Fraud Detection: Hvordan oppdage svindel i en Company

Økt gjenkjenning betyr å finne mer svindel tidligere. Sjelden ser vi organisasjoner som tett sporer svindel tap på daglig basis (og gjør endringer i sine deteksjonssystemer som følge), men også vet hvordan å justere deres innsats som de ser ting går galt.

I ekstrem, hvis vi skulle fjerne gjenkjenningsverktøy og funksjoner fra en organisasjon, vil vi måtte vente for kundene å fortelle oss at deres kreditt har alle blitt brukt opp, eller at deres uttalelse hadde kommet med transaksjoner som de ikke kjenner. Disse kan da bli etterforsket, tilbakebetales, ladet-back, etc., men tapene kommer til å være altfor høy. Ofte i andre bransjer er det mer utfordrende spørsmål om gjenkjenning -. Dvs. forsikringsselskapene ofte ALDRI se tap som det blir betalt i og blant de store skadeutbetalinger som er laget

I motsetning, hvis vi så en kunde med daglig bruk av kortet i seks sammenhengende dager i en minibank i Canada for det maksimale beløpet, kan vi undersøke dette ved å ringe kunde – eller bare sperre kortet når vi ser at det har også vært brukt i Sainsbury i Storbritannia i mellom disse ATM-transaksjoner. En enda bedre scenario ville være når den første minibank transaksjonen skjedde bare tre timer etter den siste UK card-stede transaksjon – hvor eksempel svindel kan tilsynelatende bli stoppet før vi mister noen penger. Tilsvarende varene sendt ut en-hop fra en forhandler fra internett bestillinger bør føre til noen bekymring som bør gjenta adresseendringer, eller gjenta refusjon eller forsikringskrav krav.

Så dette igjen fører oss til transaksjonen poengsystemer, smart og klar analyse av mønstre, regler bygget inn våre autorisasjonssystemer, tidligere aksjon på kompromisser, sporing av transaksjoner og leter etter mønstre. Løsningene kan bli ganske kompleks, som de burde være.

Hvis kort bedrifter stole på kun ett system eller en prosess basert på kvartalsoppdateringer "i målekort, så vil de ikke gjøre nok. I dag har vi bør se på svindel som skjedde i går for å gjøre gjenkjenningsverktøy bedre i morgen, og i sanntid om mulig
.