{"id":2457,"date":"2024-05-22T16:36:05","date_gmt":"2024-05-22T15:36:05","guid":{"rendered":"https:\/\/evendords.com\/?p=2457"},"modified":"2024-05-22T16:44:39","modified_gmt":"2024-05-22T15:44:39","slug":"gest-automat-aprend-continuo","status":"publish","type":"post","link":"https:\/\/evendords.com\/index.php\/2024\/05\/22\/gest-automat-aprend-continuo\/","title":{"rendered":"Gesti\u00f3n, Automatizaci\u00f3n y Aprendizaje continuo, en la lucha contra el fraude."},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

Luchar contra el fraude no es obviamente denegar operaciones o bloquear accesos de forma indiscriminada, sin embargo, se relaciona con un deterioro de las ventas; en alguna medida, este mensaje se ha ido estableciendo a lo largo del tiempo en \u00e1reas de desarrollo de negocio, y el comercio digital ha equiparado en muchos casos la protecci\u00f3n con una disminuci\u00f3n en la conversi\u00f3n. Diferentes aproximaciones para combatir el fraude han contribuido lamentablemente a que esta concepci\u00f3n de bloqueo del crecimiento se asociara como un efecto indeseado de la protecci\u00f3n, originado por procedimientos en los que la identificaci\u00f3n de los hechos ileg\u00edtimos carece de la especificidad necesaria para evitar da\u00f1os colaterales.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

Los filtros o reglas m\u00e1s o menos gen\u00e9ricas, activadas en algunos casos durante ataques puntuales, pero que m\u00e1s tarde se mantienen en el tiempo a pesar de haber cesado o cambiado el tipo de ataque y que por tanto solo contribuyen a la elevaci\u00f3n de los falsos positivos y la fricci\u00f3n en la operativa del cliente, son un buen ejemplo. A estas reglas se suman aquellas elaboradas con pocos datos, con un an\u00e1lisis por tanto insuficiente, careciendo de las garant\u00edas de especificidad, sin un entorno apropiado de prueba (sandbox), de nuevo contribuyendo \u00fanicamente a una mayor fricci\u00f3n.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

<\/p>

La gesti\u00f3n de estos filtros se convierte en muchas ocasiones en un bosque de elementos de dif\u00edcil tratamiento. Es m\u00e1s habitual de lo que debiera, las situaciones en las que un alto porcentaje de filtros est\u00e1n en desuso, se ignora su aplicabilidad o no se aplicaron los procesos de gesti\u00f3n y limpieza cuando dejaron de ser efectivos. La incorporaci\u00f3n de procesos de an\u00e1lisis, monitorizaci\u00f3n y reporting, proporcionan indudable valor en la lucha contra el fraude.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
\u00a9Sift Science<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

En algunas soluciones se ha desarrollado una detecci\u00f3n precisa, pero con una gesti\u00f3n poco din\u00e1mica, con lo que su aplicaci\u00f3n a un escenario tan cambiante como el fraude, se vuelve ineficiente. Por otra parte, nos encontramos con entornos en los que el an\u00e1lisis de la informaci\u00f3n relacionada con el fraude no es sistem\u00e1tico, no est\u00e1 automatizado, sin evoluci\u00f3n, conduciendo a una degradaci\u00f3n continua de su efectividad.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

En los casos en que la gesti\u00f3n y detecci\u00f3n de situaciones an\u00f3malas se sustenta sobre sistemas inteligentes, se olvida a menudo un elemento clave como es la continuidad en el aprendizaje, automatizado y sistem\u00e1tico. No se trata solo de poseer una infraestructura de \u2018Data Science\u2019, sino de sistematizar la evoluci\u00f3n de los modelos de an\u00e1lisis y detecci\u00f3n del fraude. Los an\u00e1lisis din\u00e1micos de la informaci\u00f3n, asentados sobre grandes vol\u00famenes de datos, es crucial.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
\u00a9Sift Science<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

Y finalmente, en este an\u00e1lisis de componentes destacables, cuando una buena parte de los elementos necesarios para combatir el fraude han sido activados, con una gesti\u00f3n din\u00e1mica, una adecuada especificidad y monitorizaci\u00f3n sistem\u00e1tica, encontramos entornos en los que la respuesta no es autom\u00e1tica ni por tanto inmediata, de modo que todo el esfuerzo en identificar situaciones sospechosas, o bien no se materializa en una acci\u00f3n concreta, o bien es compleja y costosa la elaboraci\u00f3n de la respuesta y las acciones asociadas. Las plataformas que proporcionan este tipo de facilidades aportan una funcionalidad clave.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t
\u00a9Sift Science<\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

<\/p>

En resumen, podemos establecer varios elementos como fundamentales en una plataforma de lucha contra el fraude, directamente relacionadas con el crecimiento de nuestro negocio digital:<\/strong><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t