Antecedentes sobre Fraude en Chile

Transcripción

1 Antecedentes sobre Fraude en Chile Mejores prácticas posibles para combatirlo Gustavo Vercinsky Vicepresidente de Experian para América Latina

2 Resultados del Estudio Nuestros resultados de las percepciones del mercado y mayores desafíos. En febrero de 2007, Experian realizó una serie de entrevistas con ejecutivos del mercado de crédito en Chile. El propósito de esta presentación es volcar algunos de estos resultados y las posibles soluciones para el caso Chileno

3 Comentarios recibidos por todas las entidades. Una sola voz No No tenemos tenemos Fraude Fraude de de Identidad Identidad a 50% 50% de de nuestras nuestras perdidas perdidas son son por por fraudes fraudes Las Las herramientas herramientas actuales actuales se se enfocan enfocan en en el el riesgo riesgo de de credito credito Compartir Compartir los los fraudes fraudes en en general general una una actividad actividad informal informal

4 Pregunta 1 Los índices de de fraude son vistos como manejables, o existe cierto grado de de preocupación? El El robo robo de de identidad es es un un problema relativamente inexistente en en Chile Chile El El acceso a las las bases bases de de Documentos de de Identidad hace hace que que los los documentos sean sean difíciles de de manipular

5 Pregunta 2 Puede proveer detalles de de pérdidas por fraudes? En general la la mayoría de de los los consultados entiende que entre el el a 50% de de las laspérdidas se se deben a fraudes (Synthetic ID, ID, FDP, Fraud Rings etc)

6 Pregunta 3 Cuál es es su su proceso típico para prevenir? Revisión inicial inicial de de la la solicitud por por analistas, sólo sólo algunos pocas pocas entidades poseen un un motor motor de de decisión automático Obtención del del reporte de de crédito. Aplicación del del scoring de de originación para para FPD FPD y crédito Verificación del del documento de de identidad Hot Hot File, File, proceso informal que que algunas entidades poseen donde donde comparten información de de fraudes y abuso abuso crediticio

7 Pregunta 4 Cuáles son los tipos de de fraudes típicos en en su su mercado vertical? Robo de de identidad, casi inexistente La La mayoría de de los casos de de fraude son Neverpay asociados a la la fase de de aplicación

8 Pregunta 5 Realiza un un control de de fraude antes de de tomar una decisión de de crédito? Si, Si, la la mayoría ejecuta el el proceso de de crédito y fraude simultáneamente Muy pocas entidades se se plantean la la necesidad de de tener un un proceso de de Fraude y Crédito separados

9 Pregunta 6 Cuanto de de su su procesamiento de de solicitudes es es automático vs vsmanual? Más Más y más, especialmente las las tiendas, están implementando complejos motores de de decisión y sistemas de de procesamiento de de solicitudes Automatización en el proceso de solicitudes Tiendas entre 20% y 85% Bancos entre 20% y 50% Telefonía entre 0 y 20%

10 Pregunta 7 Qué herramientas utiliza para prevenir fraudes en en solicitudes? Verificación de de documento de de identidad contra base de de datos Proceso informal de de listas que se se intercambian vía vía fax fax Limitación inicial del del cupo de de crédito con su su consecuente limitante a la la posibilidad comercial

11 Pregunta 8 Cuáles son los canales más utilizados para recibir solicitudes de de crédito? Muy pocas entidades reciben solicitudes de de credito vía vía Internet. En En Bancos la la principal fuente son las las sucursales y el el pre-screening En En Tiendas existen las las comercializadoras y la la captura en en calle

12 Pregunta 9 Son las perdidas por fraudes adecuadamente clasificadas? La La respuesta general fue un un NO La La mayoría de de la la entidades entiende de de que de de sus pérdidas crediticias entre el el 25-50% se se deben a fraudes De cualquier manera nadie realizo un un estudio cuantitativo en en este sentido

13 Pregunta 10 Cómo ve Ud. la tendencia de Fraudes a largo plazo? Varias de de las tiendas quieren expandirse a segmentos de de bajos ingresos Esto va va a causar mas riesgo

14 Llegar a la solución correcta Gestionar ventas Reducir pérdidas Minimizar gastos operacionales Respetar la privacidad del consumidor Prevenir robo de identidad Cumplimentar con los requerimientos legales Data Analytics Procesos

15 Proceso de autenticación genérico Chequear la información n de la solicitud con el reporte de crédito Indicadores de fraude? Chequear contra solicitudes internas Verificación telefónica interna (válido, alto riesgo) Verificación n interna de domicilio (válida, alto riesgo) Chequear contra información n interna / fraudes anteriores Chequear base de solicitud externa Chequear fraudes conocidos en base externa Verificación telefónica externa (válido, alto riesgo) Verificación domiciliaria externa (válida, alto riesgo) Verificación n de cartera Indicador de fraude? Realizar verificación fuera de cartera Pasa? Dar el crédito!

16 Evaluando el fraude en la originación Validar y verificar la información de las solicitudes Confirmar legitimidad de la información provista Scorings de riesgo de fraude Autenticación basada en conocimiento Bases de datos compartidas Fraude Solicitud

17 Soluciones para la verificación de identidad Características comunes Tecnologías de búsqueda y resultados Compilación de información Respuestas basadas en reglas Algoritmos de Scoring Fuentes de información típicas encabezado de crédito, demográfico, documentación social, bases compiladas de teléfonos

18 Verificación de identidad de no-bureau Definición Información compilada por un proveedor de confianza de una variedad de fuentes utilizadas para verificar y validar la legitimidad de la información provista por el consumidor o el comercio Previo al bureau de crédito verifique para asegurar mayor presición y maximizar la taza de aciertos Para solicitudes de crédito aprobadas previo a la apertura de cuenta Para revisiones desde el final para realizar el proceso de revisión manual

19 Scorings de Riesgos de Fraude Definición Modelos estadísticos que predicen la probabilidad de robo de identidad y first payment default Utilizado para facilitar la automatización del proceso de revisión de fraude Usualmente matrizado con el score de riesgo de crédito Desarrollar estrategia para riesgos de ambos fraude y crédito Modificar la decisión de cupo de crédito asignado

20 Autenticación basada en el conocimiento Definición Confirmar que el solicitante es quien dice ser a través de sesiones interactivas Típicamente utilizado para solicitudes de alto riesgo como ser por internet También se usa para automatizar procesos en solicitudes que requieran mayor verificación

21 Base de Datos de Fraude con Múltiples Contribuyentes Definición Datos de fraude que se informan a través de una base de datos de manera que es compartida por las entidades participantes Típicamente utilizado en la etapa final de evaluación de riesgo por fraude para alertar en caso de aplicaciones de crédito potencialmente sospechosas Agrega valor a información adicional externa

22 Valor de una propuesta integrada

23 Necesidades de una gestión de fraude Evolución de una propuesta integrada Fuentes de datos tradicionales Establecer criterio de decisión Fuentes nuevas de datos Incorporar elementos aplicables a la política Solución n de decisiones integrada Establecer una política de fraude automática tica Estrategia de Fraude

24 Integración a través de todo el Círculo de Vida del Cliente Perfil de Transacciones Pre- selección Apertura de Cuenta Primeras Transacciones Gestión n de cuenta Monitoreo de cuenta Prescreen Autenticación Fraudes Conocidos Robo de Indentidad IDs Sintéticas Manipulación de datos Robo de Identidad IDs Sintéticas Account take-over Account takeover Bust-out Robo de Cuenta

25 Beneficios de una propuesta integrada Mejorar drásticamente la tasa de detección de fraude automática Reducir positivos erróneos Optimizar el ROI de procesos de suspensión de fraudes Implementación más veloz en cualquier modelo de mejora.

26 Cómo pronostican modelos en función de distintos datos 100 Análisis de la Fuente de Datos 80 Fraude Acumulado Acumulado de Bienes Demographic Credit Data Base Auth. Matched Appl.

27 Elegir una Solución Factores de Consideración: Bureau vs. no-bureau Impacto sobre el consumidor Grado de automatización Flexibilidad de la solución Integración con riesgos 11/3/98 Experian Regulatory Compliance 27

28 Implementar la Solución correcta Evaluar si el fraude es identificado correctamente Identificar oportunidades Ahorro de Fraude Ahorro en los costos operativos Evaluar el proceso de solicitudes de crédito Identificar las herramientas seleccionadas Realizar un análisis de Costo/Beneficio Medir el éxito Refinar las estrategias continuamente 11/3/98 Experian Regulatory Compliance 28

29 La Visión de Experian Una solución que integra la gestión de fraude atravesando todos los aspectos del círculo de vida crediticia de los clientes, todas las líneas de producto y todos los canales.