Score de Fraude
O Score de Fraude é uma solução que utiliza técnicas avançadas de machine learning combinadas ao uso de informações comportamentais, perfis de consumo, dados sociodemográficos e milhares de outras variáveis disponíveis em nosso DataLake proprietário.
O objetivo do Score de Fraude é apoiar a tomada de decisão em diferentes fluxos de negócio, identificando padrões que antecedem eventos fraudulentos e distinguindo-os de comportamentos legítimos.
Essas técnicas permitem analisar, validar e agrupar diferentes perfis de comportamento a partir dos dados enviados. Durante o processo de consulta, realizamos o enriquecimento das informações recebidas com variáveis do nosso DataLake.
QUANTO MENOR O SCORE, MAIOR O RISCO
Score de Fraude varia de 0 (zero) a 1000 (mil). Quanto mais próximo de 1.000, menor a probabilidade de a transação ou consulta estar associada a uma tentativa de fraude.
Por se tratar de um modelo estatístico, o Score de Fraude não determina de forma absoluta a ocorrência de fraude, mas indica a probabilidade de os dados estarem comprometidos.
A Serasa Experian disponibiliza modelos estatísticos específicos para diferentes casos de uso visando melhor aderência e performance. São eles:
Tipo Score | Finalidade | Dados |
|---|---|---|
Score Onboarding PF | Avaliar o risco de fraude de identidade em jornadas de abertura de contas e processos de cadastro de pessoa física. Aplicável em diversos segmentos de mercado. | Obrigatório: Recomendado: |
Score Onboarding PJ | Avaliar o risco de fraude de identidade em jornadas de abertura de contas e processos de cadastro de pessoa jurídica. Aplicável em diversos segmentos de mercado. | Obrigatório: Recomendado: |
Score Email | Avaliar o risco de o endereço eletrônico informado estar associado a uma transação fraudulenta, considerando seu histórico de uso, padrões de comportamento e contexto de utilização. | Obrigatório: Recomendado: |
Recomendamos fortemente o envio do máximo de dados para os Scores consultados para obter a melhor performance do produto.
Updated about 1 month ago