Cerca

Artificial Intelligence & Machine Learning

Machine Learning per contrastare le frodi:
operazioni in tempo reale e in modalità prescrittiva

La soluzione si basa sull'uso di algoritmi di deep learning e sulla probabilità di bloccare finanziamenti sospetti.

Migliorare l'esperienza antifrode

QUAL È L’ASPETTO PEGGIORE PER UN'AZIENDA CHE PRESTA DENARO ALLE PERSONE?

Una sfida interminabile con un numero sempre maggiore di truffatori sempre più "professionali" che continuano a cambiare abitudini, infrangere le regole, reinventare il proprio gioco per continuare a trarre profitto dai propri crimini.

Per identificare e anticipare la rilevazione delle frodi stiamo utilizzando tecnologie avanzate e know-how funzionale, statistico e tecnico al fine di implementare un efficiente algoritmo di Machine Learning. Riconoscimento di schemi, modellazione statistica, reti neurali sono alcune parole chiave che descrivono ciò che abbiamo fatto. Deep Learning, analisi prescrittiva, valutazione on-line in tempo reale sono alcune parole che descrivono quello che stiamo progettando con il cliente.

Target Reply sta supportando una primaria azienda di credito al consumo in Italia, con milioni di finanziamenti erogati ogni anno. Il cliente fornisce credito tramite differenti linee di prodotti: finanziamenti retail, prestiti personali, carte di credito e leasing.

OBIETTIVI

Gli obiettivi principali del cliente sono:

  • Ridurre la perdita di denaro causata dalle attività fraudolente
  • Bloccare i finanziamenti sospetti
  • Creare rapidamente regole predittive per la rilevazione delle frodi

La soluzione Target Replyanticipa e automatizza la rilevazione delle frodi: per mezzo di algoritmi di deep learning identifica i truffatori seriali che modificano le proprie abitudini per evadere i controlli e crea modelli predittivi e avanzati che si adattano a contesti nuovi e sconosciuti.

FOCUS ON PREDICTION & PRESCRIPTION

L'approccio di Target Reply è di sviluppare modelli di Machine Learning come reti neurali, regressione logistica o alberi decisionali, confrontare risultati e scegliere il modello migliore per identificare rapidamente potenziali truffatori.
La soluzione dispone anche di un componente prescrittivo real-time capace di eseguire gli algoritmi di machine learning nella fase di delibera del finanziamento, rendendo la soluzione generale ancora più efficiente. Lo sviluppo di nuovi componenti si basa sull'uso di algoritmi di deep learning per il riconoscimento delle immagini e quindi coinvolge nell'analisi anche dati non strutturati.