VOORSPELLEN VAN FRAUDULEUZE SUBSIDIES VOOR ‘S WERELDS GROOTSTE NGO

CASESTUDY

EEN CASESTUDY OVER
DATA WETENSCHAP &
GEAVANCEERDE ANALYSE

’s Werelds grootste financier van aids-, tuberculose- en malariapreventie-, behandelings- en zorgprogramma’s wilde een systematische, op risico’s gebaseerde benadering ontwikkelen om proactief te anticiperen op en het risico van nieuwe en reeds verstrekte subsidies te identificeren met behulp van gegevens en analyses.

Het belangrijkste doel was om van de huidige reactieve onderzoeksmethode van het interne onderzoeksteam en klokkenluiders over te stappen naar een proactieve analyse.

EEN CASESTUDY OVER
DATA WETENSCHAP &
GEAVANCEERDE ANALYSE

’s Werelds grootste financier van aids-, tuberculose- en malariapreventie-, behandelings- en zorgprogramma’s wilde een systematische, op risico’s gebaseerde benadering ontwikkelen om proactief te anticiperen op en het risico van nieuwe en reeds verstrekte subsidies te identificeren met behulp van gegevens en analyses.

Het belangrijkste doel was om van de huidige reactieve onderzoeksmethode van het interne onderzoeksteam en klokkenluiders over te stappen naar een proactieve analyse.

De klant is de grootste non-profitorganisatie met een beweging om hiv, tuberculose en malaria te verslaan en te zorgen voor een gezondere, veiligere en rechtvaardigere toekomst voor iedereen.

De klant werft en investeert 4 miljard dollar per jaar om de dodelijkste infectieziekten te bestrijden, het onrecht aan te vechten dat ze aanwakkert, en de gezondheidssystemen te versterken in meer dan 100 van de zwaarst getroffen landen.

OVER KLANT

OVER KLANT

De klant is de grootste non-profitorganisatie met een beweging om hiv, tuberculose en malaria te verslaan en te zorgen voor een gezondere, veiligere en rechtvaardigere toekomst voor iedereen.
De klant werft en investeert 4 miljard dollar per jaar om de dodelijkste infectieziekten te bestrijden, het onrecht aan te vechten dat ze aanwakkert, en de gezondheidssystemen te versterken in meer dan 100 van de zwaarst getroffen landen.

PROBLEEMSTELLING

Onze klant ziet een grote verscheidenheid aan fraude en verdachte subsidies vinden altijd nieuwe mazen in de wet om de specifieke maatregelen te omzeilen die zij heeft genomen om dergelijke frauduleuze gevallen te bestrijden. De klant had moeite om fraudepatronen te vinden en te voorkomen.

Het aanpakken van deze verschillende soorten fraude was een eindeloos kat-en-muisspel. Onze klant maakte regels of machine learning-modellen voor elk specifiek type fraude. Maar dit was problematisch op verschillende niveaus

  • Het huidige systeem maakt het pas mogelijk om een subsidie te identificeren en te blokkeren nadat de fraude is gepleegd en ontdekt. Tegen die tijd is het geld al uitbetaald.

  • Fraudeurs konden snel ontdekken hoe onze klant fraude ontdekte en verder gaan en een nieuwe maas in de wet vinden om uit te buiten.

  • Gegevensproblemen als gevolg van gegevenssilo’s en gegevensoverbelasting leiden tot een onvolledig beeld van risico’s, waardoor patronen en gedragingen die nodig zijn voor voorspelling niet zichtbaar zijn.

  • Valse positieven vereisten kostbaar handmatig onderzoek, wat een negatieve invloed had op de ROI door verliesuitbetalingen en schade toebracht aan het publieke imago.

Om deze uitdagingen het hoofd te bieden, wilde de klant een datatransformatiebedrijf dat enorme databronnen bouwt, exploiteert en beheert met realtime geavanceerde data-analysemogelijkheden om op elk moment afwijkingen in subsidiegegevens te voorspellen om weloverwogen beslissingen te nemen.

ZAKELIJKE DOELSTELLINGEN

ZAKELIJKE DOELSTELLINGEN

De klant huurde Zuci Systems in om hen te helpen bij het ontwikkelen van een systematische, op risico’s gebaseerde aanpak om proactief te anticiperen op de risico’s van nieuwe en reeds verstrekte subsidies en deze te identificeren met behulp van datawetenschap en -analyse.

ONZE AANPAK

ONZE AANPAK

De klant huurde Zuci Systems in om hen te helpen bij het ontwikkelen van een systematische, op risico’s gebaseerde aanpak om proactief te anticiperen op de risico’s van nieuwe en reeds verstrekte subsidies en deze te identificeren met behulp van datawetenschap en -analyse.

CONCEPTUELE OPLOSSINGSARCHITECTUUR

Ons team begreep de vereisten, analyseerde meer dan 100 miljoen transacties uit meer dan 200 landen voor alle soorten subsidies en ontwikkelde een hypothese voor het voorspellen van frauduleuze aanvragen en subsidies. De hypothese werd getest met de bestaande subsidiegegevens, waarbij weging werd toegepast voor risico-indicatoren, op regels gebaseerde tests, geavanceerde analyses en statistische technieken (isolatiebos en classificatiemodellen) om proactieve onderzoeksmogelijkheden te identificeren.

Na twee maanden lang continu verbeteringen te hebben doorgevoerd, implementeerde Zuci het laatste prescriptieve datamodel om frauduleuze transacties te identificeren met een nauwkeurigheid van meer dan 87%.

Dankzij het uiteindelijke model kon onze klant snel en nauwkeurig reageren op zowel bekende als onbekende frauduleuze transacties, wat resulteerde in efficiëntere onderzoeken en een kostenbesparing van bijna 30%.

ONZE AANPAK

ONZE AANPAK

Ons team begreep de vereisten, analyseerde meer dan 100 miljoen transacties uit meer dan 200 landen voor alle soorten subsidies en ontwikkelde een hypothese voor het voorspellen van frauduleuze aanvragen en subsidies. De hypothese werd getest met de bestaande subsidiegegevens, waarbij weging werd toegepast voor risico-indicatoren, op regels gebaseerde tests, geavanceerde analyses en statistische technieken (isolatiebos en classificatiemodellen) om proactieve onderzoeksmogelijkheden te identificeren.

Na twee maanden lang continu verbeteringen te hebben doorgevoerd, implementeerde Zuci het laatste prescriptieve datamodel om frauduleuze transacties te identificeren met een nauwkeurigheid van meer dan 87%.

Dankzij het uiteindelijke model kon onze klant snel en nauwkeurig reageren op zowel bekende als onbekende frauduleuze transacties, wat resulteerde in efficiëntere onderzoeken en een kostenbesparing van bijna 30%.

ZAKELIJKE VOORDELEN

0%
Vermindering van frauduleuze subsidies
0%
Snellere gegevensverzameling en -verrijking
0%
Beveiliging en naleving
0%
Tijd en geld bespaard door kostbare handmatige onderzoeken

Realtime zichtbaarheid en
frauduleuze waarschuwingen

ZAKELIJKE VOORDELEN

0%
Vermindering van frauduleuze subsidies
0%
Snellere gegevensverzameling en -verrijking
0%
Beveiliging en naleving
0%
Tijd en geld bespaard door kostbare handmatige onderzoeken

Realtime zichtbaarheid en
frauduleuze waarschuwingen

TECH STACK

TECH STACK

BEREIK EEN NAUWKEURIGHEID VAN MEER DAN 90% IN FRAUDEVOORSPELLINGEN EN BLOKKEER ZE VOORDAT HET TE LAAT IS.