Fraude: uma preocupação crescente

A questão da fraude tem chamado cada vez mais atenção quando o assunto é crédito. Porém, há vários mal-entendidos sobre esse assunto que, antes de mais nada, precisam ser claramente definidos para que medidas de prevenção possam ser aplicadas com eficiência. A fraude representa uma possibilidade sempre presente nos negócios que envolvem crédito. Entender como esse fenômeno ocorre é o primeiro passo para identificá-lo, preveni-lo e combatê-lo.

Mal-entendido número um: todas as fraudes são iguais, todas resultam em perdas financeiras. No entanto, há que se entender que existem muitos tipos de fraude, que requerem ferramentas, estratégias e dados diferentes para sua identificação e prevenção. Os principais aspectos que diferenciam uma fraude de outra são: quando é cometida, quem a comete, como é aplicada e quem são as vítimas.

Podemos caracterizar alguns tipos mais comuns de fraudes: roubo de identidade (o autor utiliza a identidade de outra pessoa para obter crédito), identidade sintética (cria-se uma identidade, com componentes de identidades reais de várias pessoas e se aplica para obter crédito), calote do primeiro pagamento (intencional), fraude de agente (o agente do credor entra com informações incorretas para assegurar a aprovação do crédito, comum quando esse agente recebe comissão por venda), fraude transacional (uma pessoa utiliza informações da conta de outra pessoa para obter crédito, sem conhecimento de seu titular) e fraude de rede (normalmente praticada por hackers, na internet e em sistemas de telefonia). Cada uma difere claramente das demais em sua natureza, por isso seria ineficaz desenvolver um único modelo para predizer e prevenir todas, sendo que existem várias formas de fraudes e cada uma exige abordagem específica.

Mal-entendido número dois: se não é possível validar ou confirmar a identidade, deve ser fraude. Quando não se consegue confirmar a veracidade da identidade ou da transação, isso não significa que seja um caso de fraude. Na realidade, em sua maioria, esses casos são legítimos. Admitir que os casos suspeitos de fraude sejam fraudes de fato pode produzir resultados enganosos na análise. Portanto, para desenvolver uma ferramenta de predição e prevenção de fraudes, é fundamental que se tomem por base aquelas ocorridas de fato ou que, pelo menos, os casos suspeitos sejam identificados separadamente dos confirmados.

Mal-entendido número três: as ferramentas para fraudes devem utilizar redes neurais artificiais ou reconhecimento de padrões. As metodologias de machine learning (baseadas em sistemas que aprendem e evoluem à medida que agregam novos dados) têm sido identificadas como soluções de ponta para o tratamento de fraudes. Sem dúvida, os modelos de redes neurais artificiais e reconhecimento de padrões agregam valor quando aplicados nos contextos certos. Mas podem tornar-se desnecessários e não alcançar o nível de excelência desejado se não forem combinados com outras metodologias. Relacionamos dois principais inconvenientes nesses modelos, exigem atualização e manutenção constantes, pois se degradam rapidamente e, ainda, produzem soluções do tipo “caixa preta”, de difícil entendimento.

Outras metodologias observadas proporcionam modelos muito mais estáveis, não necessitam de atualização freqüente e são de fácil entendimento. É o caso das ferramentas de prevenção de fraude que utilizam metodologias diferentes e têm apresentado desempenho consistentemente superior ao de outros produtos do mercado, como as desenvolvidas pela Equifax. Em resumo, no desenvolvimento de ferramentas contra fraudes, o que é realmente importante é identificá-las corretamente, entender como ocorrem e dispor de dados apropriados para evitá-las e combatê-las.

. Michiko Wolcott, estatística sênior de Ciências Preditivas da Equifax Inc. USA