El aprendizaje automático y la inteligencia artificial son ahora herramientas fundamentales para detectar el fraude y los delitos financieros. Sin embargo, a medida que las empresas dependen cada vez más del aprendizaje automático para mejorar su desempeño en materia de fraude y cumplimiento, se enfrentan a una importante disyuntiva.
La disyuntiva en el rendimiento de fraude y cumplimiento para los ingenieros de datos en un dominio como fraude u operaciones de cumplimiento consiste en elegir entre implementar un feature store genérico o desarrollar internamente las características generadas mediante aprendizaje automático.
Ninguna de estas opciones es ideal.
¿Y si pudieras tener lo mejor de ambos mundos?
Sardine crea características de aprendizaje automático específicas del dominio sobre las que tienes control total.
Las herramientas de fraude y cumplimiento y las soluciones desarrolladas internamente presentan compensaciones subóptimas
Hoy en día, los equipos de fraude y cumplimiento son cada vez más dirigidos por ingeniería, desarrollan sus propias capacidades de aprendizaje automático interno y consumen múltiples proveedores de datos para resolver los desafíos de su negocio.
El enfoque tradicional de los proveedores de soluciones no facilita las cosas.
Las soluciones tradicionales contra el fraude suelen proporcionar una puntuación para un evento de riesgo. Por ejemplo, si un cliente intenta realizar un pago, puede generar una puntuación de alto o de bajo riesgo. Esta herramienta sencilla pero eficaz permite a las instituciones financieras, las empresas de comercio electrónico y las plataformas de mercado aprobar o rechazar rápidamente una transacción.
Sin embargo, este enfoque de caja negra no es adecuado para los equipos que quieren entrenar sus propios modelos de aprendizaje automático (ML) o resolver un caso de uso o amenaza específicos.
Esto da lugar a tres concesiones subóptimas bastante habituales
- Aceptar las cajas negras pero perder el rendimiento del negocio ❌
- Desarrollar internamente conectando a los proveedores de datos subyacentes, lo que genera un importante gasto operativo y sobrecarga ⚠
- Utilizar un feature store genérico para diseñar la solución ⚠
La solución de cumplimiento ideal es aquella que combina lo mejor de una implementación interna con lo mejor de un feature store.
Entonces, ¿cómo conseguimos eso?
Primero, veamos qué deberían hacer los feature stores.
Qué queremos de un motor de características
- Sin desviación entre entrenamiento y servicio: La brecha entre el entorno de entrenamiento y el entorno en vivo corre el riesgo de crear una desviación de características entre el procesamiento analítico en línea (OLAP) y el procesamiento de transacciones en línea (OLTP). La desviación de características se produce cuando hay discrepancias entre los datos utilizados para entrenar los modelos de aprendizaje automático y los datos que se encuentran en los entornos de producción. La plataforma de Sardine elimina este problema, garantizando un comportamiento de las características coherente y fiable.
- Corrección en el punto en el tiempo:Las pruebas retrospectivas precisas y el entrenamiento de modelos requieren datos que reflejen el estado del sistema en momentos específicos. La plataforma de Sardine garantiza la corrección en el punto en el tiempo, lo que permite a las empresas evaluar de forma fiable los datos históricos y entrenar modelos en consecuencia.
- Observabilidad: La visibilidad de las características y de las puntuaciones de aprendizaje automático en los entornos de producción es fundamental para supervisar, depurar y optimizar los sistemas de fraude y cumplimiento. La plataforma de Sardine ofrece una observabilidad integral, lo que permite a las empresas seguir y comprender el comportamiento de sus modelos de detección de fraude en tiempo real.
- Conectividad con el almacén de datos:Las empresas modernas dependen de almacenes de datos para almacenar y analizar grandes volúmenes de información. La plataforma de Sardine proporciona acceso al almacén de datos. Podemos integrarla para enviar datos al tuyo.
- Baja latencia:En el mundo de las transacciones en línea, cada milisegundo cuenta. La plataforma de Sardine está diseñada para operar con baja latencia, lo que garantiza que las medidas de detección y prevención de fraude puedan aplicarse casi en tiempo real, minimizando el riesgo de actividades fraudulentas exitosas.
Los problemas de los almacenes de características genéricos
- La selección de características lleva mucho tiempo. Encontrar una característica específica del dominio que funcione en tu contexto requiere una cantidad considerable de tiempo y esfuerzo. Aunque un feature store facilita el prototipado de distintas características, aún necesitas configurar el pipeline para hacer backtesting de tus características y descubrir cuáles son aplicables en tu dominio. Idealmente, los expertos operativos deberían poder hacer esto con poco o nada de código.
- Las características no encajan de forma evidente en un modelo de ML, un flujo de trabajo o un motor de reglas. Los equipos de fraude y cumplimiento se rigen por reglas y flujos de trabajo, y los modelos sirven de apoyo funcional a esto. Incluso después de invertir recursos considerables en desarrollar características específicas del dominio, las organizaciones suelen encontrarse con dificultades para integrar sin problemas estas características en sus modelos de aprendizaje automático, flujos de trabajo o motores de reglas existentes
- Los feature stores genéricos requieren recursos de ingeniería para implementarse, en lugar de que los propios analistas puedan hacerlo. Implementar y mantener estos feature stores suele requerir recursos de ingeniería significativos, lo que puede ser un factor limitante para organizaciones con equipos de ingeniería reducidos o para aquellas que buscan capacitar a analistas y expertos en la materia para que asuman un papel más activo en el desarrollo y la implementación de características.
Lo mejor de ambos: características diseñadas para el contexto de riesgo
Sardine ofrece más de 4.000 funcionalidades que ya han sido preconfiguradas. Estas funcionalidades incluyen
- Señales propietarias de dispositivo e inteligencia como 'TrueLocation.Country'. Comprender el país real de un usuario puede ser complejo (si utiliza proxies o una VPN, por ejemplo).
- Señales de datos de la red de Sardine, como determinar si un correo electrónico en particular estuvo previamente asociado con un contracargo fraudulento dentro de la red de Sardine (‘email.isFraudulent’)
- Señales de datos enriquecidos de terceros procedentes de empresas de telecomunicaciones, proveedores de correo electrónico, banca abierta, consorcios bancarios, listas globales de sanciones y más de 35 proveedores de datos.
- Funciones de velocidad y agregación, como el número de transacciones desde la dirección de correo electrónico indicada o el número de contracargos observados para un BIN de tarjeta determinado en los últimos 30 días
Para cualquier par de dimensiones dentro de más de 50 dimensiones, hemos creado recuentos y características estadísticas.
Las más de 50 dimensiones incluyen elementos como: dirección de correo electrónico, ID de comerciante, número hash de la tarjeta, BIN de la tarjeta, número de ruta bancaria, ID del dispositivo y más. Luego precreamos recuentos como:
- #correos electrónicos están asociados con un ID de dispositivo, es decir, una verificación de velocidad para detectar fraude de incorporación
- #dispositivos asociados con un BIN de tarjeta -- útil para detectar ataques de enumeración de tarjetas
- valor promedio de transacción en un ID de comercio, útil para detectar si una transacción con tarjeta en un comercio es anormalmente alta, lo que puede indicar fraude por tarjeta robada
Las características calculadas están disponibles en tiempo real tanto para nuestro motor de reglas como para nuestro motor de aprendizaje automático, de modo que podemos detener el fraude de pagos o el fraude en transacciones en cuestión de cientos de milisegundos
Todas las funciones están preconfiguradas para
- Trabaja con tus propios datos propietarios cuando los utilices, de modo que puedas aprovechar tus activos de datos únicos mientras te beneficias de las capacidades de Sardine.
- Trabaja con tu motor de reglas existente o dentro del motor de reglas de Sardine para que los analistas puedan desarrollar nuevas capacidades sin apoyo de ingeniería. Esto también significa que puedes integrarte con tu infraestructura y flujos de trabajo actuales.
- Observable con análisis en el panel de control de Sardine para que puedas supervisar y obtener información sobre el rendimiento de tus modelos de detección de fraude en tiempo real
- Los datos subyacentes para análisis y backtesting están disponibles en el almacén de datos de Sardine, para que puedas realizar análisis históricos en profundidad, validación de modelos y mejora continua.
- Diseñado desde cero para evitar la desviación de funcionalidades entre OLAP y OLTP (y rigurosamente supervisado y probado), para que puedas confiar en una detección y generación de alertas coherentes y precisas en tus sistemas de procesamiento analítico en línea y de procesamiento de transacciones en línea.
Puedes usar estas funciones (y nuestras señales de datos subyacentes) como mejor te parezca.
Si estás desarrollando capacidades de ingeniería o ya cuentas con un equipo interno sofisticado, ponte en contacto para obtener acceso hoy mismo y ver cómo podemos mejorar el rendimiento de tu modelo.
El futuro de las estrategias de fraude y cumplimiento
La demanda de especificidad por dominio, velocidad y precisión en un mundo impulsado por los datos exige una plataforma que ofrezca funciones avanzadas de aprendizaje automático y la flexibilidad y el control del desarrollo interno. Al priorizar capacidades como la corrección punto en el tiempo, la baja latencia y la observabilidad, y al proporcionar más de 4.000 características preconfiguradas que se integran con tus sistemas existentes, te damos las herramientas que necesitas en la lucha contra el fraude y los delitos financieros. Con la capacidad de potenciar el valor de los datos mediante una observabilidad integral y pruebas rigurosas que eliminan el desvío de características, las empresas ahora pueden abordar sus desafíos específicos con confianza y precisión. Si tu objetivo es crear un equipo de ingeniería interno superior o reforzar el que ya tienes, adoptar esta plataforma puede ser el paso que necesitas para impulsar al máximo el rendimiento de tus modelos y la eficacia operativa.