Análisis

Graph Analytics es excelente para combatir los delitos financieros

single-image

El análisis de gráficos puede ser una herramienta fundamental en la lucha contra los delitos financieros.

Ese fue el mensaje de Heather Adams, Gerente General de Resiliencia y Confianza en el Riesgo de la consultora Accenture, con sede en Irlanda, que habló el 21 de abril en Graph + AI Summit, una conferencia virtual abierta organizada por el proveedor de Graph Analytics TigerGraph.

El fraude, el lavado de dinero y la corrupción, incluidos los delitos financieros, las organizaciones de plagas de todo tipo y el análisis de gráficos son especialmente adecuados para descubrir tales actividades delictivas. Otros delitos financieros, como el financiamiento del terrorismo, están teniendo ahora implicaciones sociales de gran alcance.

Sin embargo, con la ayuda de las bases de datos de gráficos, que son el núcleo del análisis de gráficos, las empresas pueden detectar mejor los delitos financieros de lo que lo harían mediante el uso de bases de datos relacionales tradicionales.

Las bases de datos gráficas brindan una forma de conectar puntos de datos de formas distintas a las bases de datos relacionales, de modo que puedan comprender mejor las relaciones entre puntos de datos que pueden no ser visibles en una base de datos relacional o que pueden requerir mucho más tiempo y esfuerzo para determinar.

En las bases de datos de gráficos, los puntos de datos pueden conectarse a varios puntos de datos al mismo tiempo. En las bases de datos relacionales, los puntos de datos solo pueden conectar un punto de datos a la vez. Por lo tanto, las bases de datos gráficas son más capaces de descubrir redes de conexión completas.

Por ejemplo, las redes sociales como Facebook y LinkedIn usan bases de datos de gráficos para encontrar conexiones entre personas. Otro caso de uso, por supuesto, es la detección de delitos financieros.

El análisis de gráficos puede revelar relaciones complejas entre puntos de datos, lo que ayuda a las organizaciones a combatir los delitos financieros.
Dada la forma en que se revelan las complejas relaciones entre los puntos de datos, el análisis de gráficos puede ser una herramienta poderosa en la lucha contra los delitos financieros.

«Se trata de desempeñar un papel significativo en la sociedad para prevenir el financiamiento del terrorismo y evitar que los delincuentes ganen dinero a través de actividades como las drogas y el tráfico de personas», dijo Adams.

Además del papel social que pueden desempeñar en la lucha contra los delitos financieros, las organizaciones tienen la responsabilidad legal de luchar contra los delitos financieros para demostrar el cumplimiento y la gestión de riesgos.

Por ejemplo, las instituciones de servicios financieros deben presentar informes a agencias gubernamentales como el FBI en los EE. UU. Y la Agencia Nacional contra el Crimen en el Reino Unido cuando descubren un posible lavado de dinero, financiamiento del terrorismo u otros delitos financieros.

Los datos son importantes para esta lucha.

Y así como los datos deben limpiarse y prepararse antes de que puedan usarse para informar sobre decisiones estratégicas, deben ser accesibles para descubrir actividades delictivas. Adams dijo que la inteligencia y las capacidades avanzadas de aprendizaje automático permiten a las organizaciones usar datos para buscar automáticamente signos de fraude, lavado de dinero, financiamiento del terrorismo, violaciones de sanciones y otros delitos financieros.

Mientras tanto, Graph Analytics es la mejor manera de comprender todo tipo de cosas sobre los clientes que pueden estar involucrados en actividades delictivas, continuó.

Se trata de desempeñar un papel importante en la sociedad para prevenir el financiamiento del terrorismo y evitar que los delincuentes obtengan ganancias de actividades como las drogas y la trata de personas.

Heather AdamsDirector General, Resiliencia y Confianza en el Riesgo, Accenture

«Las tecnologías gráficas pueden combinar estos datos de manera realmente efectiva en las fuentes de datos internas y externas e identificar las relaciones entre las partes», dijo Adams. «De esa manera, puede ver el riesgo asociado con estas relaciones en lugar de solo mirar los datos que pertenecen solo a la parte actual».

El procesamiento del lenguaje natural es una de las funciones de inteligencia artificial que las empresas pueden utilizar para descubrir delitos financieros. Con datos no estructurados, NLP puede extraer información de informes y documentos de los medios y encontrar enlaces basados ​​en palabras clave y frases.

El aprendizaje automático permite a las organizaciones clasificar de manera eficiente los datos no estructurados para producir resultados significativos que luego pueden evaluarse en función de su riesgo potencial y tomar decisiones sobre si merecen una investigación.

«Podemos utilizar la analítica para examinar los factores de riesgo dentro de una red de relaciones y transacciones entre personas y empresas», dijo Adams. «Aquí miramos la vista de red y podemos usar la tecnología de gráficos para comprender mejor las conexiones».

Además de buscar datos en busca de actividad sospechosa, las organizaciones pueden utilizar la inteligencia artificial y el aprendizaje automático para establecer patrones de comportamiento normal con los que se pueda comparar la actividad delictiva potencial, e incluso comparar el comportamiento actual con el comportamiento pasado de una persona u organización en particular.

Según Adams, esto puede ayudar a eliminar los falsos positivos y permitir que las empresas se involucren en actividades realmente sospechosas. Las instituciones financieras, en particular, tienen que lidiar con los falsos positivos, transacciones realmente sospechosas difíciles de identificar.

«Herramientas como el análisis de gráficos pueden ser muy útiles para visualizar las conexiones entre diferentes partes, jerarquías complejas y diferentes estructuras de propiedad, y la presencia y movimiento de actividades comerciales en diferentes regiones», dijo Adams. «Si expande esto a una vista de red donde se examinan las conexiones, realmente puede ayudar a una persona a manejar un caso».

Y posiblemente detener la actividad delictiva antes de que se produzca un daño real.

«Cada paso hacia adelante para identificar mejor dónde los estafadores se aprovechan de los clientes o dónde los delincuentes abusan de su negocio es un gran paso adelante y un paso que puede beneficiar a la sociedad en su conjunto», dijo Adams. «Los datos y el análisis pueden ser absolutamente parte de ese viaje y herramientas realmente importantes».

También te gustará