.svg)
.svg)
.svg)
.svg)
.svg)
Betrugserkennung mithilfe von Mensch-Maschine-Intelligenz
Geschäftliche Herausforderung
Ein Finanzdienstleister wollte die Anzahl der falsch-negativen Ergebnisse reduzieren und die Genauigkeit bei der Betrugserkennung für Online-Transaktionen ohne physische Karte (CNP) verbessern, insbesondere im Bereich der Fluggesellschaften.
Umgesetzte Maßnahmen
· Entwicklung eines skalierbaren Ökosystems zur Betrugserkennung durch Mensch-Maschine-Kollaboration durch die Kombination automatisierter ML-Modelle mit menschlicher Überprüfung.
· Einsatz von Klassifikationsmodellen zur Identifizierung verdächtiger Transaktionsmuster.
· Integration der Modellergebnisse in die operativen Arbeitsabläufe der Betrugsprüfung.
Ergebnisse
· Höhere Genauigkeit bei der Betrugserkennung.
· Reduzierung falsch-negativer Ergebnisse bei der Betrugsidentifizierung.
· Senkung des manuellen Prüfaufwands um 20%.
· Gesteigerte Effizienz im Bereich der Handelsdienstleistungen und Betrugsbekämpfung.
Frage für das Kontaktformular: Sind Ihre Betrugsteams durch manuelle Prüfungen überlastet?
