PRÉVOIR LES SUBVENTIONS FRAUDULEUSES POUR LA PLUS GRANDE ONG DU MONDE

ÉTUDE DE CAS

UNE ÉTUDE DE CAS SUR
SCIENCES DES DONNÉES &
ANALYSE AVANCÉE

Le plus grand bailleur de fonds au monde des programmes de prévention, de traitement et de soins du sida, de la tuberculose et du paludisme souhaitait développer une approche systématique basée sur les risques pour anticiper et identifier de manière proactive le risque des subventions nouvelles et déjà accordées à l’aide de données et d’analyses.

L’objectif principal était de passer du mode d’enquête réactif actuel de l’équipe d’enquête interne et des dénonciateurs à une analyse proactive.

UNE ÉTUDE DE CAS SUR
SCIENCES DES DONNÉES &
ANALYSE AVANCÉE

Le plus grand bailleur de fonds au monde des programmes de prévention, de traitement et de soins du sida, de la tuberculose et du paludisme souhaitait développer une approche systématique basée sur les risques pour anticiper et identifier de manière proactive le risque des subventions nouvelles et déjà accordées à l’aide de données et d’analyses.

L’objectif principal était de passer du mode d’enquête réactif actuel de l’équipe d’enquête interne et des dénonciateurs à une analyse proactive.

Le client est la plus grande organisation à but non lucratif avec un mouvement pour vaincre le VIH, la tuberculose et le paludisme et assurer un avenir plus sain, plus sûr et plus équitable pour tous.

Le client lève et investit 4 milliards de dollars américains par an pour lutter contre les maladies infectieuses les plus meurtrières, défier l’injustice qui les alimente et renforcer les systèmes de santé dans plus de 100 des pays les plus durement touchés.

À PROPOS DU CLIENT

À PROPOS DU CLIENT

Le client est la plus grande organisation à but non lucratif avec un mouvement pour vaincre le VIH, la tuberculose et le paludisme et assurer un avenir plus sain, plus sûr et plus équitable pour tous.
Le client lève et investit 4 milliards de dollars américains par an pour lutter contre les maladies infectieuses les plus meurtrières, défier l’injustice qui les alimente et renforcer les systèmes de santé dans plus de 100 des pays les plus durement touchés.

ÉNONCÉ DU PROBLÈME

Notre client voit une grande variété de fraudes, et les subventions suspectes trouvent toujours de nouvelles échappatoires pour contourner les mesures spécifiques qu’elle a mises en place pour lutter contre ces cas frauduleux. Le client avait du mal à trouver des schémas de fraude et à les prévenir.

S’attaquer à ces différents types de fraudes était un jeu du chat et de la souris sans fin. Notre client avait l’habitude de créer des règles ou des modèles d’apprentissage automatique pour chaque type spécifique de fraude. Mais cela était problématique à différents niveaux

  • Le système actuel ne permet d’identifier et de bloquer une subvention qu’après que la fraude a été commise et détectée. À ce moment-là, l’argent est déjà déboursé.

  • Les fraudeurs pourraient rapidement repérer comment notre client a détecté la fraude et passer à autre chose et trouver une nouvelle faille à exploiter.

  • Les problèmes de données dus aux silos de données et à la surcharge de données conduisent à une vue incomplète des expositions aux risques, empêchant la visibilité des modèles et des comportements nécessaires à la prédiction.

  • Les faux positifs nécessitaient des investigations manuelles coûteuses, impactant négativement le retour sur investissement via le paiement des pertes et nuisant à l’image publique.

Pour surmonter ces défis, le client voulait une entreprise de transformation des données qui crée, exploite et gère des sources de données massives avec des capacités d’analyse de données avancées en temps réel pour prédire les anomalies dans les données de subvention à tout moment afin de prendre des décisions éclairées.

OBJECTIFS D’AFFAIRES

OBJECTIFS D’AFFAIRES

Le client a engagé Zuci Systems pour l’aider à développer une approche systématique basée sur les risques afin d’anticiper et d’identifier de manière proactive le risque des subventions nouvelles et déjà accordées à l’aide de la science des données et de l’analyse.

NOTRE APPROCHE

NOTRE APPROCHE

Le client a engagé Zuci Systems pour l’aider à développer une approche systématique basée sur les risques afin d’anticiper et d’identifier de manière proactive le risque des subventions nouvelles et déjà accordées à l’aide de la science des données et de l’analyse.

ARCHITECTURE DE SOLUTION CONCEPTUELLE

Notre équipe a compris les exigences, a analysé plus de 100 millions de transactions dans plus de 200 pays pour tous les types de subventions et a développé une hypothèse pour prédire les demandes et les subventions frauduleuses. L’hypothèse a été testée avec les données de subvention existantes, en appliquant une pondération pour les indicateurs de risque, des tests basés sur des règles, des analyses avancées et des techniques statistiques (forêt d’isolement et modèles de classification) pour identifier les opportunités d’enquête proactives.

Après des améliorations continues pendant deux mois, Zuci a déployé le modèle de données prescriptif final pour identifier les transactions frauduleuses avec une précision de plus de 87 %.

Le modèle final a permis à notre client de répondre rapidement et avec précision aux transactions frauduleuses connues et inconnues, ce qui a entraîné des enquêtes plus efficaces tout en réduisant les coûts de près de 30 %.

NOTRE APPROCHE

NOTRE APPROCHE

Notre équipe a compris les exigences, a analysé plus de 100 millions de transactions dans plus de 200 pays pour tous les types de subventions et a développé une hypothèse pour prédire les demandes et les subventions frauduleuses. L’hypothèse a été testée avec les données de subvention existantes, en appliquant une pondération pour les indicateurs de risque, des tests basés sur des règles, des analyses avancées et des techniques statistiques (forêt d’isolement et modèles de classification) pour identifier les opportunités d’enquête proactives.

Après des améliorations continues pendant deux mois, Zuci a déployé le modèle de données prescriptif final pour identifier les transactions frauduleuses avec une précision de plus de 87 %.

Le modèle final a permis à notre client de répondre rapidement et avec précision aux transactions frauduleuses connues et inconnues, ce qui a entraîné des enquêtes plus efficaces tout en réduisant les coûts de près de 30 %.

AVANTAGES COMMERCIAUX

0%
Réduction des subventions frauduleuses
0%
Collecte et enrichissement plus rapides des données
0%
Sécurité et conformité
0%
Gain de temps et d’argent grâce à des investigations manuelles coûteuses

Visibilité en temps réel et
alertes frauduleuses

AVANTAGES COMMERCIAUX

0%
Réduction des subventions frauduleuses
0%
Collecte et enrichissement plus rapides des données
0%
Sécurité et conformité
0%
Gain de temps et d’argent grâce à des investigations manuelles coûteuses

Visibilité en temps réel et
alertes frauduleuses

PILE TECHNIQUE

PILE TECHNIQUE

ATTEIGNEZ PLUS DE 90 % DE PRÉCISION DANS LES PRÉDICTIONS DE FRAUDE ET BLOQUEZ-LES AVANT QU’IL NE SOIT TROP TARD.