Workshop: Ganoven auf der Spur mit IBM Fraud Solutions Betrug erkennen und Schaden abwenden

Transkript

1 Workshop: Ganoven auf der Spur mit IBM Fraud Solutions Betrug erkennen und Schaden abwenden Rainer Größer - Service Leader BAO Fraud Solutions Stephan Schnieber - Architect BAO Analytics Solution Center 07. November 2012

2 Smarter Planet TV Spot Youtube video

3 Agenda Einleitung - Betrugsmanagement Fallbeispiele Wo befindet sich Ihr Unternehmen? Lösungswege

4 Assoziationen im Bereich Betrugserkennung

5 Missbrauch und Betrug sind allgegenwärtig. 6 Jahre wurden die Sozialzahlungen für den toten Ehemann (Leiche im Bett) kassiert 2010: Unberechtigte Zahlungen in Höhe von ca. 15 Milliarden $ Verstorbene haben über 3 Jahre weiter Zahlungen erhalten 10x die gleiche Behandlung beim gleichen Patienten - gesundheitlich bedenklich/unmöglich 64x den gleichen Scheck eingelöst

6 Betrug und Missbrauch sind komplexe Geschäftsprobleme. Betrug ist die absichtliche Täuschung oder Falschangabe in dem Bewusstsein, dass die Täuschung in einen nicht gerechtfertigten Vorteil resultieren kann. Betrug beabsichtigte Handlung Korruption Korruption bezeichnet Bestechung und Bestechlichkeit, Vorteilsannahme und Vorteilsgewährung. Missbrauch steht für die Zahlung für Gegenstände oder Leistungen, die aus Versehen angefordert oder berechnet werden, aber nicht bezahlt werden sollen. Kunde Missbrauch: Anwenderfehler Mitarbeiter Missbrauch: Systemfehler Verlust ist der übermäßige oder unangemessene Gebrauch von nicht gerechtfertigten Vorteilen. unbeabsichtigte Handlung

7 An welcher Stelle bzw. zu welchem Zeitpunkt eines Betrugs-/ Missbrauchsfalls wird Ihr Unternehmen aktiv? Vorbereitung des Betrugs / Missbrauchs Betrug / Missbrauch findet statt Betrug / Missbrauch bleibt unbemerkt Betrug / Missbrauch wird entdeckt Versuch, den Betrug / Missbrauch zu beheben Täter prüfen Möglichkeiten, stimmen sich ggf. mit Komplizen ab Täter bereiten alles für die Durchführung vor Betrug / Missbrauch wird wie geplant begangen Täter entfernen ggf. Spuren Täter flüchten Täter sichern die erbeuteten Werte Verdacht auf Betrug / Missbrauch kommt auf Verdacht wird auf Korrektheit überprüft Ermittlung des genauen Schadens Ermittlung der Täter / Komplizen Versuch der Sicherung der entwendeten Werte Zeit Gefährdungen sind gesondert zu betrachten

8 Agenda Einleitung - Betrugsmanagement Fallbeispiele Wo befindet sich Ihr Unternehmen? Lösungswege

9 Beispiele nicht zur Nachahmung empfohlen! Geldwäsche Online-Betrug Auslesen von Kartendaten Geldautomat-Betrug Konten-Diebstahl Integrierter Web-Betrug Transaktionaler Betrug Kreditkarten Datensicherheit Intern/Mitarbeiter (Steuer-CD) Banken Versicherung Betrug bzgl. Schäden Fingierte Unfälle Diebstahl Falschangaben Kavaliersdelikte Betrug bzgl. Vertrag Gefälschte Policen / Dokumente Fehlangaben Intern / Mitarbeiter-Betrug Gefälsche Policen / Dokumente Inkorrekte Kompensation Steuer Nahrungsmittelprogramme Verfallsdaten Sozialversicherung Online-Handel Wiederholtes Anmelden, falsche Adressangaben, Identitätsdiebstahl Insider Arzt- / Krankenhaus- Rechnungen Apothekenabrechnung Öffentlicher Bereich Kommerziell Subventionen 9 IBM CONFIDENTIAL

10 Use Case (Fraud): Betrugsvorhersage bei Schadensmeldung Kunde Haftpflichtversicherung Meldet Schadensfall Kunde Automobilversicherung Meldet Schadensfall Kunden Schaden melden Schaden wird erfasst und geprüft Schaden wird erstattet Kundenanruf: Schaden melden Schaden wird erfasst und geprüft Weitere Informationen angefragt, da mögliches Betrugsmuster erkannt Detaillierung des Hergangs Betrugsversuch wird aufgedeckt und Schaden abgelehnt Automatische Analyse von Art des Schadens, beteiligten Personen, Meldung des Schadens (z.b. Uhrzeit, Kanal, ) zur Ermittlung von Betrugsmustern Sofort beim Erfassen eines Schadens wird das Betrugsrisiko vorhergesagt und die beste Folgeaktion angestoßen, noch bevor eine Zahlung erfolgt.

11 Betrug: Beispiel Telekommunikationsunternehmen Schwerpunkt Abo- / Vetragsanlagebetrug Verträge für subventionierte Geräte abschließen, ohne Intention zu bezahlen. Motivation: neueste Smartphones nutzen / verkaufen

12 Betrug: Beispiel Online-Handel Identitätsmissbrauch Wie wird die Erkennung unterstützt? DDr Katrin Durand 1 Ave Dumesnil Saint-Cloud Tel : Card n : DOB :07/08/64 Tel : Dr Cathy Dupont 1B rue de Bourgogne Chatillon Tel : Tel : Mme Catherine Dupond 1 rue de Bourgogne Chatillez Tel : DOB : 07/09/66 CDF : Mme Katrin Dubois Tour Europa Appt B24 La Défense, Tel : DOB : 07/08/64 Card n :

13 Prädiktive Analytik bietet erhebliche zusätzliche Möglichkeiten. Vorhersagen & Handeln Einsatz von prädiktiven Modellen Nutzen aktueller und historischer Daten Verlässliche Vorhersagen zu künftigen Fällen treffen Einbettung in Geschäftsprozesse zur Unterstützung von Entscheidungen und Folgeaktivitäten Prädiktive Analytik Algorithmen entdecken automatisch signifikante Muster Gewinnung von Erkenntnissen zur Verbesserung strategischer und operativer Entscheidungen Lernen an historischen Daten Schaffung prädiktiver Modelle M Jetzt Jetzt Fühlen & Antworten Traditionelle BI und konventionelle Analyse Ex post Metriken und Erkenntnisse Benutzer erkunden aggregierte Daten KPI KPI KPI Jetzt 13

14 Betrugsmuster werden zunehmend komplexer. Gesteigerte Komplexität / gesteigerte Anzahl von Kanälen Strukturierte / Unstrukturierte Daten / Medienbrüche Wenig Zeit beim Bearbeiter, um die komplexen Muster zu erkennen Investigative Units Enterprise Functions LOB 1 Team Audit LOB 2 Team Informal, Inconsistent, Unstructured Communication Legal LOB 3 Team LOB 4 Team Enterprise Risk 14

15 Agenda Einleitung - Betrugsmanagement Fallbeispiele Wo befindet sich Ihr Unternehmen? Lösungswege

16 In welchen Quadranten sind Sie bzgl. Betrugserkennung aktiv? beabsichtigte Handlung Betrug Korruption Kunde Mitarbeiter Missbrauch: Anwenderfehler Missbrauch: Systemfehler unbeabsichtigte Handlung

17 Wann beginnt Ihre Betrugsuntersuchung? Vorbereitung des Betrugs / Missbrauchs Betrug / Missbrauch findet statt Betrug / Missbrauch bleibt unbemerkt Betrug / Missbrauch wird entdeckt Versuch den Betrug / Missbrauch zu beheben Täter prüfen Möglichkeiten, stimmen sich ggf. mit Komplizen ab Täter bereiten alles für die Durchführung vor Betrug / Missbrauch wird wie geplant begangen Täter entfernen ggf. Spuren Täter flüchten Täter sichern die erbeuteten Werte Verdacht auf Betrug / Missbrauch kommt auf Verdacht wird auf Korrektheit überprüft Ermittlung des genauen Schadens Ermittlung der Täter / Komplizen Versuch der Sicherung der entwendeten Werte Zeit

18 Kurzumfrage 1. Welche Kosten stehen hinter dem Betrugsmanagement? 2. Wieviel Prozent der Betrugsfälle werden in Ihrem Unternehmen aufgedeckt? 3. Wo sehen Sie Optimierungspotenziale?

19 Agenda Einleitung - Betrugsmanagement Fallbeispiele Wo befindet sich Ihr Unternehmen? Lösungswege

20 IBM Smarter Analytics ist ein ganzheitliches Konzept zur effizienten Nutzung der strategischen Ressource Daten. Verändern Daten- und Informationsmanagement Strategisch ausrichten durch neuartige Analysen, um Wettbewerbsvorteile zu erzielen Vorausschauen Handeln mit genaueren Prognosen für bessere Ergebnisse zum richtigen Zeitpunkt, mit Klarheit und Gewissheit Lernen aus Lösungen, die mit jedem Ergebnis intelligenter werden

21 Betrugsmanagement und IBM Ein stabiles und umfangreiches Portfolio von Technologien einziger End-2-End Lösungsanbieter weltweit Fraud Management Governance and Strategy Fraud Management Organization Fraud Detection and Case Management Process Specific Technologies InfoSphere Identity Insight Identity & Relationship Resolution Policy & Rules Engine WODM Risk Modelling & Intelligence Internal sources Data and Information Management Business applications External sources IBM InfoSphere MDM Server

22 Das IBM Vorgehensmodell unterstützt ein schnelles und strukturiertes Vorgehen und sichert damit mittel- und langfristige Kosteneinsparungen. Preparation Realization Go Live & Fine Tuning Fraud Analysis Schemes Identification Schemes Description Exposure Estimation (by Scheme) Identification of Priorities Solution(s) High Level Design As Is Analysis Processes Organization Supporting Tools Technological Infrastructure Available Information Information Flows To Be Design Vision Operating Model Supporting Applications Technological Infrastructure Operating Model Process Design Organization Design User Training & Knowledge Transfer Fraud Management Policy & Guide Lines Definition Governance Design Technological Solution Fraud Schemes Modelling Use Cases Design Solution Implementation Solution Integration Operating Model New Operating Model Start-up Change Management Continuous Improvement Technological Solution Solution Go-Live Fraud Scheme Models Fine Tuning (existing) New Fraud Schemes Modelling Data enrichment

23 Proaktive Techniken in Kombination mit verbesserter Reaktionsfähigkeit bei Betrugsfällen als Schlüssel zu Kosteneinsparungen Verlustrate durch Unkontrolliert Betrugsfälle Improvisierte Mitigation Aufklärungs- / Messmaßnahmen starten Neuer Betrug vermutet Regel-basiertes Monitoring gestartet Schweregrad erkannt Einführung neues Monitoring und & Case Mgt. Verzögerungs- Kosten Neues Monitoring & Case Mgt eingeführt Bearbeitung in Periode x abgeschlossen Einsparungen durch verhinderbare Verzögerungen Beginn langfristige Abnahme Beste Methoden und Werkzeuge Monate

24 In einem Pilotprojekt können bereits in ca. 3 Wochen relevante Ergebnisse gefunden werden. 2 3 Einstieg Abstimmung der zu untersuchenden Daten und Fragestellungen Definition von Beispielfällen (z. B. bekannte Positivmuster) Definition von Stichprobenumfängen und Datenattributen, die in die Analyse einfließen sollen 1 Durchführung der Analysen 2 Typen: Identifikation von auffälligen Datensätzen aufgrund von vorgegebenen Mustern Identifikation von (neuen) Mustern Voraussetzungen Versicherungsunternehmen stellt Zugang zu den zu untersuchenden Daten in seinem Hause bereit IBM stellt Analysesoftware (SPSS Modeler) auf der Infrastruktur des Kunden für die Dauer des Pilotprojekts bereit Vertraulichkeitserklärung/Auftragsdatenverarbeitung (ADV-Regelung) wird unterzeichnet Auswertung Bewertung der Ergebnisse und Hochrechnung des wirtschaftlichen Nutzenpotenzials Vereinbarung von Folgeuntersuchungen und weiterer nächster Schritte Aufwandsschätzung 2 IBM Mitarbeiter (Projektleiter/Analysten) für 2 Wochen (20 Personentage). Der Aufwand verteilt sich ggf. auf einen längeren Zeitraum, um dem Kunden die Datenbereitstellung zu ermöglichen

25 Sneak Preview: IBM Intelligent Investigation Manager

26 Introducing IBM Intelligent Investigation Manager A new solution for optimizing fraud investigation Leverages capabilities of IBM Case Manager, IBM i2 Fraud Intelligence Analysis and IBM Content Analytics Efficiently process cases and coordinate activity across the investigative team Conduct forensic analysis, generate leads, visualize the scope of the fraud and gather evidence. Capture results directly into the case. Discover new entities, patterns and insights by searching through structured and unstructured content Facilitate the management of the case including the handoff to supervisors, litigators or other authorities Provide transparency into the effectiveness of the investigative process using integrated KPI reporting and analytics Intelligent Investigation Manager provides key capabilities for the IBM Anti-fraud signature solutions. 26

27 Beispiel-Szenario Hold Claim Deny Claim Process Claim Claimant Files Claim Score Claim Flagged as potentially fraudulent Capture FNOL CSR Triage Case Assign Investigations Supervisor Investigator Request Analysis File visualizations Coordinate Investigation Negotiate Submit for Prosecution Collaborate Analyze Analyze Analyst

28 Der IBM Lösungsansatz für effektiveres Betrugsmanagement Hardware, Software und Services aus einer Hand IBMs Lösungsangebot

29 A smarter planet is built on Smarter Analytics Fragen?

30 Ihre Ansprechpartner Stephan Schnieber Architect BAO Analytics Solution Center, IBM Deutschland Mobile: / schniebs@de.ibm.com Experte für: Versicherungsbranche, Betrugserkennung Rainer Größer Service Leader BAO Fraud Solutions, IBM Deutschland Mobile: / rainer.groesser@de.ibm.com Experte für: Signature Solution für Betrugserkennung