DinamarcaFinanzas y seguros2017–2018Danske Bank
Detección de fraude con aprendizaje automático
Danske Bank sustituyó las alertas de fraude basadas en reglas por aprendizaje automático y redujo los falsos positivos
Problema
La detección de fraude de Danske Bank se basaba sobre todo en reglas escritas a mano. Las reglas generaban un número récord de falsas alarmas, en ocasiones una tasa de falsos positivos del 99,5%, y el amplio equipo antifraude dedicaba buena parte de su tiempo a investigar pagos legítimos.
Enfoque
En colaboración con Think Big Analytics, la consultora de Teradata, el banco desarrolló modelos de aprendizaje automático que vigilan en tiempo real el fraude en los pagos bancarios y móviles, creados en sprints de 12 semanas. Puso en producción el conjunto de modelos de aprendizaje automático mientras probaba en paralelo modelos de aprendizaje profundo. El proyecto se presentó públicamente en octubre de 2017.
Cifras clave
Conclusión
El banco redujo las investigaciones inútiles y detectó más fraude, pero las cifras variaron según la fuente y la fase. El proveedor comunicó reducciones previas a la producción del 50% en falsos positivos y un aumento del 60% en la detección; un informe de un analista meses después situó la reducción de falsos positivos de los modelos en producción entre el 20% y el 30%.
Categorías
- Tamaño
- Gran empresa
- Sector
- Finanzas y seguros
- Función empresarial
- Finanzas, riesgos y asuntos jurídicos
- Tipo de innovación
- Innovación de procesos
- Tecnología de IA
- Análisis predictivo y aprendizaje automático
- Adopción
- Desarrollo conjunto con socios
- Respaldo
- Declaración de la propia empresa
Fuentes
Resúmenes de fuentes
Teradata indicó que Danske Bank colaboró con sus consultores de Think Big Analytics para poner en producción la detección de fraude con aprendizaje automático mientras desarrollaba modelos de aprendizaje profundo. Nadeem Gulzar, responsable de analítica avanzada del banco, dijo que las pruebas previas a la producción redujeron los falsos positivos un 50%, lo que permitía que el 50% del personal de la unidad antifraude pasara a tareas de mayor valor. Teradata también comunicó un aumento de la tasa de detección de en torno al 60% en las pruebas previas a la producción y dijo que los falsos positivos con las reglas antiguas llegaron en ocasiones al 99,5%.
El analista Doug Henschen informó de que el aumento del fraude desde 2016 llevó a Danske Bank a crear modelos de aprendizaje automático con Think Big Analytics, de Teradata, en sprints de desarrollo de 12 semanas. Dijo que el conjunto de modelos de aprendizaje automático redujo los falsos positivos entre un 20% y un 30%, y que los modelos de aprendizaje profundo basados en TensorFlow mostraron mejoras de detección de dos dígitos en las pruebas, pero aún no estaban en producción.
La información completa figura en las fuentes originales.
