Tradycyjne metody oceny ryzyka opierają się na wykorzystaniu wewnętrznych danych dot. historii relacji z danym klientem oraz zewnętrznych informacji pochodzących z biur informacji kredytowej i gospodarczej. Jednak w dzisiejszym cyfrowym świecie, każda firma ma na wyciągnięcie ręki dostęp do szerokiego wachlarza dodatkowych danych, które mogą udanie wzbogacić i zwiększyć skuteczność procesów scoringowych. Co więcej, dane te mogą być też z powodzeniem używany do innych analiz takich jak np. szacowanie dochodu czy segmentacja klientów.
Jeśli ciekawi Cię, jakie rodzaje danych niosą ze sobą tak cenną wiedzę, czytaj dalej.
Biometria behawioralna
Rodzaje danych:
Biometria behawioralna obejmuje dane dotyczące tego, w jaki sposób użytkownicy korzystają z klawiatury, myszki i ekranów. W jej ramach poddawane analizie są takie czynniki jak m.in. tempo pisania, sekwencje kliknięć, ruchy myszką, kopiowanie danych ze schowka czy też zmiany pozycji, w której trzymane jest urządzenie.
Zastosowania:
Biometria behawioralna jest szczególnie cenna w obszarze rozwiązań antyfraudowych. Analiza zachowania użytkownika umożliwia wykrycie anomalii (np. nienaturalnego tempa wprowadzania znaków w formularzu), które mogą świadczyć o tym, że po drugiej stronie ekranu znajduje się oszust lub bot. Na podstawie wykrycia takich podejrzanych sygnałów, istnieje możliwość zainicjowania w czasie rzeczywistym dodatkowych metod autentykacji (np. dodatkowe potwierdzenie tożsamości), które ochronią Twój biznes przed oszustwem.
Więcej na temat biometrii behawioralnej możesz przeczytać tutaj.
Urządzenie
Rodzaje danych:
Urządzenia użytkowników niosą ze sobą szereg cennych informacji dot. zarówno samej specyfiki smartfona czy komputera jak i zainstalowanych na nich aplikacji. Do analizowanych danych należą m.in. rodzaj procesora, typ pamięci, system, zainstalowana przeglądarka, włączone funkcje (Wi-Fi, Internet, Bluetooth), model urządzenia, liczba i rodzaj zainstalowanych aplikacji, liczba kontaktów, liczba zdjęć czy plików muzycznych, historia zakupów w aplikacjach, liczba spotkań w kalendarzu.
Zastosowania:
Analiza urządzenia wspiera budowę profili klientów, w tym szacowanie ich dochodów. Model smartfona, historia zakupów czy rodzaj zainstalowanych aplikacji stanowią cenną wiedzę o preferencjach i możliwościach finansowych danego użytkownika. Dane dot. urządzenia mogą również wspomagać ocenę ryzyka nadużycia poprzez m.in. weryfikację popularności modelu i systemu (niska popularność = wyższe ryzyko) czy identyfikować niebezpieczne zachowania na podstawie rodzaju posiadanych aplikacji (np. handel kryptowalutami).
Sieć i połączenie
Rodzaje danych:
Dane dot. sieci i połączeń obejmują szereg technicznych i jedynie z pozoru nieprzydatnych informacji jak m.in. szczegóły adresu IP (jego lokalizacja oraz reputacja), specyfika typu połączenia (Wi-Fi vs. sieć komórkowa, server-based vs. client-based) czy też korzystanie z sieci VPN lub TOR.
Zastosowania:
Analiza danych sieciowych umożliwia wykrycie aktywności oszusta lub bota. Do podejrzanych sygnałów należą m.in. połączenie z wykorzystaniem nieznanego lub niskiej jakości dostawcy Internetu, ukrywanie własnej tożsamości czy lokalizacji poprzez sieć VPN lub TOR, korzystanie z połączenia server-side (charakterystyczne dla botów).
E-mail i numer telefonu
Rodzaje danych:
Adres e-mail i numer telefonu to standardowe dane podawane w sieci przez użytkowników. Każda z nich kryje jednak za sobą zestaw dodatkowych cennych informacji takich jak typ i reputacja domeny oraz dostarczalność podanego adresu e-mail, prawdziwość podanego numeru telefonu i jego operator, występowanie danych w publicznych wyciekach.
Zastosowania:
Powyższe dane można wykorzystać do weryfikacji antyfraudowej. Podejrzane może być m.in. wykorzystywanie jednorazowych domen mailowych czy też nieprawdziwego lub zupełnie nowego numeru telefonu. Pod lupę warto również wziąć pod uwagę zapis adresu e-mail – długie, przypadkowe ciągi znaków w adresie zwiększają ryzyko, że został on stworzony przez bota.
Lokalizacja
Rodzaje danych:
Podobnie jak w przypadku adresu e-mail i numeru telefonu, adres zamieszkania czy zameldowania kryje za sobą wiele dodatkowych informacji. Do każdego adresu w Polsce możemy dopisać szereg danych przestrzennych dot. danego budynku (demografia, dochody) oraz najbliższej okolicy (np. liczba punktów POI danego typu (np. supermarketów) w promieniu X km, poziom bezrobocia, liczba przestępstw, zagrożenia naturalne).
Zastosowania:
Na podstawie danych lokalizacyjnych możliwe jest oszacowanie ryzyka nadużycia. Informacjami, które mogą wskazywać na zwiększone ryzyko są m.in. nieistniejące, niezamieszkane i wirtualne adresy, lokalizacje związane z wcześniejszymi próbami oszustw, czy też nienaturalne odległości pomiędzy rozpoznanymi adresami (np. między adresem IP, adresem z wniosku i lokalizacja pobraną z urządzenia).
Ponadto posiadając jedynie adres klientów możemy z wysoką precyzją oszacować prawdopodobną wysokość jego dochodów. Taka estymacja może być przeprowadzona w ciągu kilku milisekund dzięki czemu może być wykorzystywana do personalizacji oferty i komunikacji widocznej dla klienta w systemie.
Social Media i Internet
Rodzaje danych:
Do przykładowych danych, które warto wziąć pod uwagę należą: posiadane konta społecznościowe, pozostawione opinie w Internecie (Google Maps, Allegro, Ceneo itd.), analiza zachowań w mediach społecznościowych i wykonywanych połączeń, wzmianki w prasie.
Zastosowania:
Analiza opinii, wzmianek w Internecie wraz z dynamiką zmian pozwala na wykrycie wczesnych sygnałów ryzyka nadużycia. Podobnie sytuacja kształtuje się w kontekście kont społecznościowych oraz w różnych komunikatorach – posiadanie ich oraz powiązania z innymi, zaufanymi osobami jest pozytywną przesłanką w kontekście wiarygodności danej osoby czy firmy. Natomiast analiza kont w serwisach specjalistycznych (np. GitHub, LinkedIn) może zostać wykorzystana do oszacowania dochodów (na podstawie deklarowanego pracodawcy i stanowiska).
Dane transakcyjne i bankowe
Rodzaje danych:
Pod lupę brane są dane pochodzące z rachunków bankowych (np. dane klienta, lista produktów finansowych), systemów transakcyjnych (np. POS, terminale płatnicze), systemów specjalistycznych (np. CRM, ERP) czy systemów analityki biznesowej (np. Google Analytics).
Zastosowania:
Na podstawie danych transakcyjnych i bankowych można skutecznie szacować ryzyko fraudu. Przykład: Klient wydaje pieniądze w miejscach o niskiej reputacji lub opóźnia się z płatnością. Na podstawie analizy transakcji można także ocenić zamożność klientów. Wydatki na ekskluzywne usługi oraz regularne opłacanie subskrypcji cyfrowych mogą wskazywać na stabilność finansową danej osoby.
Scoring telekomunikacyjny / sektorowy
Rodzaje danych:
Analizie poddawane są dane bilingowe (np. typ kontraktu, posiadane urządzenia, zużycie połączeń głosowych), historia logowań do stacji bazowych (lokalizacja połączeń, miejsc przebywania) oraz historia płatnicza (np. rzetelność płatnicza post-paid, staż w sieci).
Zastosowania:
Na podstawie danych sektorowych możliwe jest przeprowadzenie często skuteczniejszej oceny ryzyka niż na podstawie typowych danych finansowych. Dane te umożliwiają bardziej zaawansowaną analizę rzetelności w spłacaniu zobowiązań ze względu na powszechność korzystania z tego typu usług. Dodatkowych informacji dostarcza także staż w danej sieci i częstotliwość zmian karty (częste zmiany, krótki staż – potencjalny czynnik podwyższonego ryzyka). Warto także przyjrzeć się siatce kontaktów – z kim kontaktuje się klient i jakie są to numery (biznesowe, prywatne). Ponadto na podstawie logowania do stacji BTS można zidentyfikować miejsce zamieszkania i pracy oraz sprawdzić, czy klient często podróżuje i jak daleko.
Podsumowanie
Wiele firm już dzisiaj ma bezpośredni dostęp do wielu alternatywnych danych takich jak np. adresy email, numery telefonu czy adresy zamieszkania swoich klientów, które są wykorzystywane na potrzeby innych procesów. Każda z tych informacji może zwiększyć jakość i efektywność obecnych procesów oceny ryzyka, szacowania dochodów czy segmentacji klientów. Jeśli chcesz wykorzystać ich potencjał, zapraszamy do kontaktu z nami pod adresem https://algolytics.pl/kontakt/. Razem opracujemy strategię zarządzania danymi, która zwiększy skuteczność działania Twojego biznesu.
