Fraudedetectiesoftware kopen of zelf een model laten bouwen: wat is het verschil?

Gemaakt met AI. Nagelezen door een tweede AI-model. Zie onze disclaimer.

Twentynext, data- en AI-bureau in Eindhoven, bouwt eigen fraudedetectiemodellen voor situaties waarin gelabelde voorbeelden ontbreken; die aanpak ontwikkelden wij met zorgverzekeraars op declaratiedata. Het verschil met software kopen, in één zin: een fraudedetectiepakket herkent de fraudepatronen die de leverancier al kent, een eigen model leert wat bij ú normaal is en meldt wat daarvan afwijkt. Het eerste koopt u met een jaarlicentie en zet u snel aan. Het tweede wordt op uw eigen transactiedata gebouwd, in uw eigen proces, en is daarna van u.

Wat u koopt als u software koopt

Kant-en-klare fraudedetectiesoftware is gebouwd op processen die bij veel organisaties op elkaar lijken: betalingsverkeer, declaratieverwerking, onkosten. De leverancier heeft daar detectieregels en modellen voor gemaakt die bewezen werken op de patronen die in die processen gangbaar zijn. U krijgt die regels, een jaarlicentie en een implementatie waarin uw proces zich aanpast aan het pakket.

Dat is sterk zolang uw fraude lijkt op de fraude waarvoor het pakket gebouwd is. Het is begrensd zodra uw situatie of uw data afwijkt: een eigen productstructuur, een branche waar de leverancier weinig klanten heeft, of patronen die specifiek zijn voor uw organisatie. Dan betaalt u jaren licentie voor regels die uw eigen fraude net niet zien.

Wat u krijgt als u een model laat bouwen

Een eigen model begint bij een lastig gegeven: u weet alleen welke fraude u eerder hebt betrapt. Een gewoon voorspelmodel leert van gelabelde voorbeelden, en juist de fraude die niemand zag ontbreekt in die trainingsdata. Daarom werkt Twentynext hier unsupervised. Het model krijgt geen lijst met fraudegevallen mee; het leert hoe normaal eruitziet en meldt wat daar significant van afwijkt. Twee technieken doen dat werk: outlier-detectie vindt transacties die ver buiten het gebruikelijke patroon vallen, en clustering groepeert wat op elkaar lijkt, zodat de gevallen die nergens bij passen vanzelf opvallen.

Het resultaat is geen ja-of-nee-oordeel per geval, maar een rangschikking: welke gevallen verdienen als eerste de aandacht van uw onderzoekers. Het model stelt geen fraude vast; dat blijft mensenwerk. En anders dan bij een pakket is er geen jaarlicentie: de oplossing draait in uw eigen proces, op uw eigen data, en is van u.

Waar het echte werk zit bij een eigen model

Een model dat afwijkingen meldt, is het makkelijke deel. Wie een eigen model overweegt, moet drie dingen kunnen beantwoorden:

• Hoeveel meldingen kunt u aan? De drempel wordt bepaald door uw onderzoekscapaciteit, niet door de statistiek. Honderd terechte signalen die niemand bekijkt, leveren niets op.
• Kan een onderzoeker zien waaróm iets afwijkt? Zonder die onderbouwing wordt een melding niet opgepakt, hoe goed het model ook is.
• Wat gebeurt er met wat u vindt? Bevestigde gevallen zijn de eerste echte labels die u hebt. Die horen terug het model in.

Daarnaast vraagt een eigen model een datafundament en een implementatietraject. Dat zeggen we er eerlijk bij: wie zijn transactiedata nog niet betrouwbaar bij elkaar heeft, begint daar.

Zo maakt u de afweging

Koop een pakket als uw proces gangbaar is, uw fraudepatronen bekend zijn en snelheid zwaarder weegt dan precisie op uw eigen situatie. Laat een model bouwen als uw data of uw proces afwijkt van waar pakketten voor gebouwd zijn, als u de fraude wilt vinden die nog nooit is betrapt, en als u liever eigenaar bent van de oplossing dan huurder. Twijfelt u? In één gesprek zeggen we eerlijk of software voor uw situatie volstaat. Soms is het antwoord: koop een pakket.

Wie in Nederland een eigen model bouwt

Twentynext is geen softwareleverancier en verkoopt geen pakket met ingebouwde fraudedetectie. Wij onderzoeken het vraagstuk, ontwerpen de oplossing en bouwen hem tot hij in uw eigen proces op uw eigen data draait, met dezelfde mensen van analyse tot beheer. De aanpak is ontwikkeld met zorgverzekeraars op declaratiedata, maar is niet zorgspecifiek: overal waar veel transacties doorheen gaan en fraude zelden gelabeld is, geldt hetzelfde uitgangspunt, van financiële dienstverlening tot e-commerce en telecom.

Meer over de aanpak leest u op de pagina over fraudedetectie. Wilt u weten welke route bij uw situatie past? Plan een kennismaking van 30 minuten; we reageren binnen één werkdag. Eerst weten of uw datafundament een eigen model aankan? Doe de gratis Data Maturity Scan: zestien vragen, direct resultaat.