PSCU: Elastic reduz o risco ao bloquear milhões de dólares em fraudes em cooperativas de crédito

Por anos, o Escritório de Riscos Empresariais da organização estava operando em uma plataforma herdada do Jade Database. Essa arquitetura restringia a PSCU, que podia apenas ingerir logs de algumas poucas fontes de dados selecionadas para fins de detectar ameaças internas, como roubo de fundos por funcionários da PSCU, equipe de fornecedor parceiro e funcionários de cooperativas de crédito. Para dizer o mínimo, era difícil entender os dados armazenados nas planilhas de Excel e visualizar em Power BI. E, com o tempo, os bancos de dados cresceram e ingerir dados se tornou ainda mais desafiador, pois levava um dia para carregar os dados do dia anterior.

Uma ingestão de 24 horas de atraso é longa demais, especialmente quando o assunto é descobrir fraudes financeiras. Então, um dos terceirizados da organização sugeriu que a PSCU migrasse um desses logs para a Elasticsearch, pois ele é adequado para qualquer quantidade ou tipo de dado. Seguindo esse conselho, a PSCU passou para o Elastic Stack em 2018 e começou a adicionar mais e mais fontes de dados, como logins online de membros, endereços de IP e residenciais e o histórico de chamadas da central de contatos, por exemplo, para monitorar e visualizar melhor os logs e combater a fraude financeira.

Após dias de implantação da Elastic, a PSCU bloqueou US$ 35.000 em atividades fraudulentas. Agora, a PSCU impediu US$ 35 milhões em fraudes em apenas 18 meses depois da implantação do sistema “Linked Analysis”, que usa recursos da Elastic.

Após a transição para a Elastic, Jonathon Robinson, gerente de Inteligência contra Fraudes da PSCU, descobriu que o Elasticsearch poderia lidar com quantas fontes de dados a PSCU disponibilizasse, e com facilidade. Então, ele expandiu o caso de uso da Elastic na solução de detecção de fraudes interna original e adicionou mais logs a partir de um número crescente de fontes de dados relacionados a finanças, com o objetivo de prevenir fraudes externas em suas 1.500 cooperativas de crédito membros nos Estados Unidos.

Com um maior número de fontes de dados, uma prevenção de fraudes nova e de primeira camada foi criada, impedindo fraudes financeiras antes de elas ocorrerem. Anteriormente, a PSCU não tinha ciência das atividades fraudulentas até que elas tivessem ocorrido ou quando estavam ocorrendo. “Graças à Elastic, agora podemos ver as fraudes antes delas serem cometidas e podemos impedi-las”, disse Robinson.

Posteriormente, a jornada da Elastic na PSCU evoluiria. Uma vez que a PSCU já tinha os dados no sistema, foi uma progressão natural para a empresa fornecer insights operacionais para suas operações de central de contato. Além disso, a Elastic abriu caminho para um novo protocolo de gerenciamento de emergência da PSCU, que envolve o Kibana e Elastic Maps para alertar as cooperativas de credito sobre desastres naturais pendentes. Durante eventos como furacões ou incêndios, eles poderiam ajustar seu suporte localizado ao cliente de acordo, para garantir que os membros consigam acessar seu dinheiro e crédito.

O tempo todo, a PSCU manteve-se comprometida com a busca original de detecção, prevenção e mitigação de fraudes. Até o momento, essa missão contínua economizou aos proprietários de cooperativas de crédito dezenas de milhões de dólares.

Robinson explica como o Linked Analysis trouxe à tona um recente esquema de fraude de cartão de crédito que, inicialmente parecia envolver dois cartões de uma cooperativa de crédito. Robinson percebeu quando uma tarefa de machine learning relatou anomalias.

Neste caso em específico, ao verificar o alerta, a equipe de Robinson usou os recursos gráficos do Elastic e encontrou mais 35 cartões adicionais vinculados a números telefônicos e fusões ao endereço de cobrança original nos arquivos desses dois cartões. A equipe percebeu que várias cooperativas de crédito, não apenas a original de onde o alerta surgiu, estavam sendo enganadas pelo mesmo esquema fraudulento. Então, a equipe da PSCU conseguiu rapidamente notificar as cooperativas de crédito afetadas, desativar os cartões, impedir que qualquer um deles fossem usados para compras e também poupou os membros finais de frustração e da inconveniência de substituir um cartão de crédito comprometido.

Como resultado, a combinação de endereços, telefones, nomes e outras informações de identificação foram colocados em uma lista negra e a PSCU estaria alerta para qualquer atividade futura deste esquema de fraudes, não importando onde ocorresse na rede de cooperativas de crédito.

“A informação que a Elastic nos forneceu foi usada instantaneamente para proteger as cooperativas de crédito fortemente impactadas. Mas, com a lista negra que definimos, também protegemos a caminhada de qualquer cooperativa de crédito que atendemos”, conta Robinson. “Sem poder correlacionar esses dados entre as cooperativas, nunca teríamos conseguido ver os padrões, apesar de estarmos lutando contra os mesmos atores fraudulentos em diversas frentes.”

“Há uma certa satisfação”, continua Robinson, “na descoberta de fraudes. Isso porque os criminosos ainda tentam usar os cartões de crédito após a PSCU tê-los colocado na lista negra”.

Para a equipe de Inteligência contra Fraudes, o machine learning está tornando possível atender às necessidades de 1.500 cooperativas de crédito. O machine learning e os alertas fornecem à equipe insights instantâneos que, caso contrário, não estariam imediatamente disponíveis ao avaliar manualmente os relatórios.

Quando o assunto é prevenção de fraudes, as tarefas de machine learning na PSCU monitoram a atividade antes de o cartão de crédito ser passado em um terminal. Foi assim que a PSCU derrubou o esquema fraudulento. As atividades da PSCU estão monitorando uma combinação de chamadas de centros de dados, atividades online e “um monte de fontes de dados diferentes que nos dão pistas do que está acontecendo com o cartão”, disse Robinson.

Por exemplo, se um cliente normalmente acessa do seu computador residencial, o machine learning ajuda a PSCU a identificar tentativas de login anômalas ou descobrir endereços de e-mail, telefones, endereços IP, números de Seguro Social e endereços residenciais físicos similares sendo usados para abrir ou acessar contas em diferentes cooperativas de crédito. Com o machine learning e alertas, quando um cliente parece desfiar do seu comportamento normal, a equipe é notificada e pode tomar medidas para contatar o membro individual e, se necessário, bloquear um cartão ou conta para impedir fraudes.

Além disso, com os recursos de gráficos disponíveis no Kibana, Robinson e a PSCU agora podem impedir a fraude ao visualizar e explorar as conexões e relações nos dados de forma rápida, o que não seria possível em uma planilha ou qualquer outra parte da sua solução antiga.

Cerca de seis departamentos têm acesso a diferentes conjuntos de dados que são visualizados no Kibana. Alguns dos dados podem ser essenciais para um grupo, mas não para outro. Com o Kibana Spaces e o controle de acesso por função fornecidos pelos recursos de segurança do Elastic Stack, os membros da equipe podem atribuir acesso a certas visualizações e ser bloqueados de outras não relacionadas ao seu trabalho. É um recurso crucial, importante dentro do setor altamente regulado a qual a PSCU se encontra.

“Então se alguém da central de contato estiver acessando, não quero que vejam a aba de monitoramento ou qualquer outra coisa. Só quero que vejam o que têm permissão para acessar e o que é relevante para eles, e consigo fazer isso com o Spaces.”

O Spaces, Robinson acrescenta, também mantém os dados “limpos e organizados, o que é importante para a liderança.”

Às vezes, porém, as coisas ficam bagunçadas. A natureza, por exemplo, pode causar tanto ou mais caos financeiro quanto fraudes de cooperativas de crédito. A PSCU não pode prevenir furacões, incêndios ou outras catástrofes ambientais. Mas, com a Elastic, ela pode garantir que as cooperativas de crédito membros no caminho da destruição tenham acesso ao seu dinheiro.

Quando teve-se a projeção de que o furacão Dorian atingiria a costa leste da Flórida no fim do verão de 2019, Robinson aproveitou o Elastic Maps e incluiu a camada de clima da Administração Atmosférica e Oceânica Nacional dos Estados Unidos (NOAA) como adicional aos dados de endereço residencial dos membros que estavam no caminho do furacão. Os resultados forneceram uma visualização das cooperativas de crédito as quais os titulares de cartão poderiam ser impactados. Com essa informação, a cooperativas poderiam ajustar suas medidas de prevenção à fraude e não bloquear automaticamente compras que poderiam parecer diferentes da atividade normal do usuário, como uma compra repentina de geradores caros, madeira ou um número enorme de mercadorias enlatadas.

Essa prática de gerenciamento de emergência agora se tornou norma antes ou durante desastres, incluindo os recentes incêndios na Califórnia.

Além disso, por as cooperativas de crédito no caminho da destruição provavelmente estarem fechadas, esse tipo de preparação permitiu que a PSCU assumisse as operações de central de contatos para as cooperativas afetadas para lidar com o dilúvio de chamadas.

A PSCU está usando a Elastic no contexto da central de contato para mais do que emergências, mas para casos de usos que incluem análises de dados empresariais e gerenciamento operacional.

A Central de Contato lida com ligações telefônicas em nome de centenas de cooperativas e crédito, o que exige incrível coordenação de recursos e monitoramento de eventos em todas as instituições financeiras. Seu uso de machine learning em tempo real permite identificar as questões enterradas em um mar de dados antes que se tornem de fato um problema.

Por exemplo, logs operacionais visualizados com o Kibana deram aos gerentes de cooperativas de crédito uma noção em tempo real do motivo de receberem tantas chamadas em suas centrais de contato de uma só vez. As visualizações do Kibana podem exibir se há um problema interno, uma promoção ou assunto comercial que possa estar causando uma sobrecarga de chamadas.

Com esses dados, as operações de equipe da central de contato podem ser ajustadas conforme necessário, até mesmo antes da sobrecarga de chamadas. Isso dá aos gerentes em cada cooperativa de crédito a capacidade de visualizar insights operacionais no Kibana sem ter que ligar para a PSCU para descobrir o que está acontecendo em uma central de contato.

Em suma, a vantagem competitiva da observabilidade através do Elastic dá à PSCU insights que nunca antes teriam ou poderiam ser fornecidas às cooperativas de crédito.

“Com esses dashboards do Kibana, mostramos aos gerentes de cooperativas de crédito a resposta em vez de mostrar o caminho para a resposta em planilhas do Excel”, diz Robinson. “Eles também não precisam ter qualquer tipo de conhecimento tecnológico”.

Há dezoito meses na jornada com a Elastic, Robinson diz que tem sido um retorno de investimento e incríveis 48.000%. Esse número inclui os milhões de dólares que a Elastic ajudou a economizar em fraudes de cooperativas de crédito e exclui o quanto a PSCU gastou com infraestrutura e a assinatura da Elastic ao longo do mesmo período.

Além disso, Robinson diz que seus chefes ficaram “animados” com o quanto de fraudes o Elastic Stack impediu: US$ 35 milhões, e esse número só vem aumentando.

“Qualquer camada adicional de proteção que podemos oferecer às nossas cooperativas de crédito é bem-vinda. Quando uma cooperativa precisa pagar por perdas em fraudes, os dividendos que vão para as cooperativas de crédito membros são menores”, inclui Robinson. “Com as ferramentas que estamos usando nos últimos 18 meses, as cooperativas de crédito agora estão economizando o dinheiro dos membros e investindo em novos serviços para eles.”

Além dos dólares e centavos economizados, a Elastic também ajudou a PSCU a aumentar a satisfação do cliente para as cooperativas de crédito membros.

“Quando ligamos para uma cooperativa de crédito membro, não dizemos ‘ei, alguém gastou US$ 1.000 no seu cartão de crédito’. Não é uma coisa legal. Em vez disso, ligamos e perguntamos se eles efetuaram login de um determinado local e informamos que nada foi roubado. No fim, o titular do cartão sabe que a cooperativa de crédito e a PSCU, por consequência, está de olho por eles”, acrescentou Robinson.

Quanto aos dados de prevenção de fraudes, Robinson diz que há aparentemente um suprimento infinito de fontes de dados a serem ingeridas na Elastic para alimentar este projeto. Com isso, a PSCU continuará o seu projeto de centralização de dados em tempo real com a Elastic, adicionando mais fontes de dados e modificando as fontes existentes.