Data en analyse: de basis van fraudepreventie in het digitale tijdperk

Herman Peeters

Gestolen of vervalste identiteitsgegevens worden gebruikt om frauduleuze aanvragen in te dienen en de verschuiving van persoonlijke naar online aanvragen heeft geleid tot een toename van "credit muling" - waarbij cybercriminelen echte klanten overhalen om hun gegevens te verstrekken. 

Terwijl de maatschappij steeds digitaler wordt, diensten steeds geavanceerder, en nieuwe spelers op de markt effectieve alternatieven bieden, verwachten klanten nu een vlot onboarding-proces wanneer ze met telco-bedrijven te maken hebben.

Dit plaatst telecomproviders in een tweeledige situatie. Enerzijds moeten zij fraudeurs bestrijden met effectieve en grondige strategieën voor fraudepreventie. Anderzijds willen zij hun klanten niet van zich vervreemden door een traag en frustrerend onboarding- en aanvraagproces aan te bieden.

Noodzaak

Er moet dringend een oplossing worden gevonden nu de kosten van fraude in de hele sector stijgen en traditionele manieren om fraude te bestrijden een negatieve invloed hebben op de customer experience, zo blijkt uit de resultaten van het Experian-rapport "Priorities, challenges and the role of data and analytics as an accelerator of strategy". 

39% van de respondenten binnen de telecomsector meldde dat het fraudeverlies in 2021 was toegenomen en 29% gaf aan dat het gelijk was gebleven. De toegenomen kans op fraude is een van de drie meest urgente uitdagingen die bedrijven ervan weerhouden hun belangrijkste initiatieven te realiseren. Daarnaast zegt 43% dat hun huidige strategie voor fraudepreventie verbetering nodig heeft om irritaties bij de klant te voorkomen.

Fraude voorkomen en klanten behouden zijn beide van cruciaal belang om competitief te blijven in een sector die gebaseerd is op vertrouwen en efficiëntie. Daarom investeren de meeste organisaties al hun geld in fraudepreventie, waarvan 71% van de Nederlandse bedrijven hun budget voor fraudepreventie voor het komende jaar heeft verhoogd. Het is belangrijk dat dit geld wordt besteed aan hulpmiddelen en technologische vooruitgang die fraudepreventie kunnen stroomlijnen en beveiligen.

Analytics en machine learning

De invoering van geavanceerde data-analytics en machine learning-technologie kan op verschillende manieren bijdragen aan fraudepreventie en betere customer experience. Zo kan er tegelijkertijd een naadloze customer journey worden gecreëerd.

Datamining, gedragsbiometrie en AI-modellering helpen bedrijven nu al bij het vaststellen van risicobeslissingen en risicoprofielen en bij het opsporen van fraude. Het combineren van meerdere databronnen helpt hen de vragen te beantwoorden die centraal staan bij fraudepreventie - bestaat de klant echt en is hij van plan te betalen - en alles aan te pakken van aanvraag- tot accountovernamefraude, terwijl de klant betrokken blijft.

Het resultaat is een betere onboarding-ervaring die niet ten koste gaat van de beveiliging. 

De overstap van regels en processen naar een gelaagd systeem voor fraudepreventie kan het doorslaggevende verschil (en het onderscheid) zijn. Bovendien heeft deze overstap een directe impact op het fraudeverlies.

Uit het onderzoek van Experian blijkt dat meer dan de helft van de telecomproviders hun budgetten voor fraudepreventie hebben verhoogd - met als doel hun huidige strategieën te herzien en schaalbare en geavanceerde systemen in te voeren die complexe fraudetechnieken kunnen bestrijden. Een dergelijke aanpak is duidelijk een prioriteit voor de meeste organisaties. Maar nog lang niet iedereen heeft voor deze aanpak gekozen. Verrassend genoeg is 25% van de organisaties van mening dat er "geen of beperkt" gebruik wordt gemaakt van machine learning als het gaat om fraudepreventie. 

Bespaar tijd, bespaar geld

Telecomproviders lopen nou eenmaal het risico geld te verliezen als zij fraude niet kunnen vaststellen. Daarnaast zullen ze klanten verliezen als ze dit niet kunnen doen zonder bijkomende irritaties.

Het updaten van hun fraudepreventiestrategieën door gebruik te maken van nieuwe datatypes en machine-learningtechnologieën kan van een mogelijke zwakte een sterkte maken. Of dat nu is door toekomstige aanvallen te verminderen door verdachte activiteiten vroeg te signaleren of door schaalbare en naadloze manieren te introduceren om belangrijke identiteitscontroles uit te voeren zonder tijd toe te voegen aan de customer journey. 

Fraude op een efficiënte wijze aanpakken is de toekomst voor telecomaanbieders die de concurrentie voor willen blijven en hun inkomsten willen verhogen. Het toewijzen van budget, tijd en expertise om de kracht van fraudegegevens en analyses te benutten, is de beste manier voor organisaties om te bewijzen dat ze betrouwbaar en veilig zijn.

 Herman Peeters, Principal Consultant bij Experian Nederland

Meer over
Lees ook
Nieuwe integratie tussen SAP en IBM Watson biedt krachtige AI-functionaliteiten

Nieuwe integratie tussen SAP en IBM Watson biedt krachtige AI-functionaliteiten

SAP gaat IBM Watson-technologie integreren in zijn oplossingen. Daardoor profiteren SAP-gebruikers van nieuwe AI-gedreven inzichten, automatisering en een efficiëntere gebruikservaring in het gehele SAP-portfolio.

SAP integreert AI-functies in oplossingen voor maakindustrie

SAP integreert AI-functies in oplossingen voor maakindustrie

SAP kondigt nieuwe functionaliteit aan voor zijn supplychainoplossingen. Hiermee profiteren bedrijven in de maakindustrie van datagedreven inzichten voor een weerbaardere supplychain. Het gaat onder andere om AI-functionaliteit voor SAP Digital Manufacturing, visuele inspectieprocessen, en naleving van duurzame verpakkingsrichtlijnen in SAP Respon1

i-PRO introduceert als eerste AI omgevingsveranderingsdetectie

i-PRO introduceert als eerste AI omgevingsveranderingsdetectie

i-PRO Co. Ltd., een wereldleider in professionele beveiligingsoplossingen voor bewaking en openbare veiligheid, gaat omgevingsveranderingsdetectie met AI toevoegen aan zijn collectie edge-based AI-analysetoepassingen. Omgevingsveranderingsdetectie, waarin de nieuwste AI-analysetechnologie wordt aangewend, is de eerste op AI gebaseerde analytische1