Prevención de Pérdidas en Retail - sas.com · - Mirada de negocio de nuevos patrones de fraude; -...

Prevención de Pérdidas en RetailUsando SAS para identificar Actividades Fraudulentasreduciendo y previniendo pérdidas, preservando ymejorando los beneficios financieros

Cristián J. Figueroa

Sales Manager & Retail Analytics Specialist

7,20%

4,80%

16,80%

35,80%

39,30%

0% 10% 20% 30% 40% 50%

Unknown Loss

Vendor Fraud

AdministrativeError

Internal Fraud

External Fraud

Impacto en la última líneaCosto del “shrink” en la economía minorista de U.S. fue de $45.2 billion in 2015

https://nrf.com/system/tdf/Documents/retail%20library/NRF_2016_NRSS_restricted-rev.pdf?file=1&title=National Retail Security Survey 2016

Shrinkage = Stock loss through crime or

internal error

Desafíos de negocio

La omnicanalidad en los retailers complica la batalla en contra de las pérdidasPolíticas de devolución flexibles para mejor servicio al cliente

Aumento del uso de cupones y códigos promocionales

Menos supervisión en tiempo real en empleados y tiendas

Demasiadas transacciones para procesar sin capacidades suficientes de las áreas de riesgo

Costo del “shrink”continúa creciendo

Esfuerzo

• Permitir a los investigadores de prevención de pérdidas ser más eficientes y efectivos

• Proporcionar una determinación cuantitativa del riesgo basada en datos, no sesgada.

Tiempo

• Identificar areas de pérdida esperada rápidamente para acciones correctivas

Dinero

• Pérdida accidental puede ser identificada y minimizada a través de un mejorentrenamiento

• Apuntar a las tiendas, empleados y tiendas más problemáticas para preservar o mejorarel beneficio

SAS Retail Loss PreventionPermite a los retailers ahorrar esfuerzo, tiempo y dinero

Company Conf idential – For Internal Use OnlyCopyr ight © SAS Inst i tute Inc. Al l r ights reserved.

Actividades sospechosas están ocurriendoconstantemente y a menudo son pasadas por alto y no identificadas debido a que las organizacionescarecen de herramientas y soluciones que tengancapacidades eficientes de analizar grandesvolúmenes de datos.


Los analistas de Inteligencia están buscandopatrones, relaciones no conocidas, y objetos de interés. Clásicas herramientas carecen de las capacidades para proporcionar una rápida y eficiente solución investigativa de punta a punta.

THE ANALYTICS LIFECYCLE

IDENTIFY /

FORMULATE

PROBLEM

DATA

PREPARATION

DATA

EXPLORATION

TRANSFORM

& SELECT

BUILD

MODEL

VALIDATE

MODEL

DEPLOY

MODEL

EVALUATE /

MONITOR

RESULTSDomain Expert

Makes Decisions

Evaluates Processes and ROI

BUSINESS

MANAGER

Model Validation

Model Deployment

Data Preparation

IT SYSTEMS /

MANAGEMENT

Data Exploration

Data Visualization

Report Creation

DATA

ANALYST

Exploratory Analysis

Descriptive Segmentation

Predictive Modeling

ANALYST

DATA MINER


SAS Visual Investigator enfrenta la carenciaoperacional en detección de fraudes y otros tipos de investigaciones inteligentes. SAS Visual Investigator permite a los analistas, rápiday precisamente, identificar actividad sospechosa y descubrir patrones o relaciones previamentedesconocidas.


Pérdida en Retail Varias posibles fuentes

Empleados

Clientes

Pérdida en

Retail

Punto de

venta

Robo de mercadería

Fraude interno

Robo de mercancía

Fraude de reembolso

Fraudeon Line

Proveedores

Fraude de facturación


Punto de venta Muchas oportunidades para cometer fraude

Devoluciones

Descuentos

Colusión

Descuentosempleados Procedimiento

Text

Efectivo

Cupones de crédito

No clientes

Cupones

POS

Venta nula

No venta

No scan

ClientesInterno


Capacidades en la Prevención de Pérdidas

01 Autoservicio

05 Analítica de entidades02 Integrar Fuentes de datos de diverso tipo

03 Crear & Administrar Alertas

04 Buscar y Descubrir

06 Abierto

AlertasReportes InvestigarExplorar


SAS Retail Loss Prevention

IT Analyst LP Investigator

Stores HQ

LP Investigator

Preparar Datos Analizar y Modelar Observar, Reportes.

InvestigarAdministración de casos


SAS Retail Loss Prevention

Preparar Datos

POS

HR

Financial

Product

Store

E-com

Almacenamientode datos de

prevención de pérdidas

Integrar datosinconexos, limpiar

datos


Beneficios claves

01 Bajo Costo de Propiedad (TCO)

Vigilancia e investigación como autoservicio

Opciones de habilitar en la nube

04 Investigaciones dirigidas

Búsqueda elástica

Búsqueda geoespacial

02 Más rápido en la detección

Combinar Fuentes de datos dispares

Generación de redes sociales de entidades en tiempo real

03 Aumenta la colaboraciónEspacio de trabajo para compartir descubrimientos

Adaptar la solución frente a cambios de

requerimientos


SAS Visual Analytics


SAS Visual Investigator


Fraude en comercioelectrónico

Fraudulentos usan identidades robadas para generartransacciones online:• Convierten información de tarjetas de crédito en efectivo• Ej: mercadería online. devoluciones con recibos electrónicos

• Aumento en un 86% en 2015 *

* https://nrf.com/sites/default/files/Images/Media%20Center/NRF%20Retail%20Return%20Fraud%20Final_0.pdf


Fraude por Devolución de Mercadería

• Fraude o abuso durante el proceso de devolución de mercadería.• Anillos de Crimen Organizado (OCR)• Abuso individual:

• Clientes deshonestos• Colusión con empleados

• Falsos positivos


Analítica eInvestigadores

Operaciones

Vigilancia

Cloud Analytics

Server (CAS)

BúsquedaElástica

Repositoriode

conocimiento

Centro de datos, constructor de vistas

Búsqueda y Descubrimiento

Analítica de Entidad y de Redes

Escenarios, Vigilancia y Despliegue

Determinación y priorización de alertas

Datos estructurados(RDBMS)

Datos semi o no estructurados

(PDF, JSON etc.)

Servicios y Streaming(Events, REST etc.)

APPLICATION TIER

CLIENT TIERDATA TIER

Diseño de Alto Nivel de la Solución

¿Cómo un retailer líder de tiendas porconveniencia descubre actividadsospechosa y reduce pérdidas?

Cómo SAS® soporta el proceso

Powered by

SAS for Retail Loss Prevention

Identificó dónde las pérdidas estaban ocurriendoanalizando los patrones de datos.

Ganó un enfoque estructurado y sistemáticopara prevención de pérdidas.

Obtuvo ROI en menos de 1 año.

Resultados

Necesidades de negocio

Detener altos niveles de pérdidas.

Entender en qué áreas están ocurriendo las pérdidas.

Mejorar la efectividad en los métodos de prevención de pérdidas.

Valor agregadoSAS Fraud

Framework

GobernanzaGestión

DatosDetección

AnálisisInvestigación

TIEMPO PARA EJECUCIÓN VALOR AGREGADO

GERENTESANALISTAS E

INVESTIGADORES

ANÁLISIS y ESTRATEGIATECNOLOGÍA

Plataforma de Detección Temprana de Fraudes

C opy r i g ht © 2 0 1 4 , S A S Ins t i t ut e Inc . A l l r i g ht s r es er v ed.

- Dashboards, reportes y gráficos dinámicos;

- Análisis de performance;

- Mirada de negocio de nuevos patrones de fraude;

- Gestión de procesos, flujos, aprobaciones;

- Adjuntar archivos;

- Participación de varias áreas;

- Construye las bases investigativas;

- Centro de control basado en Analítica

- Monitoreo continuo;

- Proceso generación de alertas;

- Interfaz gráfica flexible;

- Análisis guíado de los casos;

- Análisis exploratorio de datos y análisis predictivo;

- Minería de datos y de texto;

- Gobernanza analítica;

- Análisis de Redes

Sociales;

- Acceder;

- Seleccionar, Integrar;

- Limpiar, Calidad;

- Preparación para anáisis;

- Diversas fuentes;

- Almacenamiento;

SOLUCIÓN DE PUNTA A PUNTA (DE FORMA NATIVA)

Data Management

Repositorio Consolidado (DataMart)

Modelado

Enfoque Analítico Híbrido

Detección

Gatillar alertas y administración de

casos

Investigación

Flujo de trabajo

Investigativo

Gestión

Gestión Ejecutiva

AdministradorÁreas de estudio, análisis de datos

Analistas de Fraude

InvestigadoresGerentes &Directores

SAS Fraud Framework

Enfoque híbrido

Motor de Decisión Analítico

Reglas de Negocio

Detección de Anomalías

Modelamiento Predictivo

Minería de Textos

Redes Relacionamiento

Reglas conocidas combinadas con reglas

predefinidas construidas en software SAS

Aplicación de técnicas para

identificar variaciones de

comportamiento

Identificar patrones semánticos y de descripciones en texto no estructurado, usando estos resultados para detectar

similitudes y mejorar los modelos analíticos.

Basado en casos previamente investigados, casos verdaderos o falsos, positivos o

negativos. Modelos de Machine Learningson usados para predecir qué casos tienen

la probabilidad más alta...y la más baja.

Análisis de Redes Sociales (SNA):

Verificar relaciones entre entidades para identificar fraude y abusos cometidos

en una red organizada.

Búsqueda en bases de datos

SAS Fraud Framework

Muestra

aleatoria

Basado en el enfoque

híbrido de SAS

Fraude

Fraude

Potencial

Alto

Bajo

SAS Fraud Framework aplica un puntaje combinado usando diferentes técnicas analíticas para cada

transacción o entidad, basada en necesidades departamentales o corporativas, permitiendo que la

investigación de casos se concentre en casos donde exista una más alta probabilidad de retorno

financiero.

Solo basado

en reglas

¿POR QUÉ EL ENFOQUE HÍBRIDO?

Falso PositivoHasta 10

veces más

detecciones

Transacción SCORE

2177601 993

9955016 991

1496779 987

4081685 985

7747371 983

6191898 982

4421374 980

7315629 977

1513354 976

6950867 974

8742916 973

3648473 972

4549694 969

SAS Fraud Framework


Detecciónde

fraudes

ENFOQUE HÍBRIDO (PUEDE SER PASO A PASO)

DIVIDIR PARA CONQUISTAR

Combina técnicasanalíticas para máximo valor

Val

or

Sofisticación

Detecciónmanual

Reglasheurísticas

DetecciónAnomalías

Modelospredictivos

Análisis de redes

Análisis final y resumen

Análisis final y resumen

¿Decisión para proceder?

Análisis de respuestas

¿Decisión para

proceder?

Análisis de respuestas

PARA TENER UNA VIDA MÁS FÁCIL

Combinar e resumir

informações

Classificar e priorizar resultados

Consultar vários

sistemas

Estabelecer parâmetros

de busca

Valor agregado para el investigador

Combinar y resumir

información

Clasificar y priorizar

resultados

Consultas en diversos sistemas

Establecer parámetros de

búsqueda

90% 10%

Construcción automatizada de casos y priorización basada en el enfoque híbrido de SAS

PROCESO PARA INVESTIGACIÓN DE PATRONES

100%

SAS Fraud Framework


Desafíos para la detecciónanalítica

Reactivo Proactivo

Moverse desde lo reactivo a lo proactivo Descansar en

reglas / alertas Inconsistencia Primero que llega,

primero en serevaluado

Métodos detecciónavanzada

Consistente Priorización óptima

vs.


Big Data:

Volumen

Velocidad

Variedad

Valor

Accounts Transactions Vendors/Other3rd Parties

HR

Public Records

Social Media Info

Other Unstruc-tured Data

ProviderData

SIU CaseManagement

InternalSpreadsheets

MS AccessDatabases

TransactionHistory

IndustryAlerts

Internal Watch Lists

???

Desafíos para la detecciónanalítica

Mirada holística Mejorar detección & investigación

Representación visual de datosde múltiples sistemas en un

ambiente unificado

Aumento en volumen & calidadde casos detectados

Capacidad

Resultado

Beneficio

Modelos de puntuación híbridoscombinando reglas, anomalías,

texto, predicción & redes

Aumento por ahorros en fraude

Aumento de la eficienciadurante investigaciones de

fraudes

InvestigaciónDetección

Aumento en costos operacionales

Prevención de Pérdidas en Retail - sas.com · - Mirada de negocio de nuevos patrones de fraude; -...

Documents

Transcript of Prevención de Pérdidas en Retail - sas.com · - Mirada de negocio de nuevos patrones de fraude; -...