Zaawansowana analityka wspierająca wykrywanie nadużyć w ...forumti.pl/wp-content/uploads/2018/10/Patryk-Choros.pdf · • Prowadzenia proaktywnej polityki np. społecznej (np

Copyr ight © SAS Inst i tute Inc. Al l r ights reserved.

Zaawansowana analityka wspierająca wykrywanie nadużyć w sektorze publicznym

Doświadczenia i praktyka

Patryk Choroś[email protected]+48 695 109 553

Company Confidentia l – For Interna l Use OnlyCopyr ight © SAS Inst i tute Inc. Al l r ights reserved.

Przekształcamy świat danychw świat inteligentnych decyzji


System analizy ryzyka występowania nadużyć

Przystępność

Doświadczenie i wiedza merytoryczna nie zawsze idzie w parze z kompetencjami technicznymi i statystycznymi.

Przystępność i różnorodność użytkowników, metod i narzędzi jest przewagą w walce z nadużyciami.

Procesowość

Identyfikacja nadużyć jest procesem, który stosowany na wielką skalę wymaga odpowiedniego zaprojektowania i wsparcia.

Integracja, automatyzacja, raportowanie, kontrola i współpraca analityków są kluczowymi aspektami systemów wykrywania nadużyć.

Wydajność

Dynamika reagowania na podejrzenia nadużyć powinna być dopasowana do ich charakteru i adresować cele biznesowe równoważąc je z satysfakcją obywatela i sprawnością procesów biznesowych.

Architektura przetwarzania danych powinna także adresować ich wolumen.

Dopasowanie

Zmieniające się prawo, regulacje i zasady codziennie są atakowane przez równie elastycznych przestępców.

Rozbudowany arsenał metod analitycznych pozwala dopasowywać się do zmieniających się warunków biznesowych.

Otwartość

Właściwa identyfikacja ryzyka opiera się na umiejętności uchwycenia kontekstu zdarzeń.

W cyfrowych czasach informacje wzbogacające analizę mogą pochodzić z wielu źródeł.


Otwartość



Dane własne o podmiotach i transakcjach

• Systemy dziedzinowe• Systemy kadrowo-płacowe• Systemy techniczne

Rejestry publiczne

Relacje z sektorem publicznym

Wzbogacone dane publiczne

i bazy sektorowe

Statystyka i demografia

Komercyjne źródła

informacji

Media społecznościowe

Otwarte dane

• Integracja danych• Jakość danych• Widok 360o – MDM


Zwinna adaptacja do zmieniających się warunków

Dopasowanie



Zdolność adresowania wszystkich perspektyw ekspozycji na ryzyko nadużyć:

• Relacja z płatnikiem/podmiotem• Relacja z odbiorcą/klientem/świadczeniobiorcą• Relacja z audytorem/ekspertem/orzecznikiem• Relacja z

wykonawcą/lekarzem/świadczeniodawcą• Zgodność działań pracowniczych z regulaminami• Spójność funkcjonowania zakupów/kontraktów

Ocena ryzyka to także możliwość:

• Prowadzenia proaktywnej polityki np. społecznej (np. przeciwdziałanie przemocy w rodzinie) lub profilaktyki zdrowotnej

• Wsparcia informacyjnego dla planowania strategicznego, uszczelniania procedur, regulacji i obowiązującego prawa

• Oceny jakości realizacji zobowiązań i kontraktów

Stosowane metody muszą dopasowywać się do:

• Stale zmieniających się zadań, prawa, procesów biznesowych

• Adaptujących się do tych zmian grup przestępczych i osób dokonujących nadużyć


Łączenie baz danych i rejestrów

Analitycznysilnik

decyzyjnyZautomatyzowanereguły biznesowe

Wykrywanieanomalii

Modelowanie predykcyjne

Analiza tekstu

Analiza sieci powiązań

Metoda hybrydowa identyfikacji ryzyka nadużyć – ubezpieczenia społeczne

Wykrywanie nowych zachowań

Pracownik płatnika otrzymuje podejrzanie wysoki poziom świadczeń

społecznych (np. na urlopie macierzyńskim) przy jednocześnie

krótkim okresie zatrudnienia

Znane wzorce nadużyć

Wypłata zasiłku chorobowego pracownikowi, który jednocześnie

w tym samym czasie świadczy pracę na rzecz innego pracodawcy

Złożone wzorce nadużyć

Świadczenie przyznaje lekarz orzekający często o wysokim % stopniu niepełnosprawności lub

uszczerbku na zdrowiu

Wysoki skok w zarobkach przed przejściem na zasiłek

Dane niestrukturalne

Stwierdzenia w dokumentacji medycznej lub wniosku o wypłatę świadczenia charakterystyczne dla

wyłudzeń

Powiązania i relacje

Wiele osób z jednej rodziny otrzymuje różne świadczenia

Nieprzeciętnie wielu pracowników płatnika pobiera świadczenia

określonego rodzaju

Kompozycja informacji

Dokumentację medyczną sporządza lekarz z aktualnym postępowaniem lub

wyrokiem karnym za fałszowanie dokumentacji medycznej

Płatnik jest podejrzany o nadużycia podatkowe


Uwolnienie potencjału użytkowników i partnerów

Przystępność



Platforma SAS to zestaw intuicyjnych narzędzi wizualnej eksploracji, analizy i modelowania danych.

SAS Visual Analytics: eksploracja danych, tworzenie kokpitów i interaktywnych raportów

SAS Visual Statistics: modelowanie predykcyjne w wizualnym i przystępnym środowisku

SAS Visual Data Mining & Machine Learning: algorytmy dla najbardziej wymagających użytkowników

Analitycy biznesowiSpecjaliści merytoryczni

Platforma SAS to zbudowany dla analityki język 4GL. Doświadczeni programiści mają możliwość tworzenia kodu w wizualnych środowiskach, a wymagający ekonometrzy mogą dowolnie stroić budowane modele.

Data Scientists ma pełną dowolność w wyborze środowiska pracy. Polecenia dla serwera analitycznego można wydawać z poziomu np. R i Pythona.

Platforma pozwala na operacjonalizację modeli analitycznych w PMML.

Zaawansowani analitycyData Scientists

Pracownicy operacyjniUżytkownicy systemu

Warstwa biznesowa SAS Fraud Framework to wizualne aplikacje prezentujące dane w sposób dopasowany do oczekiwań użytkownika biznesowego. Równocześnie otrzymuje on swobodę eksploracji i kojarzenia faktów.

Wyniki działania modeli, alerty i reguły, budowane są w sposób przekazujący operatorowi jak najwięcej wskazówek ułatwiających dalszą analizę zdarzeń.


Ryzyko

Kwalifikacja w procesie oceny ryzyka nadużyć

Procesowość



Alert PostępowanieWynik działania regułyanalizy danych (metoda hybrydowa) w określonym merytorycznym aspekcie (składowa występowania ryzyka nadużyć).

Reguła określa siłę oddziaływania danego ryzyka (wagę). Dostarcza także informacji wspomagających potwierdzanie alertów.

Reguły ryzyk mogą wspierać monitorowaniezjawisk, windykację i inne procesy.

Kompozycja wag sekwencji ryzyk dla danego obiektu (klient, pracownik, podmiot, …) lub transakcji (wniosek, świadczenie).

Alerty identyfikowane są dla określonego poziomu sumy wag ryzykskładowych.

Alerty podlegają analizie przez operatora i mogą być potwierdzane do dalszej analizy lub wykluczane.

Potwierdzony alert tworzy podejrzenie nadużycia. Jest podstawą rozpoczęcia procesu kompletowania dokumentacji i prowadzenia kontroli zewnętrznej lub wewnętrznej.

Wyniki kontroli i analizy mogą:• rekomendacje zmian

procedur lub regulaminów,

• rozpoczynać postępowanie dyscyplinarne,

• kierować sprawy do prokuratury i wyciągać konsekwencje kadrowe i prawne.NIEJAWNE ZASADY POSTĘPOWANIA


Automatyzacja wyzwalania reguł

Przygotowanie danych

Etap obejmuje integrację danych, weryfikację i unifikację. Dodatkowo dane są wzbogacane oraz weryfikowane i poprawiane ze względu na ich jakość i kompletność.

Następuje ekstrakcja i tworzenie nowych cech opisujących badane obiekty.

Modele analityczne

Budowane z wykorzystaniem technik metody hybrydowej.

Zaawansowane strategie cyklu życia modeli(odświeżanie, przeliczanie, champion-challenger).

Reguły oceny ryzyka

Są wynikiem wiedzy eksperckiej o zjawiskach niepożądanych oraz działania metody hybrydowej.

Reguła poprzez weryfikację cech badanych obiektów jest składową oceny prawdopodobieństwa ryzyka.

Strategia alertowania

Odzwierciedla strategięorganizacji w zakresie kwalifikacji zagrożeń do kontroli.

Alerty poddawane są analizie ręcznej lub automatyzowane w kontekście działań prewencyjnych (np. wstrzymanie wypłaty świadczeń lub zwrotu podatku).

Obsługa spraw

Potwierdzone alerty (zagrożenia) poddawane są analizie szczegółowej (często technikami analizy kryminalnej).

Kompletowana jest dokumentacja opisująca zagrożenie.

Potwierdzone nadużycia o niskiej szkodliwości lub polegające na wykorzystaniu luk proceduralnych są podstawą uszczelniania zasad funkcjonowania organizacji.

Kontrole i ich wyniki

Działania kontrolne prowadzone są na podstawie przepisów prawa i regulaminów.

Wyniki prowadzonych działań są kluczowe dla możliwości doskonalenia się organizacji i dopasowywania do zmieniających się klas nadużyć.

Działania kontrolne mogą być prowadzone w wyniku planu kontroli wzbogacającego dane dla metody hybrydowej lub dla oceny jej skuteczności (grupy kontrolne).

Procesowość

AUTOMATYZACJA PRACA MANUALNA

Identyfikacja nowych cech Doskonalenie reguł i modeli analitycznych




Specjalizacja, współpraca i optymalizacja

Procesowość

Współpraca

Automatyzacja zarządzania regułami oceny ryzyka pozwala na ich współdzielenie i wykorzystywanie przez rozproszone geograficznie i organizacyjnie zespoły skupione na określonych klasach nadużyć lub procesach biznesowych.

Ujednolicone zarządzanie danymi, modelami i regułami pozwala na współdzielenie wiedzyw całej organizacji.

Specjalizacja

Wykorzystanie wiedzy dziedzinowej zespołów istniejących w organizacji –specjalizacja w zakresie wykrywania i wyjaśniania określonych klas ryzyka.

Wspólna platforma ułatwia łączenie oceny ryzyka przez wiele perspektyw i bardziej precyzyjne identyfikowanie zagrożeń.

Optymalizacja

Wykorzystanie optymalizacji matematycznej pozwala angażować zasoby tam, gdzie maksymalizowany jest efekt biznesowy lub realizacja strategicznych celów organizacji.

Zwiększana jest skutecznośćprowadzonych kontroli poprzez odpowiednie jej planowanie i nadawanie wag alertom.

Zarówno podmioty kontrolowane, jak i zespoły kontrolujące, uzyskują większy komfort w procesie.




Dynamika oceny ryzyka w kontekście ilości danych

Wydajność



Architektura i narzędzia gotowe na Big Data:

• Serwer analityczny SAS Viya – CloudAnalytics Server zbudowany został z przeznaczeniem do przetwarzania i zaawansowanej analizy wielkich zbiorów danych

• SAS Viya CAS pozwala na dynamiczne skalowanie w zależności od chwilowego zapotrzebowania na moc obliczeniową

• SAS Viya CAS to najnowsze algorytmy data mining, uczenia maszynowego i deep learningu. Automatyzacja zarządzania ich cyklem życia zwiększa skuteczność i pojemność procesów.

Integracja w procesach biznesowych:

• Rozwiązania SAS można włączyć w istniejące procesy biznesowe przez usługi SOA/WSDL lub przetwarzanie wsadowe

• Złożony scoring analityczny może być realizowany bezpośrednio na danych źródłowych (SAS Accelerator)

• Automatyzacja zarządzania regułami i alertami pozwala na budowanie strategii bezpośredniego reagowania na zdarzenia biznesowe

• Możliwość przetwarzania strumieni danych pozwala realizować najbardziej agresywne strategie biznesowe(równowaga pomiędzy ekspozycją na ryzyko a wypełnianiem zobowiązań wypłaty świadczeń lub zwrotu podatku)


Repozytorium danych

Partnerzy danych

Architektura logiczna

Analityka hybrydowa

Złożone wzorce nadużyćAnalityka predykcyjna

Wykrywanie nowych zachowańAnaliza anomalii

Dane własne

Środowisko transakcyjne

Silnik przetwarzania reguł biznesowych

Strumienie danych

Danerejestrowe

Znane wzorce nadużyćReguły eksperckie

Analiza danych niestrukturalnych

Marty analityczne

Dane transakcyjne

Dane zewnętrzne

Dane do oceny

Ocena przy danych

Zasilanie repozytorium

Zasilanie repozytorium

Wymiana danych

In-stream, real-time, in-database, SOAZarządzanie modelami i regułami

Data virtualization, ETL, data quality, MDM

Analiza sieci powiązań i relacji

Środowisko operacyjne

Raporty strategiczne, efektywność

procesów, optymalizacja działań

Analiza alertów

Obsługa spraw

Gromadzenie wyników działań

Wykryte alerty

Wyniki prowadzonych działań

Usługi


Wdrożenie

Wdrożenie powinno skupiać się na zaadresowaniu 2 celów:

• Automatyzacja analizy ryzyka występowania nadużyć

• Umożliwienie proaktywnej analizy i odejście od oceny post-factum

Podejście wdrożeniowe musi być dopasowane do organizacji.

Inicjalny etap wdrożenia:

• Automatyzacja identyfikacji znanych wzorców ryzyka

• Uruchomienie struktur organizacyjnych, procesów i zasad współdziałania z procesami biznesowymi

• Zbudowanie fundamentu platformy informatycznej

Zakres zdefiniowany poprzez następujące miary:

• Integrowane źródła danych (lista)

• Wdrażane reguły (lista) i budowane sieci powiązań (lista)

Iteracyjne przyrosty rozwoju systemu:

• Zakres dobierany wg wymiarów:

• Wspieranych procesów biznesowych

• Wykorzystania elementów metody hybrydowej (np. budowa nowej klasy danych dla sieci powiązań)

• Włączania integracji z kolejnymi systemami źródłowymi

• Utrzymanie i aktualizacja reguł analizy ryzyka, wykorzystanie wyników kontroli w doskonaleniu reguł

Wdrożenia poprzedziły pilotaże potwierdzające: skuteczność identyfikacji ryzyka, możliwość automatyzacji procesu analizy danych, dopasowanie narzędzi do oczekiwań użytkowników oraz możliwy do osiągnięcia zwrot z inwestycji.


System analizy ryzyka występowania nadużyć

Przystępność



Procesowość



Wydajność



Dopasowanie



Otwartość




Zapraszam na strony SAS

https://blogs.sas.com/content/hiddeninsights/2018/02/08/wykrywanie-ryzyka-wystepowania-naduzyc-w-sektorze-publicznym/

https://www.sas.com/pl_pl/software/fraud-security-intelligence.html

https://blogs.sas.com/content/hiddeninsights/2018/02/08/wykrywanie-ryzyka-wystepowania-naduzyc-w-sektorze-publicznym/

https://www.sas.com/pl_pl/software/fraud-security-intelligence.html


Dziękuję za uwagęSAS Institute

Patryk Choroś[email protected]+48 695 109 553

Documents

Zaawansowana analityka wspierająca wykrywanie nadużyć w ...forumti.pl/wp-content/uploads/2018/10/Patryk-Choros.pdf · • Prowadzenia proaktywnej polityki np. społecznej (np