Практика бизнес-анализа для BI-систем

Рост рынка кредитов порождает долгосрочный доход для банков, если рассматривать его на долгой перспективе. И банки нанимают новых менеджеров по развитию бизнеса, торговых представителей, внедряют системы электронного маркетинга и рассылают SMS с помощью различных сервисов. чтобы увеличить свой бизнес и выдать больше займов/ссуд своим клиентам.

Чтобы выполнить план по продажам менеджеры по развитию бизнеса и маркетинг меньше обращают внимание на оценку рисков и следовательно много кредитов выдается клиентам, которые не планируют их возвращать.

Ассоциативная модель данных QlikView и Qlik Sense дает новые возможности в определении мошенничества и представляет новые методы выявления афер с высокой степенью точности, а также способна останавливать сценарии мошенничества в режиме реального времени.

Хотя никакие меры по предотвращению мошенничества не могут быть совершенными, значительно улучшить ситуацию можно путем анализа связей в существующих данных. Часто эти связи остаются незамеченными до тех пор, пока не станет слишком поздно, хотя эти связи часто содержат лучшие подсказки.
Понимание связей между данными и выделение этих связей — это не сбор новых данных. Найти связи можно в уже существующих данных, простым пересмотром проблемы и взглядом на нее по-новому: как в ассоциативной модели данных QlikView или Qlik Sense.

Пример: Одностороннее банковское мошенничество

Одностороннее мошенничество — это мошенники, которые используют бенковские продукты: кредитные карты, кредиты, овердрафты и незащищенные банковской кредитные линии без намерения выплачивать их. Это – серьезная проблема для банков.
Как правило, банки, увеличивают выделение ресурсов по просроченным кредитам (NPL) для кредитных неплательщиков, что приводит к увеличению процентной ставки, для обеспечения безопасности банковских инвестиций.
Поражающая величина этих потерь, скорее всего, является результатом двух факторов. Первый, основывается на том, что одностороннее мошенничество очень трудно обнаружить. Мошенники ведут себя очень похоже на законных клиентов, до того момента, пока они не «попадутся», вычищая все свои счета и быстро исчезая.
Вторым фактором, является экспоненциальный рост общей стоимости мошенничества в зависимости от количества участников в кольце мошенничества.

Эти схемы потенциально приводят к большому ущербу, однако они довольно уязвимы для методов обнаружения с помощью анализа данных.

Типичный сценарий
Хотя точные детали каждого одностороннего мошеннического сговора варьируются от операции к операции, ниже приведен рисунок иллюстрирующий, обычную работу кольца мошенников:

1. Группа из двух или более людей организовывают кольцо мошенников;
2. Кольцо разделяет подмножество легитимной контактной информации, например, номеров телефонов и адресов, объединяя их, с целью создания ряда синтетических особенностей;
3. Участники кольца открывают счета, используя эти синтетические особенности;
4. Новые счета добавляются к оригинальным: незащищенные кредитные линии, кредитные карты, защита овердрафта, персональные кредиты и т.д.;
5. Как правило, счета используются, с регулярными покупками и своевременными платежами;
6. С течением времени банки увеличивают оборотные кредитные линии, в следствии наблюдаемого ответственного кредитного поведения;
7. В определенный день мошенники снимают максимальную сумму со всех своих кредитных линий, и исчезают;
8. В результате происходит расследование, но коллекторы не в состоянии добраться до мошенников;
9. Безнадежная по отношению к взысканию задолженность списывается.

Как приложение Qlik может помочь заранее предотвратить мошенничество?

Мы можем получить комплексный описательный глубокий анализ различных взаимоотношений между различными субъектами в основных записях. На изображении ниже продемонстрированы основные записи в левой части изображения, а правая часть отображает детали кредита. Каждая запись имеет свои расчетные цифры, которые показывают их повторение в различных основных записях, а также в сделках.

На изображении ниже показано, что идентификационный адрес AD-005 появился два раза в основной записи в течение четырех кредитов, что означает, что тот же адрес используется для различных клиентов в основной базе данных клиента. Все выглядит хорошо с остальной информацией, кроме повторения этого адреса. В то время как данные показывают, что один из выданных кредитов находится в статусе просроченного кредита (NPL), что означает, что два других кредита находятся под угрозой.

На изображении ниже, показано, что есть одна характерная черта для трех кредитов и все три ссуды в статусе просроченного кредита (NPL). При выборе любой подозрительной записи, приложение QlikView/Qlik Sense раскрывает всю информацию, связанную с сомнительными записями.

На приведенном выше рисунке показана полная взаимосвязь основных данных и различных объектов и создает кольцо мошенничества.

Обращайтесь к нам, если вам интересует создание системы анализа данных для обнаружения мошенничеств (fraud-management).

Найти решение у бизнес-партнера QlikTech (QlikView) в России.

Форум разработчиков QlikView и Qlik Sense. Получите ответы на все вопросы по QlikView и Qlik Sense!