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
- ТОП-5 схем мошенничества по предоплаченной картеЛучшие практики для предотвращения мошенничества, защиты репутации и обеспечения качественного клиентского обслуживания.
- Банки проверяют все операции на предмет отмывания денегНесколько лет назад в интернете можно было найти массу жалоб на несколько банков, которые слишком буквально восприняли нормы закона 115-ФЗ, и начали блокировать практически все крупные транзакции.
- How to uncover common point of purchaseFor issuing banks, a critical aspect of controlling card fraud is CPP analysis. CPP analysis identifies the likely merchant location where card numbers were stolen, allowing banks to mitigate future fraud on other compromised cards.
Готовы подписаться на инсайты сейчас?