Finanzkriminalität

Manipulationsschutz.

Leistungsstarke Big Data-Infrastrukturen können Unternehmen dabei helfen, ihre Organisation vor Finanzbetrug und Marktmanipulationen zu bewahren. Eine Tagung in Oslo zeigte wegweisende Best Practices.

Oslo, Ende Juni. Zwei Tage lang war die Stadt mit ihren atemberaubenden Anblicken, majestätischen Schiffen und Friedensvordenkern die Gastgeberin eines Kongresses aus dem «Data Warehouse & Big Data Global Leaders Program», den die Entwicklungsabteilung des Softwareanbieters Oracle zweimal im Jahr im EMEA-Raum veranstaltet. In Oslo gaben mehrere Dutzend Experten aus verschiedenen Branchen und Ländern wertvolle Einblicke.

Viele der vorgestellten Best Practices beschäftigten sich mit Methoden gegen Finanzbetrug und Marktmanipulationen. Weil die kriminellen Angreifer ihre Methoden ständig verändern, müssen die Schutzmaßnahmen immer wieder überdacht und neu organisiert werden.

Dank der Big Data-Technik lassen sich nunmehr Systeme und Prozesse implementieren, die einen unternehmensweiten Schutz vor Betrug in Echtzeit ermöglichen. Die Unternehmen minimieren so mögliche finanzielle Verluste, stärken das Vertrauen ihrer Kunden und reduzieren ihr Imagerisiko (Reputational Risk).

 
Garanti Bank: Lernende Intelligenz.
Eine eindrucksvolle Best Practice präsentierte die Garanti Bank, das zweitgrößte Finanzinstitut der Türkei. Sie verfügt über ein spezifisches System, das vor Finanzbetrug schützt und das Risikomanagement unterstützt. Die Garanti Bank setzt analytische Modelle ein, um potentielle Angriffe frühzeitig zu entdecken – auch auf mehreren Konten eines einzelnen Kunden. Wenn das System eine riskante Transaktion erkennt, kann sie diese zeitweise blockieren und den Kunden sofort informieren.

Jetzt wird das System mit Big Data-Technologie noch verstärkt: Lernende Maschinenintelligenz sollen Angriffsmuster modellieren und Echtzeitmaßnahmen veranlassen, sobald sich Attacken abzeichnen. Zwei Big Data-Projekte bilden derzeit die Säulen: Über die Internetseite Sikayetvar.com werden Kundenbeschwerden zu E-Commerce-Partnerunternehmen gesammelt. So deuteten zum Beispiel einige Daten über einen Computerverkäufer früh dessen Probleme hin – zwei Monate später ging das Unternehmen pleite. Für die Garanti Bank kam das nicht überraschend, weil sie über das Frühwarnungssystem auf dem Laufenden war.

Im zweiten Projekt werden die Daten der fast 5'000 Geldautomaten (ATM) in der Türkei ausgewertet. Sämtliche Betriebsdaten gelangen direkt in das Data Warehouse des Geldinstituts und können vom Risikomanagement genutzt werden. Mithilfe der Lösung Oracle Event Processing (OEP) wird zum Beispiel entdeckt, wenn eine Debitkarte in einer bestimmten Region und in kurzer Zeit  mehrfach falsch benutzt wurde. Dann wird sofort das Risikomanagement alarmiert.  
 
Caixa Bank: Agiles Reporting.
Bei der Caixa Bank ist eine spezielle Division «Control and Alerts» oben in der Unternehmenshierarchie angesiedelt. Das Finanzinstitut mit Sitz in Barcelona verfügt über die größte Kundenbasis in Spanien und das landesweit am weitesten verzweigte Netzwerk mit mehr als 5'000 Filialen und rund 9'500 Geldautomaten.

Drei organisatorische Maßnahmen sollen innerhalb der Bank den konsistenten Umgang mit Big Data gewährleisten:

  • erstens einen Datenpool als zentrales Information Repository für Big Data,
  • zweitens ein einheitliches unternehmensweites Datenmodell und ein Data Governance-Komitee,
  • drittens die Entwicklung analytischer Geschäftsanwendungen.    

Das strategische Ziel lautet: Es soll nur eine einzige, einheitliche Informationsquelle im Unternehmen geben. Der sich daraus ergebende klare Überblick soll helfen, den Umsatz zu steigern, die interne Organisation durchgehend unter Kontrolle zu haben und die Position bezüglich der staatlichen Bankenregulierung und der Data Governance zu stärken.
 Die Implementierung von Big Data ist bei der Caixa Bank ein Schlüsselfaktor, um die Systeme zur Betrugsentdeckung zu verbessern und mehr Agilität und Genauigkeit ins regulierte Reporting zu bringen. Das Projekt ist in fünf Arbeitsbereiche gegliedert: reguliertes Reporting, Entdeckung von Anomalien, Portfolio-Monitoring, ein allgemeines Aufsichtssystem und ein kontinuierliches Audit.

Die technischen Tools wurden systematisch ausgewählt: einerseits passend zu den verschiedenen Arten der Geschäftsanalyse, andererseits den Nutzerfähigkeiten entsprechend. Veraltete Lösungen wie etwa von Microstrategy und SAS wurden durch leistungsfähigere Tools wie R oder Oracle Business Intelligence ersetzt.

Zu den innovativen Projekten zählt zum Beispiel das Text Mining bei den Kommentaren von Verkäufern und bei Gesprächen zwischen Beratern und Kunden. Damit werden die Kundendaten angereichert. Das Surfen der Kunden auf der Internetseite wird tiefgehend geclustert.

 
FIFA: Gegen illegale Sportwetten.
Auch Unternehmen außerhalb des Bankensektors suchen nach einem besseren Schutz vor Finanzbetrug und Marktmanipulation. Dazu zählt der Weltfußballverband FIFA. Dieser hat ein spezielles Frühwarnsystem EWS (Early Warning System) installiert, um die Integrität des Fußballs vor illegalen Sportwetten und anderen Straftaten zu schützen. Das EWS überwacht alle Wettbewerbe, Qualifikationsspiele und andere FIFA-Aktivitäten.

Dadurch sollen die Risiken von Wettbewerben, Mannschaften oder einzelnen Spielern erkannt werden. Auch will FIFA verdächtige Spiele ausfindig machen und diese sofort melden. Generell soll das Bewusstsein über Sportwetten und Spielmanipulationen geweckt werden. Das EWS basiert auf drei Hauptsäulen:

  • Die erste ist das technische Überwachungssystem, das die einzelnen Wetteinsätze, inklusive der Preise und aller Aktivitäten der wichtigsten Sportwettenplattformen, weltweit sammelt und strukturiert. Analysten prüfen auffällige Veränderungen vor und während der Spiele, um ungewöhnliche oder irreguläre Wettmuster herauszufiltern. Im Fall von Regelverstößen schalten die Analysten eine detailliertere Spielanalyse hinzu, die zum Beispiel Fernsehkommentare und Sportdaten umfasst.
  • Zweitens kooperiert die FIFA mit Sportwettbüros in aller Welt, um Informationen über irreguläre Wettaktivitäten auszutauschen.
  • Drittens gibt es einen Kommunikationsprozess mit wichtigen Stakeholdern, der sämtliche Vorfälle über eine sichere Internet-Plattform weitergibt. Diese Arbeit basiert auf einem breiten Netzwerk von Kontakten im Sportwettenmarkt, etwa mit Service- und Datenlieferanten, anderen Überwachungsinstitutionen und Wettprofis.

Technisch beruht das EWS auf dem Oracle Exadata-System, das alle internen und externen Daten innerhalb von Sekunden integriert und die analytischen Reports an die Management-Dashboards schickt. Falls das EWS verdächtige Aktivitäten entdeckt, schlägt es sofort bei der zuständigen Institution Alarm und sendet 48 Stunden später den vollständigen Report.

Aber das Wettgeschäft wird immer schneller und komplexer. So ist es schwieriger, ungewöhnliche Wettmuster aufzuspüren, weil mittlerweile 80 Prozent aller Einsätze nicht mehr vor, sondern während der Spiele abgegeben werden. Die Analysen müssen komplexer werden und benötigen mehr Computerleistung.  Dafür wird das EWS bis 2017 um Big Data erweitert. Das neue System beruht auf Tools wie Oracle In-Memory und R.  

Die Big Data-Strategie der FIFA beinhaltet die Integration sehr unterschiedlicher, roher und unstrukturierten Daten aus vielen Quellen. Die Analysen umfassen die Fakten wie etwa Live-Daten (Tore, Elfmeter, Gelbe und Rote Karten), detaillierte Leistungsdaten der Spieler und Teams (Pässe, Laufwege, gewonnene Zweikämpfe, Fouls), historische Daten der Mannschaften, Schiedsrichter oder Spiele und die korrespondierenden Wettinformationen wie etwa die erwartete Höhe der Einsätze.

Bereits im kommenden Jahr sollen unstrukturierte Daten, Videoanalysen und Social Media-Daten etwa von Facebook, Twitter oder YouTube integriert werden

 

Oracle Data Warehouse- oder Big Data-Kunden, die an einem der nächsten Global Leaders Meeting teilnehmen möchten, wenden sich bitte an den Programmleiter Reiner Zimmermann, Senior Director, DW & Big Data Product Management: reiner.zimmermann@oracle.com.

 


Quelle: BUSINESS INTELLIGENCE MAGAZINE, www.bi-magazine.net
© ProfilePublishing Germany GmbH 2016. Alle Rechte vorbehalten.
Vervielfältigung nur mit Genehmigung der ProfilePublishing Germany GmbH

Business Intelligence Magazine: Springe zum Start der Seite