Grip op fraudecijfers

Inzicht in de basis

Goede fraudebestrijding vraagt om effectieve stuurinformatie. Informatie die antifraude-teams gericht kunnen gebruiken om de schadelast beter te beheersen. Dat lijkt ingewikkeld, maar is al heel goed mogelijk met de basis: instroom en uitstroom van fraudeonderzoeken.

Toepassingen

Instroom- en uitstroomcijfers leveren nuttige toepassingen op die helpen om de schadelast verder beperken. Zie hieronder twee fictieve voorbeelden: één voor instroomcijfers en één voor uitstroomcijfers.

Voorbeeld 1: instroom nieuwe fraudeonderzoeken claims & stuurinformatie op leadkwaliteit

Het bovenstaande voorbeeld laat de kracht van leadkwaliteit zien; in een ideale wereld is iedere lead de moeite van het onderzoeken waard. In de praktijk vallen veel leads af voor nader onderzoek en dat kost waardevolle onderzoekscapaciteit. Daarom is het nuttig om deze informatie te meten en erop te sturen.

Hieronder is een tweede voorbeeld:

Voorbeeld 2: uitstroom fraudeonderzoeken claims & stuurinformatie op bewijspercentage

Het bovenstaande voorbeeld geeft informatie over de volgende stap in een onderzoeksproces: het bewijspercentage. In hoeverre is het gelukt om te bewijzen dat een klant fraudeert? Verhoging van dit percentage laat zien dat onderzoeken effectiever zijn geworden.

Uitdagingen

In de praktijk zie ik dat het lastig is om overzichten te maken zoals hierboven. Het kost veel moeite om de benodigde data te verzamelen, te schonen en te visualiseren in een informatieve rapportage. Hier spelen drie oorzaken een rol.

  1. Verzamelen: versnipperde data

    Niet alle organisaties hebben hun fraudecijfers op één plek opgeslagen. De data is versnipperd.

    Dit maakt het lastiger om alles bij elkaar te krijgen. Vaak is er meer technische expertise nodig. Ook moet het toegangsbeheer op orde zijn: financiële instellingen zijn verplicht om hun fraudedata streng te beveiligen.

  2. Schonen: datakwaliteit

    Verder bevat de aanwezige data vaak onjuistheden. Denk hierbij aan typfouten, verouderde produktnamen of niet-eenduidige registraties. De datakwaliteit is onvoldoende.

    Dit zorgt ervoor dat frauderapportages tijdrovende rotklussen zijn. Vooral handmatige koppelingen, controles en herstelacties kosten veel tijd.

  1. Visualiseren: standaard tooling

    Daarnaast maken veel organisaties hun tabellen, grafieken en figuren in standaard tooling zoals excel of powerpoint.

    Hierdoor zijn rapportages weinig flexibel en erg statisch. Het kost tijd om figuren en grafieken te updaten. Ook is het veel werk om verdiepende vragen te beantwoorden met behulp van een mooie grafiek. Veel nuttige inzichten blijven verborgen.

Gevolgen

Organisaties laten nu vaak de mogelijkheid liggen om meer te doen met hun in- en uitstroomcijfers van fraudeonderzoeken

  1. Veel frauderapportages binnen de financiële dienstverlening blijven vooral beschrijvend;
  2. Nuttige inzichten blijven verborgen;
  3. Rapportages verschijnen onregelmatig of in een lage frequentie.

Dat is zonde. Regelmatige stuurinformatie vanuit fraudebestrijding is juist cruciaal om (strategische) besluitvorming van antifraudeteams en (hoger) management te beïnvloeden. En daarmee grip te krijgen op de schadelast. Dat is dé waarde van effectieve stuurinformatie.

Next steps

Zoekt u ondersteuning bij het verzamelen, schonen en visualiseren van de basiscijfers? Neem dan contact met mij op.

Roeland van der Molen

Roeland van der Molen is managing consultant bij Leissner & Van der Molen. Als jurist en dataspecialist heeft hij zich de afgelopen tien jaar ontwikkeld tot een allround number cruncher. Hij helpt klanten om meer grip te krijgen op hun fraudecijfers en van daaruit een effectieve strategie op te bouwen. ”Innoveren doe je vanuit de basis”.

Geef een antwoord

Het e-mailadres wordt niet gepubliceerd.

For security, use of Google's reCAPTCHA service is required which is subject to the Google Privacy Policy and Terms of Use.

I agree to these terms.