ML21.Fraud
Wij vinden alle verdachte transacties in je data
Financiële instellingen zijn belast met de taak om zich in te zetten tegen fraude, witwassen en andere ongewenste activiteiten. Fraude kenmerkt zich veelal in data door subtiele afwijkingen in handelen.
ML21 is bijzonder geschikt voor het opsporen van verdachte transacties. Dit komt grotendeels doordat onze algoritmen voor machine learning het vermogen hebben om patronen te achterhalen uit ogenschijnlijk niet-gerelateerde gegevens en bedrijven te helpen fraude beter op te sporen. Machine learning wordt nog indringender met grotere datasets, waardoor bedrijven in realtime weloverwogen beslissingen kunnen nemen en heldere adviezen krijgen over het risicoprofiel van een bepaalde transactie.
Trustworthy IA
USP’s van onze ML voor fraude preventie:
1. Realtime analyze;
2. Clearbox. Onze ML legt je uit waarom een transactie “verdacht” is;
3. Snelle implementatie;
4. Feedback loop voor snelle leercurve;
Integratie zonder code
De fraudebestrijdingsoplossing van CodeNext21 is een fluitje van een cent om te implementeren. We bieden implementatiemogelijkheden op maat die bij elk geval passen. Kies uit een verscheidenheid aan open-source implementatie-opties zonder code, of als je erop staat, bieden we een verscheidenheid aan SDK’s zodat je ontwikkelaars erin kunnen graven!
GDPR compliant
Bij het maken van risico profielen van gebruikers kan persoonsgebonden informatie relevant zijn. Hierdoor krijgt u te maken met de naleving van regelgeving. CodeNext21 help u om de informatie op de juiste manier te verwerken zodat u AVG compliant blijft.
In een telecom case hebben we onze fraude-preventie-oplossing geïntegreerd voor een grote wholesale telecomprovider met meer dan 35 miljoen oproepen per maand. Het realtime controlesysteem van CodeNext21 detecteert fraude (gemiddeld) 17 uur sneller. In het meest extreme geval presteerden we 34 dagen beter dan de bestaande oplossing. In totaal is er 80% meer fraude voorkomen, wat onze klant tienduizenden euro’s per maand heeft bespaard.
Businesscase : Fraud in telecom transactions
Bij een toepassing van onze technologie in het telecomdomein (SIP) konden we een bestaande fraudebestrijdingsoplossingen met 80% overtreffen. Een besparing van tienduizenden euro’s per maand voor onze klant!
Clearbox
ML21 geeft heldere uitleg over iedere fraude beoordeling. Ondersteund met graphics krijgt u eenduidige onderbouwing van de uitkomst: Waarom is het risicoprofiel van deze transactie juist wel of niet hoog? U blijft dus in controle over de resultaten.
Superieure snelheid
Vergeleken met de bestaande fraudebestrijdingsoplossing ontdekte CodeNext21 fraude (gemiddeld) 17 uur eerder. In het meest extreme geval werd fraude gedetecteerd door CodeNext21 32 dagen voordat het bestaande systeem werd geactiveerd.
Realtime
Ons platform ML21 is in staat transacties bijna real-time te verwerken in een risico score. Door onze schaalbare oplossing kunnen miljoenen transacties per seconden beoordeeld worden met een risico score. Je bepaald zelf vanaf welke risico score, op een schaal van 0 tot 100, je een transactie wenst te blokkeren.
Aanpasbaar
Elke gebruiker is anders, daarom leert het platform van CodeNext21 van elk van je gebruikers en past het zijn algoritme indien overeenkomstig aan. Dit is de reden waarom we 100x minder valse waarschuwingen produceren dan bestaande fraudebestrijdingsoplossingen.
Minder downtime
Veel billshock- en fraudebestrijdingssystemen blokkeren volledige gebruikers wanneer fraude wordt gedetecteerd, waardoor zelfs voor legitieme oproepen uitvaltijd ontstaat. Omdat CodeNext21 individuele oproepen inspecteert, zijn we in staat om fraude te stoppen, maar laten we legitiem verkeer onaangetast. Dit vermindert de downtime van de klant met meer dan 11x.
