Confidential. This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent. © 2010 Fair Isaac Corporation. 1 Betrüger stoppen Antrags- und Kartenbetrug rechtzeitig erkennen und verhindern Jens Dauner Associate Client Partner FICO 11. November 2010

© 2010 Fair Isaac Corporation. Confidential. 2 2 Agenda »Antragsbetrug: »Erkennen und Vermeiden von Betrug durch den Antragsteller »Kartenbetrug im deutschen Markt: »Regeln versus Analytik »Was ist der bewährte Ansatz anderer Banken?

© 2010 Fair Isaac Corporation. Confidential. 3 3 Antragsbetrug im deutschsprachigen Raum

© 2010 Fair Isaac Corporation. Confidential. 4 Betrug durch den Antragsteller bleibt oft unerkannt »Welche Betrugsformen gibt es? »Betrug durch den Antragsteller (First Party Fraud) »Betrug durch Dritte (Third Party Fraud) »Antragsbetrug ist in der Regel 10x höher als Betrug durch Dritte »Betrug durch den Antragsteller: Es handelt sich um den Kunden selbst, der eine Karte oder einen Kredit beantragt ohne Rückzahlung zu leisten »Betrug schon beim Antrag erkennen: » 10% bis 50% der Kreditausfälle wurden von FICO bei Untersuchungen als First Party Fraud klassifiziert » Antragsbetrug sollte einen Anteil von 10% an Kredit- ausfällen nicht übersteigen

© 2010 Fair Isaac Corporation. Confidential. 5 Welche Formen des Antragsbetrugs gibt es?Organised Hit & Run Opportunist Sleeper »Wie in anderen Betrugsbereichen, gibt es verschiedene Varianten »Eine wirksame Bekämpfung wird durch eine koordinierte Strategie über den Kundenlebenszyklus und Unternehmensbereiche hinweg erreicht »First Party Fraud wird vom Kunden selbst begangen, d.h. es ist kein Opfer involviert

© 2010 Fair Isaac Corporation. Confidential. 6 Betrug durch den Antragsteller Kreditverluste Kunden mit niedriger Bonität Arbeitslosigkeit, Krankheit, Scheidung Finanzielle Rückschläge Betrug durch Antragsteller Zahlungsunwillig Frühzeitige Zahlungsstörung Uneinbringliche Forderungen Entscheidend: Die ABSICHT zu zahlen Absicht: Etwas geplantes oder der Zweck, der einen Plan begleitet Absicht: Der Geisteszustand einer Person, wenn jemand vorsätzlich eine illegale Handlung begeht oder plant »Es ist die Absicht des Antragstellers, die Bank zu betrügen »First Party Fraud kann während des Antragsprozesses erkannt werden »Antrag enthält manipulierte oder falsche Informationen »Weil es schwierig ist, Absicht nachzuweisen, wird Betrug als Kreditverlust abgeschrieben

© 2010 Fair Isaac Corporation. Confidential. 7 Benchmark: Missbrauchsbekämpfung bei Ratenkrediten UKEuropaDeutschland Verantwortung »Team Betrugsprävention vorhanden 502 Identifikation »Definition vereinbart und verstanden 513 Missbrauchs- quote »Anteil an Abschreibungen 5-15%20-40%25-40% Kommunikation »Lenkungsausschuss und unternehmensweites Bewusstsein 422 Behandlung »Richtlinien »Autom. Regelwerk »Analytische Modelle Weiter- entwicklung »Kontinuierliche Weiterentwicklung der Missbrauchsprävention 401 FICO Benchmark zur Missbrauchsprävention Ratenkredite Skala von 0 bis 5 mit 5 als bester Wertung

© 2010 Fair Isaac Corporation. Confidential. 8 Der Schlüssel zur Bekämpfung von Antragsbetrug »Einsatz eines First-Party-Fraud-Analytikmodells »FICO hat bereits Modelle für Europa und speziell für Deutschland entwickelt »Fraud Consulting »Unterstützung bei der Erfassung des Problems und beim Ergreifen der ersten Schritte »Prüfen von Richtlinien und Prozeduren »Entwicklung der effizientesten Regeln »Anwendung von Best Practice »Einführung einer Lösung zur Betrugsbekämpfung mit geeigneten Antragsprozessen »Abbildung und Steuerung der Verdachtsmomente innerhalb der Antragsschritte »Verbindung von Antrags- und Transaktionsbetrug über Falcon

© 2010 Fair Isaac Corporation. Confidential. 9 Existierende FICO First Party Fraud Modelle »50% Value Detection Rate bei einer 5% Antragsprüfungsrate

© 2010 Fair Isaac Corporation. Confidential. 10 © 2010 Fair Isaac Corporation. Confidential. 10 Kartenbetrug im deutschen Markt

© 2010 Fair Isaac Corporation. Confidential. 11 Warum hat sich Kartenbetug nach Deutschland verlagert? »Vor 3 Jahren entfielen 60% der Verluste im Bereich Kartenbetrug in Europa auf Großbritannien »Aktuell ist das Betrugsniveau dort auf dem niedrigsten Niveau seit 10 Jahren »Verlust & Diebstahl: 11% »Mail nicht erhalten: 2% »Fälschung: 16% »Account Take-over: 6% »Card-Not-Present: 63% Betrugs- verluste Die Einführung von Chip & PIN sowie die Betrugserkennung in Echtzeit mit Falcon haben in Großbritannien den Betrug unter Kontrolle gebracht.

© 2010 Fair Isaac Corporation. Confidential. 12 Entwicklung von Kartenbetrug in Großbritannien »Grenzüberschreitender Betrug seit 2008 um 136 Mio. gesunken ( ) »Grenzüberschreitender Betrug an Geldautomaten seit 2007 um 82 Mio. gesunken (86 15) »Inländischer Betrug: Rückgang um 168 Mio. seit 2004 (218 72) »Differenz: 304 Mio. weniger Betrug Haben die Kartenbetrüger ihre Aktivitäten von Großbritannien nach Deutschland verlagert?

© 2010 Fair Isaac Corporation. Confidential. 13 Hat Kartenbetrug in Deutschland in den vergangenen Jahren zugenommen? »Kartenbetrug hat 2010 einen Höhepunkt erreicht »Hohe Zuwachsraten in den letzten Jahren »Basispunkte bis zu 10-mal höher »Kein oder kaum Echtzeit-Scoring »Mangelnde Bereitschaft oder Budgets für die Einführung einer Abteilung zur Betrugsbekämpfung »Unterschiedlicher Status beim Rollouts zur Betrugsbekämpfung: Chip&Pn, 3D-Secure Auf Achterbahnfahrt?

© 2010 Fair Isaac Corporation. Confidential. 14 © 2010 Fair Isaac Corporation. Confidential. 14 Regeln versus Analytik

© 2010 Fair Isaac Corporation. Confidential. 15 Analytikmodelle oder Regeln – Warum Modelle wichtig sind »Betrugsmodelle bieten eine höhere Genauigkeit. Sie ermöglichen daher eine umfassendere Betrugserkennung und stören zulässige Transaktionen weniger. »Modelle verbessern die Objektivität. »Modelle erleichtern das Identifizieren neuer Betrugsschemas. Regeln erkennen nur bekannte Betrugsschemas. »Die modellbasierte Betrugserkennung ist gegenüber regelbasierten Methoden leichter verwaltbar. » Regeln untersuchen kleine Mengen an Daten einfach und linear. » Modelle analysieren große Mengen an Daten auf komplexe und nicht-lineare Weise und entdecken somit Muster von legitimiertem und betrügerischem Verhalten.

© 2010 Fair Isaac Corporation. Confidential. 16 Verhaltensmerkmal X Verhaltensmerkmal Y Die Betrugsamöbe Die Amöben (griechisch amoibos = wechselnd) oder Wechseltierchen sind eine große, vielgestaltige Gruppe von Einzellern, die ihre Gestalt laufend ändern.Einzellern

© 2010 Fair Isaac Corporation. Confidential. 17 Verhaltensmerkmal X Verhaltensmerkmal Y today 3 months later 6 months later9Monatespäter Betrug ändert sich Wenn Betrugs- Steuerungs- Maßnahmen statisch sind… …werden sie schnell uneffektiv. Die Betrugsamöbe passt sich an Die Amöben (griechisch amoibos = wechselnd) oder Wechseltierchen sind eine große, vielgestaltige Gruppe von Einzellern, die ihre Gestalt laufend ändern.Einzellern

© 2010 Fair Isaac Corporation. Confidential. 18 Während sich Betrugsmuster verändern… …unter Ausnutzung der Vorteile neuer Entwicklungen... Verhaltensmerkmal X Verhaltensmerkmal Y … passen sich Modelle an, um neu entstehende Muster zu erkennen. Analytikmodelle zur Betrugserkennung passen sich an

© 2010 Fair Isaac Corporation. Confidential. 19 © 2009 Fair Isaac Corporation. Confidential. 19 Was ist der bewährte Ansatz anderer Banken?

© 2010 Fair Isaac Corporation. Confidential. 20 Der FICO Ansatz zur Betrugsbekämpfung Falcon Fraud Manager »Vorteile von Falcon gegenüber regelbasierten Ansätzen »Steigerung der Erfolgsquote bei der Betrugserkennung »Reduzierung der Verluste durch Betrug »Steigerung der Produktivität bei der Bearbeitung von Betrugsfällen »Verbesserung der Kundenzufriedenheit »Verringerung des administrativen Aufwands »Komponenten von Falcon 1.Neuronale Netzwerk-Technikinkl. Konsortiummodelle 2.Customer Profiling 3.Fraud Predictor 4.Adaptive Analytik 5.Integriertes Regelmanagement 6.Kanal- und produktübergreifender Ansatz = Enterprise Fraud Management

© 2010 Fair Isaac Corporation. Confidential Neuronale Netzwerk-Modelle »Überlegene Statistikmethoden »Stellt Zusammenhänge zw. Profilvariablen her »Identifiziert Dateninteraktionsmuster »Konsortiummodelle »Modellerstellung mittels weltweit gesammelter Daten »Regions- und branchenspezifische Modelle »Jährliche Modell-Updates »Echtzeitbewertung »Berechnung von Scores in Echtzeit »Scores von »Liefert die 3 top Ursachen, z.B. »Verdächtige Autorisierungsfrequenz »SIC-Aktivität mit hohem Risiko »Verdächtige regionale Aktivität Updated Model Betrug Transaktionen Karteninhaber Records Bank 3 Prozessor Bank 1 `` Bank 2 Q = 2p / (c 2 + w) * log (q) Bank … Falcon Modeling Detection Prozessor Prozessor Prozessor Prozessor Bank …

© 2010 Fair Isaac Corporation. Confidential. 22 $ $ $ $* $ $ # $ 2. Patentiertes Profiling-System#

© 2010 Fair Isaac Corporation. Confidential Adaptive Analytik Adaptives Scoring Fraud & Non-Fraud Tabellen Update der adaptiven Gewichtung Fall-Prüfung Basis Score Kaskaden Grenzwert Prüfung Grenzwert Adaptiver Score Transakion Basismodell

© 2010 Fair Isaac Corporation. Confidential Fraud Predictor mit Händlerprofilen »Features »Vorteile »Fraud Predictor Optionales Zusatzmodul für Falcon Wöchentliche Updates von Händlerprofilen 5 Mio. Händler weltweit Umfasst Transaktionen und Fraudhistorie von Händlern Erweiterte Analytikmodelle beinhalten Händlervariablen sowie kombinierte Händler- / Karteninhaber-Variablen wie z.B. händlerbezogene Karteninhaber-Aktivitäten Profile erhöhen Betrugserkennung nochmals deutlich Noch höhere Genauigkeit und Verlässlichkeit der Modelle Kundenfreundlicher Bei Falcon Bestandskunden sehr geringe Implementierungsaufwände Beispiel: Engl. Kartenherausgeber verzeichnet 75% weniger Betrug mit Fraud Predictor seit Herbst 2009).

© 2010 Fair Isaac Corporation. Confidential Einfach bedienbares Regelmanagement zur Strategiesteuerung »Blaze Advisor, das weltweit führende Business Rule System, ist in Falcon integriert »Unbeschränkte Regeln und Hotlists »Intuitive Regeleingabe und -Verwaltung durch Fachbereich – ohne IT »Erstellung benutzerdefinierter Variablen für bestimmte Aktionen »Nutzung externer Scores und Ergebnisse »Zugriff auf Black-, Gray- & White-Lists »Automatische Entscheidungen und Aufgaben »Transaktion ablehnen »Fall erstellen » /SMS senden

© 2010 Fair Isaac Corporation. Confidential Offene Plattform für Betrugserkennung: Kanal- und produktübergreifendDWH Kanalmodelle, Regeln, Profile Scoring-Module Kundenmodell, Händlermodell, Regeln, Profile Analysemodul Steuerung, Regeln, Queues, Hotlists Managementmodul Recherche, Analyse und Ermittlung von Betrugsrisiken Online- und Telefon-Banking Filiale Überweisungen Antragsprüfung Kreditkarten- transaktionen Quellsysteme Rechnungszahlung Prüfung von Einzahlungen Mobile Payment Girokarten- transaktionen Modul Fallbearbeitung Falldatenbank für Interventionen Daten Dritter Konsortium Ausreißer Bank Third-Party Acquirer

© 2010 Fair Isaac Corporation. Confidential. 27 Zusammenfassung »Antragsbetrug: »Betrug durch Antragsteller versteckt sich in Kreditausfällen »Analytikmodelle schützen bei gleichzeitig geringem Aufwand »Bank muss Organisation und Prozesse richtig aufstellen »Kartenbetrug: »Wanderte von UK nach Deutschland aufgrund geringer Prävention? »Ist der aktuelle Rückgang nur ein Tal in der Achterbahn? »Analytik kombiniert mit weiteren Technologien am effektivsten »Wie kann FICO Ihnen helfen? »Analytik-basierte Lösungen, wie First Party Fraud Modelle, ganzheitliche Antragsentscheidungssysteme und Falcon für Karten und Retail »Unterstützung bei der Einführung und Optimierung einer Betrugsprävention auf organisatorischer, prozessualer und technischer Ebene

Confidential. This presentation is provided for the recipient only and cannot be reproduced or shared without Fair Isaac Corporation's express consent. © 2010 Fair Isaac Corporation. 28 Vielen Dank! 11. November 2010 Jens Dauner