Suchen

Artificial Intelligence & Machine Learning

Machine Learning für Betrugsbekämpfung:
in Echtzeit und präskriptiv

Die Lösung beruht auf dem Einsatz von Deep Learning-Algorithmen und der Betrugswahrscheinlichkeit, um verdächtige Darlehen zu verhindern.

Erfahrung mit Betrugsbekämpfung verbessern

WAS IST DIE KEHRSEITE DAVON, EIN UNTERNEHMEN ZU SEIN, DAS MENSCHEN GELD LEIHT?

Die nie endende Herausforderung durch „professionelle“ Betrüger, die fortlaufend ihr Vorgehen ändern, die Regeln brechen und das Spiel neu erfinden, um weiterhin von ihren Verbrechen profitieren zu können.

Für die Identifizierung und die Vorhersage von Betrug nutzen wir fortschrittliche Technologien sowie tiefgehendes fachliches, statistisches und technisches Know-how, um einen effizienten Machine Learning-Algorithmus zu implementieren. Mustererkennung, statistische Modellbildung und neuronale Netzwerke sind einige Schlüsselwörter unserer Arbeit. Deep Learning, präskriptive Analyse und Online-Scoring in Echtzeit sind einige Begriffe für unsere Entwicklungen gemeinsam mit dem Kunden.

Target Reply hat eines der ersten Verbraucherkreditunternehmen in Italien bei Millionen von Darlehen pro Jahr unterstützt. Das Unternehmen bietet Kredite über verschiedene Produktbereiche an: Privatkundenkredite, Privatdarlehen, Kreditkarten und Leasing.

ZIELE

Die Hauptziele des Kunden waren:

  • Verlustgeschäfte durch Betrug reduzieren
  • Verdächtige Darlehen verhindern
  • Schnell prädiktive Regeln zur Betrugserkennung erstellen

Target Replys Lösung sagt Betrug voraus und automatisiert die Betrugserkennung: Über Deep Learning-Algorithmen werden Serienbetrüger, die ihr Vorgehen verändern, um den Kontrollen zu entgehen, identifiziert und es werden fortschrittlichere Prognosemodelle erstellt, die sich an neue und unbekannte Kontexte anpassen.

FOCUS ON PREDICTION & PRESCRIPTION

Target Replys Ansatz besteht darin, Machine Learning-Modelle wie neuronale Netzwerke, logistische Regressionen, oder Entscheidungsbäume zu entwickeln, die Ergebnisse zu vergleichen und das beste Modell auszuwählen, um potentielle Betrüger schnell zu identifizieren.
Die Lösung hat eine präskriptive Echtzeit-Komponente, um die Machine Learning-Algorithmen in der Genehmigungsphase des Darlehens ausführen zu können, damit die Gesamtlösung noch effektiver wird. Die Entwicklung neuer Komponenten wird auf dem Einsatz von Deep Learning-Algorithmen für Bilderkennung beruhen und somit unstrukturierte Daten in die Analyse einbinden.