Non-compliance e falsi positivi
Il paper,”Real-time Risk Detection Addressing the challenge of false positives using machine learning”, parte da un tema ancora aperto: come settare gli strumenti di monitoraggio per rispettare un equilibrio ideale tra rischio di non-compliance ed eccesso di falsi positivi? Da un lato, un monitoraggio troppo blando espone l’istituto finanziario al pericolo di importanti sanzioni, per non parlare del danno reputazionale. Dall’altro, troppi falsi positivi si traducono in costi molto elevati di accertamento.
La sfida: analizzare un’enorme mole di dati
Anche perché il monitoraggio delle anomalie riguarda ormai diversi ambiti della banca: dall’anti-riciclaggio alle transazioni di carte di debito e di credito, dalle frodi assicurative alle operazioni online. In tutti i casi, si tratta di ambiti caratterizzati da transazioni ad alta frequenza e moli crescenti di dati. E proprio quest’ultimo elemento è un vantaggio per il machine learning, la branca dell’intelligenza artificiale che analizza grandi quantità di dati e apprende costantemente a riconoscere un’operazione sospetta da una che non lo è.
Perché il machine learning è diverso
Il monitoraggio delle frodi basato su machine learning non sfrutta un set di regole date (che vanno aggiornate manualmente all’emergere di nuovi modelli di attacco da parte dei frodatori o all’arrivo di una nuova normativa) ma utilizza strumenti di analytics e la conoscenza di ciò che è avvenuto in passato per esaminare ciascun evento e assegnargli un punteggio di rischio. Imparando dai suoi stessi errori.
Una visione integrata del rischio
L’applicazione dello stesso approccio a tutti i diversi ambiti in cui la banca necessita di monitorare il rischio di frode permette di arrivare a una dashboard unificata, che evidenzia il rischio di non-compliance in real time. Per maggiori dettagli, compreso un esempio di implementazione in ambito AML, potete scaricare il white paper (in lingua inglese) completando questo form.
È stato risolto il bug che impediva lo scaricamento del White Paper su micromarketing e machine learning: puoi scaricarlo da qui.
{chronoforms5}white_paper_mail_2{/chronoforms5}
