi di frode e attivare immediatamente misure di protezione.
-
Innovation SparksDall’osservazione dei macchinari alla modellazione avanzata dei fenomeni: l’analisi dei processi produttivi di KMEMonitoraggio dei processi, modellazione avanzata e tracciabilità della carbon footprint: come KME garantisce una sostenibilità misurabile lungo la supply chain.
-
Innovation SparksComputer vision per città più inclusive: il progetto “data for good” del team RationenceIl racconto di come è nata l’idea di costruire uno strumento basato sulla computer vision capace di individuare automaticamente le barriere architettoniche nelle città.



