Как ИИ и углубленная аналитика влияют на отрасль финансовых услуг
Ведущие эксперты SAS обсуждают темы, которые волнуют мошенников и не дают спокойно спать руководителям компаний
Перспективные финансовые институты стремятся использовать новейшие технологии, чтобы оставаться конкурентоспособными. Но с новыми технологиями появляются и новые проблемы, связанные с безопасностью. С введением «цифровой идентификации» через Интернет вещей банки столкнулись с огромным количеством данных и теперь они не знают, как их использовать.
Клиенты требуют более оперативных платежей, при этом их раздражают методы аутентификации. Как организациям найти баланс? Решения просты, если вы хотите инвестировать в лояльность клиентов и операционную эффективность. Как говорят эксперты, инвестиции стоят того, чтобы окупиться.
Мы встретились с нашими экспертами (Дэвид Стюарт, директор банковской отрасли, SAS Fraud and Security Intelligence; Йен Холмс, руководитель в глобальной практике по решениям для защиты от мошенничества в корпоративной среде, SAS Fraud and Security Intelligence; Джон Уоткинс, консультант по отраслевым вопросам, SAS Fraud и Security Intelligence), чтобы поговорить о проблемах, которые влияют на финансовые институты. Вот их мысли о наиболее обсуждаемых вопросах в отрасли:
Q: Похоже, у финансовых институтов love/hate отношения с концепцией ИИ. Почему им следует использовать эту технологию, а не бороться с ней?
Дэвид Стюарт: Финансовые компании должны принять несколько поддисциплин ИИ в борьбе с мошенничеством и финансовыми преступлениями. Эти методы позволят им более эффективно аутентифицировать клиентов, улучшить качество обслуживания клиентов и снизить затраты на поддержание приемлемых уровней риска мошенничества, особенно в цифровых каналах.
Машинное обучение - это проверенный метод, который автоматизирует категории обучения c учителем в областях мошенничества с хорошими учебными данными, основанными на случаях мошенничества. Сейчас мы наблюдаем такие подходы, как деревья решений, нейронные сети и модели GBM, применяемые в борьбе с отмыванием денег для прогнозирования «продуктивных событий». Некоторые из достижений в лингвистическом анализе и контекстной текстовой аналитике оказываются полезными для автоматизации задач, которые исторически выполняются вручную. Каждый раз, уменьшая количество ложных срабатываний на 50-70% с помощью машинного обучения, вы высвобождаете ценные человеческие ресурсы, которые могут сосредоточиться на более сложных и субъективных исследованиях.
Кто-то будет экспериментировать с ИИ, но этот год заложит прочную основу для более широкого внедрения ИИ в бизнес-операции в ближайшие годы.
Скачать бесплатно документ: Как добиться успеха с помощью Fraud Analytics
Любая крупная организация имеет огромные ресурсы данных, которые могут обеспечить защиту от мошенничества на основе аналитики. Прочтите эту статью, чтобы узнать о трех составляющих успеха аналитики и шести способах оформить экономическое обоснование финансирования новой или обновленной программы анализа мошенничества.
Q: Платежная индустрия была и будет одной из самых динамичных областей инноваций в банковской сфере. Что будет со спросом на более быстрые платежи?
Джон Уоткинс: Транзакции в режиме реального времени обеспечивают значительную гибкость и удобство как для банков, так и для потребителей. Поскольку все больше и больше стран стремятся к осуществлению мгновенных платежей, смягчение последствий мошенничества является ключевым фактором для банков. Решения для защиты от мошенничества в реальном времени нужны в цифровых каналах, а также при открытии новых счетов. Для предотвращения потерь от мошенничества необходим анализ поведения клиента, устройства и сеанса. И с учетом появления PSD2 потенциальные сценарии использования и бизнес-модели будут расти в геометрической прогрессии.
Йен Холмс: Однако, мгновенные платежи создадут проблемы для финансовых институтов. Они обеспечат мошеннические атаки на высокой скорости, в результате чего традиционные системы не смогут справиться с новыми видами мошенничества, которые будут стремительно происходить. У большинства систем есть только миллисекунды для оценки риска и выявления потенциальной подозрительной активности, что ограничивает способность компании «возмещать» мошеннические выплаты. Без сильной системы в реальном времени финансовые организации могут увидеть всплеск ложных срабатываний из-за плохой узнаваемости клиентов.
Мы также увидим, что новые отраслевые игроки (финтехи, сторонние поставщики платежных услуг PSD2 и другие посредники) усложнят основные бизнес-операции (фрод, кредитные риски, маркетинг и т. д.).
Каждый раз, уменьшая количество ложных срабатываний на 50-70% с помощью машинного обучения, вы высвобождаете ценные человеческие ресурсы, которые могут сосредоточиться на более сложных и субъективных исследованиях. David Stewart Banking Industry Director for Fraud and Security Intelligence SAS
Q: Мы все согласны с тем, что качество обслуживания клиентов является главной задачей. Как успехи в углубленной аналитике могут помочь в её достижении?
Йен Холмс: Цифровизация банкинга позволила компаниям собирать ценные данные о своих клиентах. Это включает в себя время, когда клиенты обычно заходят в онлайн-счета; устройства, используемые для получения доступа; и общий диапазон типов транзакций. Благодаря машинному обучению, основанному на всех этих транзакционных данных, системы могут узнать, когда транзакция выходит за рамки нормы, и предупредить клиента о том, что что-то может быть не так.
Джон Уоткинс: Эта информация также может помочь аутентифицировать клиента еще до того, как он введет свою информацию. Возможность аутентификации без дополнительной клиентской информации защищает как потребителя, так и компанию. Организации всегда стремятся найти оптимальный баланс между уменьшением ложных срабатываний, которые могут испортить взаимоотношения с клиентами, и ненастоящими ложными срабатываниями, которые могут привести к финансовым потерям компании. Для баланса требуется аналитика, способности с сиюминутной скоростью обнаруживать аномалии, которые представляют потенциальную опасность в постоянно меняющейся среде мошенничества.
Q: С введением нескольких цифровых каналов для проведения транзакций у компании появляется еще больше данных о клиенте. Что в таком случае финансовые институты должны сделать, чтобы подготовиться к предотвращению цифрового мошенничества?
Дэвид Стюарт: Финансовые институты понимают, что предотвращение цифрового мошенничества так же важно, как и цифровой опыт. Отрасль перешла от авторизации платежей к проверке личности. Чтобы понять, является ли сеанс или цифровое взаимодействие подлинным, требуется намного больше данных, которые могут включать геолокацию, поведение во время сеанса и профилирование устройства в дополнение к другим данным от предоставителя услуги или эмитента. В идеале мы хотим дать оценку человеку, чтобы законные клиенты могли легко и безопасно провести время в приложении, онлайн или в точке продажи. Нужно организовать все взаимодействия между внешними данными, данными консорциума, данными управления и т. д. с профилями клиентов и обеспечить принятие решения менее чем за секунду.
Институтам необходимо будет иметь масштабируемый цифровой хаб, поскольку в 2020-х годах мы придем к окружающему банковскому обслуживанию (ambient banking).
Рекомендуем прочитать
- Fraud detection and machine learning: What you need to knowМашинное обучение является важной частью инструментария обнаружения мошенничества. Вот что вам нужно для начала работы.
- Detecting health care claims fraudHealth care claims fraud could represent as much as 10 percent of total claims cost. Learn how to fight back with analytics.
- Мобильные платежи, смурфы и новые угрозыИнновации охватили весь мир – даже где-нибудь в глухой кенийской деревне мобильный телефон служит местному жителю виртуальным кошельком. Но почему эта новая технология может стать потенциальным препятствием в борьбе с отмыванием доходов?
Готовы подписаться на инсайты сейчас?