Cómo facilitar la segmentación de clientes según la Matriz de Riesgo hacia la Prevención de Lavado Rudy García Bernal KPMG, Guatemala 1
Segmentación Es el proceso por medio del cual se lleva a cabo la separación de los elementos constitutivos de cada factor de riesgo, en grupos homogéneos al interior de ellos y heterogéneos entre ellos.
Riesgo Cliente Determinar el riesgo potencial de LD/FT, hasta el punto que dicho riesgo pueda ser identificado, presentado por un cliente, o categoría de cliente, es crítico y fundamental para el desarrollo de un marco general de riesgo. Basados en sus propios criterios, la Persona Obligada determinará si un cliente en particular representa un alto riesgo y el impacto potencial de cualquier factor atenuante de dicha evaluación. La aplicación de variables de riesgo puede mitigar o exacerbar la evaluación del riesgo
Identificación de Riesgos de LD Para identificar el riesgo, las Personas Obligadas deben establecer metodologías para: Segmentar los factores de riesgo Identificar las formas (tipologías) a través de las cuales se puede presentar este riesgo Identificar en cada uno de los factores el riesgo de LD/FT.
Factores de riesgo Clientes / usuarios Productos y/o servicios Canales de distribución Mercados Escasa regulación Falta de sanciones Identificación de Riesgos de LD
Etapas de administración de riesgo El objetivo de la administración de riesgo principalmente es reducir la posibilidad de que las Personas Obligadas puedan ser utilizadas como un instrumento para el ocultamiento o legalización de bienes producto de actividades de LD/FT. 1. Identificación 4. Monitoreo 2. Evaluación 3. Control
Evaluación de Riesgos de LD La evaluación de dicho riesgo generalmente contempla dos pasos: Identificar categorías de riesgos específicas por productos, servicios, clientes, canales de distribución y ubicación o localización geográfica, que se derivan del perfil de cada Persona Obligada; y Llevar a cabo un análisis más detallado en cuanto a cantidad, montos y tendencias de los distintos factores de riesgo identificados, para analizarlos de manera eficaz.
Evaluación de Riesgos de LD Para que los controles sean efectivos se requiere que exista interés y compromiso por parte de la alta dirección, este llevará a desarrollos de política que promuevan la cultura del riesgo en las compañías, facilitando mejores procesos en términos de actualizaciones y poblamiento de bases de datos de clientes, segmentación adecuada de la información y la definición de estándares adecuados al interior de las organizaciones
Modelo de Gestión de Riesgos Corporativos COSO
Modelos de Gestión de Riesgos Corporativos COSO
Metodología de evaluación de riesgos En el desarrollo de esta metodología se emplean herramientas que incluyen diagramas de flujo, lluvia de ideas, análisis de escenarios y juicios basados en la experiencia; obteniendo como resultado una lista de los riesgos detectables que pueden impactar negativamente a la entidad.
Problemas comunes al tratar de segmentar clientes Problemas Comunes Ceguera intencional Personal no capacitado para desarrollar su trabajo de manera adecuada Insuficiencia de personal Prioridad al tema comercial por encima del cumplimiento Sistemas informáticos no calibrados Capacitación deficiente del personal
Facilitar la segmentación de clientes Inteligencia Procesos Información
Facilitar la segmentación de clientes Sistematización y automatización Con la ayuda de sistemas pueden sistematizar y automatizar cada una de las etapas de la administración de riesgos, al punto que permita tener control activo y aseguramiento de los controles en la etapa de monitoreo así como el cumplimiento de todas las etapas de administración de riesgos Matriz de riesgo y etapas de administración de riesgo Factores de riesgo y controles Procesos y políticas Segmentación de clientes
Facilitar la segmentación de clientes Minería de datos La minería de datos o exploración de datos es un campo de las ciencias de la computación referido al proceso que intenta descubrir patrones en grandes volúmenes de conjuntos de datos. Utiliza los métodos de la inteligencia artificial, aprendizaje automático, estadística y sistemas de bases de datos
Facilitar la segmentación de clientes Un proceso típico de minería de datos consta de los siguientes pasos generales: Selección del conjunto de datos Análisis de las propiedades de los datos Transformación del conjunto de datos de entrada Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación. Extracción de conocimiento Interpretación y evaluación de datos
Facilitar la segmentación de clientes Un proceso típico de minería de datos consta de los siguientes pasos generales: Selección del conjunto de datos Análisis de las propiedades de los datos Transformación del conjunto de datos de entrada Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación. Extracción de conocimiento Interpretación y evaluación de datos