Kad je riječ o borbi protiv prijevara, za analizu podataka mogu se upotrebljavati različite tehnike i tehnologije kako bi se automatski detektiralo neprimjereno ponašanje. Gotovo 2/3 organizacija trenutačno koristi analitike i izvještavanje o anomalijama, a više od polovice ih je implementiralo programsko rješenje za automatsku detekciju crvenih zastava ili kršenja poslovnih pravila.

Vizualizacija podataka i prediktivna analitika /prediktivno modeliranje relativno su novije vrste analitičkih tehnika koje je usvojilo ili se očekuje da će ih usvojiti ~ 50% organizacija.

“Automatizirana rješenja za otkrivanje prijevara postala su nezaobilazna s obzirom na rastuće trendove prijevara.”

Za izvještavanje o anomalijama pomoću analitika i automatsku detekciju putem programskih rješenja koriste se različiti izvori strukturiranih i nestrukturiranih podataka. Najčešće se koriste: interni strukturirani i nestrukturirani podaci, javne evidencije, pravne i regulatorne watch liste, društvene mreže, ostali podaci trećih strana i podaci s povezanih uređaja (IoT).

Nestrukturirani podaci nalaze se izvan strukturiranih baza podataka i proračunskih tablica. Primjeri nestrukturiranih podataka uključuju tekstualne dokumente, e-poštu i izravne poruke te slikovne datoteke. Velika većina organizacija ima značajne koristi od korištenja analitike protiv prijevara, a 83% do 90% organizacija ocjenjuje svoje analitička rješenja kao vrlo korisna ili prilično korisna u svakom od ova četiri područja.

Najveća ostvarena korist odnosi se na obujam: 64% ispitanika izjavilo je da je povećani obujam transakcija koje mogu pregledati pomoću analitike podataka vrlo koristan za njihove programe borbe protiv prijevara. Treba istaknuti i doprinos u koraku trijaže sumnjivih slučajeva, gdje ispitanici prijavljuju koristi u segmentu rokova i točnosti, što rezultira manjom stopom false-positive slučajeva te omogućuje brže otkrivanje prijevara i manji financijski gubitak.

“Istraživanja potvrđuju da sve organizacije koje koriste analitičke podatke u inicijativama za borbu protiv prijevara prijavljuju koristi, pri čemu ~ 90% prijavljuje srednje ili visoke koristi.”

Anti-fraud tehnologije možemo podijeliti u 3 glavne kategorije:

Softver za automatsku detekciju sumnjivih slučajeva koji putem definiranih scenarija (algoritama) upozorava na slučajeve koji na sebi imaju određena obilježja (crvene zastavice) koje su u povijesti s visokim udjelom bile potvrđene kao prijevare. Putem bodovanja, koje se kalibrira automatski putem samoučeće funkcionalnosti (Machine learning), pomaže i u koraku trijaže kako bi najsumnjivije slučajeve preuzeli u istragu. Dodatnih 18% tvrtki i organizacija očekuje implementaciju ovakvog rješenja u narednih 1-2 godine.

Dio učinkovitog upravljanja slučajevima prijevare uključuje mogućnost praćenja i izvješća o rezultatima svih istraga o prijevarama organizacije. Softversko rješenje uključuje i analitike mreža povezanosti, pretragu i pronalazak podataka (uključuje mreže povezanosti), trijažu i upravljanje istragama, provođenje istraga, upravljanje ovlaštenjima te crne (posebno rizični klijenti) i bijele (osjetljivi klijenti) liste subjekata.

Od 2019. u svijetu postoji 3,84 milijarde korisnika društvenih medija. Prema istraživanju Roberta Half Legala iz 2017. godine, 52% odvjetnika prijavilo je povećanje digitalnih dokaza u posljednje dvije godine u tužbama koje uključuju postove, slike i podatke pronađene na društvenim medijima. Prema istraživanju ILTA-e o podršci u parnicama i praksi za 2018., 90% odvjetničkih društava provelo je otkriće na društvenim mrežama te godine. Demografija i dalje potiče veliki rast dokaza sa digitalnih medija u parnicama. Softverska rješenja omogućuju pohranu dokaza na način koji je prihvaćen na sudu. 

*Association of Certified Fraud Examiners: Anti-Fraud Technology benchmarking report 2019

Provjerite ostale nastavke Compingovog Anti-Fraud Guidea:

• Comping Anti-Fraud Guide: Kako je pandemija utjecala na porast prijevara?
• Comping Anti-Fraud Guide: Pravovremena detekcija prijevare smanjuje financijske gubitke