«Ищите необыкновенное в обыкновенном»


Инна АНДРЕЕВА


Бизнес: Организация, Стратегия, Системы № 2002-08Финансовое мошенничество — распространенное явление во всем мире. С каждым днем преступники становятся изобретательнее и применяют все более совершенные технологии. Специалисты утверждают, что большинство финансовых махинаций можно выявить, только применяя автоматизированные аналитические методы работы с информацией. Так ли это, мы решили узнать у Инны Андреевой, генерального директора российского представительства компании SAS. Компания SAS основана более 25 лет назад и имеет всемирно признанный авторитет поставщика систем, позволяющих руководителям принимать более взвешенные бизнес-решения. Решения SAS используют более чем в 37 тыс. предприятий и правительственных структур по всему миру.

— Инна, SAS работает со многими компаниями финансового сектора. Часто ли ваши партнеры сталкиваются с проблемой мошенничества?

— К сожалению, очень часто. Общий ущерб от этого вида незаконной деятельности огромен. Считается, что от 10 до 20% всех требований на выплату страховок фабрикуется мошенническим путем. В результате страховая отрасль, согласно данным New York Central Mutual, только в Соединенных Штатах теряет ежегодно примерно 20 млрд. Согласно же данным экспертной компании Cassidy, потери, вызванные махинациями с кредитными карточками, оцениваются в 1 млрд за год, а по данным экспертов Steele, отмывание денег обходится государствам в 500 млрд ежегодно.

В России мошенничество в финансовой отрасли распространяется просто фантастическими темпами. В банковской сфере наиболее часто встречаются кража кредитных карт (или информации о кредитных картах) и осуществление покупок по ним. Очень популярно у нас и «отмывание» денег, полученных в результате нелегальной деятельности, путем прямого размещения наличных средств на счетах местных и иностранных банков; инвестирования их в реальный или фиктивный бизнес. В области страхования собственности нередки случаи инсценировки грабежа или подачи фиктивных заявок на возмещение убытков от якобы имевших место воровства или потери имущества. При страховании автомобилей случается и подача фиктивных заявок на возмещение убытков по поводу угона транспортного средства, и установка использованных запасных частей при ремонте, и намеренное создание аварийных ситуаций, предполагающих подачу заявок на возмещение ущерба пассажирам.

В сфере ипотеки и закладных возможна фальсификация оценки стоимости недвижимости. В брокерской деятельности возможны, например, продажа или приобретение ценных бумаг с учетом информации, полученной незаконным путем или попытка «подставить» клиента путем предоставления заведомо ложной информации, такой, как величина гарантированного процента от инвестиций в ценные бумаги.

— Какие существуют способы борьбы с мошенничеством?

— Прежде всего нужно знать, что есть традиционные и автоматизированные методы обнаружения и предотвращения мошенничества. Традиционные методы основаны на проведении индивидуальных расследований с возможным применением компьютерных технологий, а также на обучении и поддержке клиентов. При применении компьютерных технологий существенно облегчается подготовка отчетов о так называемых исключительных ситуациях. В них события, удовлетворяющие тем или иным заранее определенным критериям, получают специальную пометку. Так, например, в отчете об исключительных ситуациях при страховании здоровья могут быть помечены операции по удалению миндалин, стоимость которых превышает установленный уровень. Но этот способ все же не совсем надежен. Опытные мошенники способны узнать используемые пороговые значения и не превышать их в сфальсифицированных документах.

Еще один традиционный метод, как я уже сказала, — обучение и поддержка клиентов. Например, вполне реально существенно повысить надежность страхования в области здравоохранения, если направлять получателю денег подробный отчет от учреждения, предоставляющего медицинские услуги. Это оказывается достаточно эффективным в случаях, когда мошенники используют чужие номера счетов или украденные карточки медицинского страхования. Недостатки такого подхода связаны с тем, что отчеты о медицинских услугах иногда содержат непреднамеренные ошибки, кроме того, в сфальсифицированных заявках могут указываться услуги, не внесенные в отчет. К тому же и сам получатель денег не всегда знает или помнит, какие конкретно медицинские услуги ему оказывались. К сожалению, такими способами можно выявить только «начинающих» мошенников.

— Значит, следует стремиться к использованию более совершенных методов?

— Да. Например, технологий data mining («средства добычи данных»). Они позволяют автоматизировать и более эффективно использовать дополнительные данные, полученные из подробных отчетов, для обнаружения и прогнозирования мошенничества путем применения сложного и статистически достоверного анализа.

Методы, предполагающие использование средств добычи данных, разительно отличаются от традиционных тем, что выходят далеко за рамки простых отчетов об исключительных ситуациях. Эти средства выявляют подозрительные случаи на основе моделей ситуаций, позволяющих сделать вероятностное предположение о мошенничестве. Подобные модели обладают одной или несколькими характеристиками. Во-первых, это необычные величины данных, каким-либо образом отличающиеся от нормы. Во-вторых, необычные взаимозависимости между величинами данных или записями. И в-третьих, изменения в поведении сторон, участвующих в сделке.

— Не могли бы вы более подробно рассказать об используемых методах анализа информации?

— Таких методов очень много. Назову лишь некоторые из них.

Например, данные, содержащие необычное значение, проще всего обнаружить путем анализа выбросов. Для выявления их в череде непрерывно изменяющихся переменных может оказаться эффективным определение среднего значения или стандартного отклонения, а также представление данных в виде различных графиков и диаграмм.

Выявление значений, которые оказываются необычными при сопоставлении с референтной группой, — наиболее трудная задача. Так, например, когда объектом анализа становятся цены на недвижимость, референтная группа имеет принципиальное значение для выявления мошенничества. Скажем, цена объекта может и не быть слишком большой, если речь идет о домах вообще, однако она оказывается чрезмерной, если рассматривать именно подобные владения: одной площади и типа, в одном регионе, в одной экономической ситуации. Убедиться в необычности того или иного значения удается, применяя методы углубленного анализа к информации, собранной торговыми агентами на конкретной территории, или к ценам на аналогичную недвижимость в том же рыночном секторе.

На наличие необычных зависимостей могут указывать две или более записи, имеющие одинаковые значения некоторых переменных. Например, записи о сделках, в которых участвуют компании с разными именами, но одинаковыми адресами. Или записи о сделках с различными земельными участками, но с одними и теми же покупателями, продавцами и агентами.

Другой подход к выявлению необычных взаимоотношений состоит в поиске так называемых почти дублирующихся записей, то есть таких записей, переменные в которых — при наличии возможных незначительных различий — содержат в основном идентичную информацию.

Если в цепочке записей просматривается некая логика, как, скажем, в инсценированных дорожно-транспортных происшествиях, методы выявления мошенничества требуют четкой идентификации взаимосвязи между записями. В простейшем варианте эта взаимосвязь может выражаться в конкретной записи, как в случае, когда жертвы ДТП обращались за помощью к одному и тому же врачу.

Более сложен для анализа вариант, когда связь между записями проявляется в виде многочисленных промежуточных записей. Характерный пример: группа людей последовательно перепродает дома друг другу по все более высокой цене. Эта операция может служить подготовительным этапом для получения фиктивной закладной или страховки недвижимости.

— Есть ли среди продуктов SAS средства, позволяющие выявить и предотвратить мошенничество?

— Наше программное обеспечение предназначено для обработки информации, хранящейся в базах данных, и позволяет выявлять случаи мошенничества. С его помощью удается также вероятностно оценивать возможность мошенничества, применяя сложные и эффективные математические методы. Для этого на основании характеристик, полученных после идентификации конкретных случаев мошенничества, составляется «информационный портрет» для каждого типа мошенничества, который затем используется для выявления и предотвращения потенциальных мошенничеств. Для оценки специфических данных, позволяющих подозревать мошенничество, применяются прогностические методы. В зависимости от выбранного типа анализа, прогнозы бывают численными или текстовыми.

По мере накопления прогностических «моделей» мошенничества проводят оценку информации, уже накопленной в базах данных, на предмет выявления мошеннических транзакций, не установленных ранее. Кроме того, функция прогноза может использоваться в режиме реального времени для обнаружения мошеннической транзакции накануне или в момент ее проведения. Во многих случаях это помогает заблаговременно принять необходимые меры для пресечения подобных действий. Качество и надежность инструментов прогнозирования постоянно повышаются. Поэтому у нас есть все основания считать, что оперативность и вероятность выявления мошенничества будут расти синхронно с ростом объемов данных и опережать развитие технологий мошенничества, экономя компании или государству значительные средства. Мне очень импонирует одно мудрое изречение: «Истинное знание состоит не в знакомстве с фактами, которые делают человека лишь педантом, а в использовании фактов, что делает его философом».