This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent. © 2009 Fair Isaac Corporation. 1 Monitoreo transaccional en la prevención de fraude Alexandre Nardy Soares Client Partner, Latin America FICO Noviembre, 2009

© 2009 Fair Isaac Corporation. 2 Tendencias mundiales de fraude »Pérdidas por fraude en USA en baja después del 2006 »Situación económica augura aumentos y preocupa a emisores »Aumento en incidencias de fraude en nuevas solicitudes »Experiencia mundial chip/pin ha sido positiva en general »Fraude desplazado a transacciones internacionales y CNP »CNP en aumento en todas las regiones del mundo »Aumento en incidencias de robo masivo de datos »Cumplimiento normativas PCI todavía incompleto e imperfecto »Incidencias importantes en sistemas validados »POS vulnerables e impredecibles en comercios »Captura wireless de datos »Terminales POS Non EPP todavía abundan »Ataques en sistemas ATM de instituciones financieras

© 2009 Fair Isaac Corporation. 3 El fraude en débito alcanza a tarjetas de crédito Crédito vs. Débito Montos anuales de fraude Estimados Fuente: Javelin Strategy & Research, 2008

© 2009 Fair Isaac Corporation. 4 Fraude Tarjetas de Crédito - USA Categorías confirmadas de fraude Fuente: Consorcio de crédito de FICO Falcon US Categorías confirmadas

© 2009 Fair Isaac Corporation. 5 5 Lo principal primero… La gestión de fraude empieza con la detección. No podemos hacer gestión sobre algo que no detectamos. Doug Clare FICO

© 2009 Fair Isaac Corporation. 6 Detección básica: Ventajas del uso de analíticos Enfocar esfuerzos en transacciones y actividades con mayor probabilidad de fraude Transacciones buenasTransacciones fraudulentas Sin protección Difícil identificar las transacciones buenas de las fraudulentas Solución basada en reglas se detecta fraude pero existe mucho escape con mucho impacto en transacciones buenas Solución basada en analíticos se detecta la mayor parte del fraude con impacto mínimo a las transacciones buenas

© 2009 Fair Isaac Corporation. 7 Capacidad analítica avanzada »En el mercado de hoy: »Primordialmente detección de transacciones crédito y débito »Modelos de redes neuronales »Modelos de consorcio »Perfilamiento del comportamiento de clientes a nivel cuenta »Soluciones de siguiente generación: »Modelos adaptativos (se retroalimentan y aprenden de la información de casos) »Detección multi-canal: Internet, Telebanco, POS, Crédito, Débito »Perfilamiento holístico del cliente: Comportamiento en todos los canales y su interrelación »Perfilamiento holístico de la transacción: POS, ATM, etc »Detección en tiempo real (autorizador) para parar el fraude en la primera transacción

© 2009 Fair Isaac Corporation. 8 Impacto en el desempeño de detección »Mantener un modelo actualizado: ~5% »Implementar en tiempo real (autorizador): ~15% »Analíticos avanzados: ~5-25% Portafolio hipotético… »Cuentas:»1,000,000 »Volumen»$3,500,000,000 »Pérdidas por fraude»$2,100,000 »Fraude mitigado»$2,100,000 »Modelo 5%»$105,000 »Tiempo 15%»$315,000 »Analíticos 10%»$210,000 »Mejorías:»$630,000

© 2009 Fair Isaac Corporation. 9 Perfilamiento de clientes y transacciones »Cada cliente tiene un comportamiento transaccional diferenciado en sus productos »El proceso de detección de fraude transaccional debe ponderar el comportamiento del cliente para diferenciar el riesgo y controlar los falsos positivos »El comportamiento del cliente es: »dinámico y cambia en el tiempo »un factor determinante para entender la probabilidad de fraude de una transacción »Multi-canal – el comportamiento anómalo generalmente se manifiesta primero en canales no-transaccionales (consultas por internet o telefonía)

© 2009 Fair Isaac Corporation. 10 Detección holística: basada en la transacción, clientes y reglas »Detección de fraude: Perfilamiento de clientes y score transaccional »Diferenciar a los clientes según su método preferido de interactuación con la institución »Diferenciar a los clientes basado en su comportamiento excepcional (Outlier) »Utilizar perfilamiento multicanal como un indicador temprano (Ej. Comportamiento en cuenta de depósitos) »Control adaptativo de reglas »Automatizar decisiones de bloqueo basado en riesgo personalizado »Reducir intervención manual y mejorar la experiencia del cliente »Capacidad de modificar reglas rápidamente (flash fraud) PROFILEPROFILE

© 2009 Fair Isaac Corporation. 11 Detectamos, ¿ahora qué? »Se requiere flexibilidad en la gestión de alertas y capacidad de entender la relación que pueda existir entre los casos detectados »Requerimientos clave: »Gestión de casos a nivel de la operación, no de la transacción »Gestión nivel cliente: Casos multi producto, multi-canal »Identificar y enlazar casos relacionados (ATM, POS, etc) »Manejar la carga de trabajo para dirigir los casos a los analistas más experimentados

© 2009 Fair Isaac Corporation. 12 Resumen »La detección y gestión de fraude evoluciona a un tratamiento holístico multicanal con perfilamiento en capas (transacción, cliente, POS, ATM, etc) »Objetivos clave: »Impedir más fraude » Detectar más fraude con analíticos más avanzados y perfilamiento de comportamiento de clientes y canales »Parar más defraudadores » Enlazar más casos y eventos en el proceso de gestión »Detectar y parar más modalidades de fraude y abuso » Conectar decisiones entre canales

© 2009 Fair Isaac Corporation. 13 © 2009 Fair Isaac Corporation. 13 FICO puede ayudarles a asegurar que cada decisión cuente »Controlar fraude y riesgo »Mejorar la rentabilidad »Apoderar a sus clientes directamente

This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent. © 2009 Fair Isaac Corporation. 14 GRACIAS Noviembre, 2009 Alexandre Nardy Soares