Pag. 1 eidos consult BUSINESS PROCESS PERFORMANCE due aspetti di interesse...
-
Upload
tore-pellegrini -
Category
Documents
-
view
220 -
download
2
Transcript of Pag. 1 eidos consult BUSINESS PROCESS PERFORMANCE due aspetti di interesse...
pag. 1eidos consult
BUSINESS PROCESS PERFORMANCEdue aspetti di interesse
ECONOMIA AZIENDALE
Roma , 13 Dicembre 2007
pag. 2eidos consult
ARGOMENTI TRATTATI
1. LE FRODI NEL MONDO DELLE TELECOMUNICAZIONI (MA NON SOLO….)
2. GLI EVENTI ESTREMI
pag. 3eidos consult
LE FRODI E GLI EVENTI ESTREMI
SI TRATTA DI DUE FATTISPECIE:
1. AD ELEVATO IMPATTO ECONOMICO PER OGNI AZIENDA;
2. LE MODALITA DI APPROCCIO AL PROBLEMA E LE TECNICHE DI CONTROLLO DI PROCESSO PUR AVENDO UN COMUNE APPROCCIO CONCETTUALE E TEORICO, SI DIFFERENZIANO CASO PER CASO SIA PER LE SOLUZIONI ORGANIZZATIVE CHE PER QUELLE TECNOLOGICHE.
pag. 4eidos consult
INVENTA LEGE ,INVENTA FRAUDEovvero fatta la legge…trovato l’inganno
1. IL PROCESSO DI FRAUD MANAGEMENT È L’INSIEME DELLE ATTIVITẢ ,RISORSE E ORGANIZZAZIONE IN UNA AZIENDA DEPUTATO AL CONTENIMENTO DELLE FRODI
2. ALCUNE DOMANDE: CHI FRODA? QUALE È LA FINALITẢ DI UNA FRODE SI POSSONO EVITARE ; COME E IN CHE MISURA? È POSSIBILE METTERE E MANTENERE SOTTO
CONTROLLO L’INTERO PROCESSO?
pag. 5eidos consult
Fraud Management Story…..
We don’t have a fraud problem
Have we got a fraud problem?
We might have a fraud problem
Erm…..(We just had a BIGBIG fraud incident)
We investigate frauds as they occur
We learn from fraud incidents to help prevent them happening again
We manage our fraud problem through prevention, detection and analysis
pag. 6eidos consult
STIMA WORLDWIDE : 35-40 Miliardi $
• 47 % DEGLI OPERATORI DICHIARA FRODI IN CRESCITA
• LA FRODE DA SOTTOSCRIZIONE E’ ANCORA LA PIU’ FREQUENTE NEL FISSO
• NELLE FRODI TRAMITE PBX , L’USO DELLA VOICE MAIL E IL DIAL IN/OUT SONO I PIU’ FREQUENTI
• NEL MOBILE SMS MASSIVI, ROAMING, PREPAGATO
FRODI NELLE TELECOMUNICAZIONI
pag. 7eidos consult
SHARE DELLE PERDITE (ordine di grandezza):
FRODI NELLE TELECOMUNICAZIONI
NORD
AMERICA EUROPA
ASIAPACIFICO ALTRO TOTALE
GRAN TOTALE
MOBILE
FISSO
5,81 % 2,98 % 4,11% 1,78 % 14,68 %
36,69 % 20,96 % 19,35 % 8,31 % 85,32 %
42,50 % 23,94 % 23,47% 10,09 % 100,00 %
pag. 8eidos consult
STIMA DELLE FRODI NEL MERCATO ITALIANO ( Ordini di grandezza)
• OVERALL: 3,0 108 €
•SHARE FISSO /MOBILE : 1/1.85
FRODI NELLE TELECOMUNICAZIONI
pag. 9eidos consult
Fraud Management ProcessFraud Management Process
Fraud Prevention Fraud Prevention in the in the provisioning phaseprovisioning phase
Fraud Prevention Fraud Prevention during the design during the design phase of new phase of new servicesservices
FraudManagementProcess
Fraud lossesFraud losses• forecast (objectives)forecast (objectives)• quick estimation quick estimation • evaluation evaluation
Integration of:Integration of:• Fraud ControlFraud Control• Fraud IntelligenceFraud Intelligence
pag. 10eidos consult
UN ESEMPIO ECLATANTE
CIRCA 100 MILIARDI DI LIRE PERSI DA OPERATORI EUROPEI NEL 2001 PER UNA VENDITA DI TRAFFICO PREPAGATO ORGANIZZATA IN CAMPANIA BASILICATA PUGLIE , MEDIANTE INTRUSIONE DI PABX E SCOPERTA DA TELECOM ITALIA.
pag. 11eidos consult
• CARTE DI CREDITO: REAL NAMES DI PALO ALTO; TRASFERT I DATI DI 15000 CLIENTI DA HACKERS CINESI (MARZO 2000)
• FISCO: FALSI RIMBORSI IVA PER 116 MILIONI DI € (20 ARRESTI, 172 DENUNCE, 255 SOCIETA’ FANTASMA – CASERTA ,LUGLIO 2002)
FRODI NEGLI ALTRI SETTORI(CASI ESEMPLIFICATIVI)
pag. 12eidos consult
Il malcostume delle truffe alle compagnie assicurative è costato, in quattro anni, un miliardo di euro. È quanto risulta da un’indagine dell’Eurispes, che individua nell’assenza di fiducia tra compagnie ed assicurati la causa del proliferare di questo fenomeno criminale. Tra le regioni in cui si registra il più alto numero di frodi spiccano quelle meridionali, anche se il fenomeno è in crescita preoccupante un po’in tutte le regioni. Le province più colpite sono quelle di Napoli, Caserta, Foggia, Messina, Salerno e Bari.
FRODI NELLE ALTRI SETTORI(CASI ESEMPLIFICATIVI)
pag. 13eidos consult
OBIETTIVI DEL PROCESSO DI FRAUD MANAGEMENT (1)
RIDURRE E TENERE SOTTO CONTROLLO IL NUMERO DI NUOVE ACQUISIZIONI CON FRODE ACCERTATA
RIDURRE E TENERE SOTTO CONTROLLO IL NUMERO ED IL VOLUME DELLE FRODI
RIDURRE IL NUMERO DELLE POSIZIONI ED IL VOLUME DEL CREDITO RELATIVE A FRODI
pag. 14eidos consult
OBIETTIVI DEL PROCESSO DI FRAUD MANAGEMENT (2)
RIDURRE IL NUMERO DI RECLAMI PER TRAFFICO NON RICONOSCIUTO
FARE CUSTOMER RETENTION
FARE WINBACK
ANTICIPARE LA CONCORRENZA NEL CONTROLLARE LE FRODI MEGLIO E PIÙ VELOCEMENTE
pag. 15eidos consult
OBIETTIVI DEL PROCESSO DI FRAUD MANAGEMENT (3)
1. FAR DIVENIRE IL FRAUD MANAGEMENT UN’OPPORTUNITA’ PER INCREMENTO RICAVI
2. “SPOSTARE” VERSO LA CONCORRENZA LE FRODI, IL NUMERO DELLE POSIZIONI ED IL VOLUME DEL CREDITO RELATIVO A FRODI
pag. 16eidos consult
TECNICHE BASILARI DEL FRAUD MANAGEMENT
RISK MANAGEMENT
VALUTAZIONE DELL’EFFICACIA DECISIONALE (FALSI POSITIVI; FALSI NEGATIVI)
PREVENZIONE, CONTROLLO, INTELLIGENCE , CONTRASTO (politica del ..prima del dopo, di controllo attivo, di capire i fenomeni
fraudolenti dal di dentro, limitare il danno in tutti i modi)
QUANTIFICAZIONE DANNO
CONTROLLO INDUSTRIALE DI PROCESSO
KPI COME OBIETTIVI INCENTIVANTI PER I GRUPPI E PER I SINGOLI
pag. 17eidos consult
TECNICHE BASILARI DEL FRAUD MANAGEMENT
DISASTER RECOVERY
BUSINESS CONTINUITY
FORECASTING E BACKCASTING CON MODELLI ARIMA, VOLTERRA-LOTKA
INVESTIGAZIONE (LINK_ANALYSIS)
ANALISI STATISTICA
pag. 18eidos consult
Definition of newProduct / services
Fraud Control
Prevention
Loss Evaluation
Fraud Engineering
IL PROCESSO DI FRAUD MANAGEMENT
FRAUD MANAGEMENT
Billing Bad Debt
Customer Care Product / services Marketing
pag. 19eidos consult
Prevention
Fraud Contrast
Loss Evaluation
Fraud Engineering
FRAUD MANAGEMENT
Customer Customer RetentionRetention
Revenue Revenue protectionprotection
New New Business Business OpportunitiOpportunitieses
IL PROCESSO DI FRAUD MANAGEMENT
pag. 20eidos consult
Fraud Detection &Management System
High Usage Detection
ALTO TRAFFICO E FRODI
TRAFFICOFRAUDOLENTOALTO
TRAFFICO
pag. 21eidos consult
Fraud Management
Customer Care
Marketing
Anomalous service usage
Request for analysis due to client claim
Traffic Data collection
Traffic records
Client Traffic Profiles
Charging & Billing
Revenue Realization
ContractsDefinition
Service Order Control
Billing
Contracts
Accounting Position
Customer premises information
SCENARIO DI RIFERIMENTO PER IL PROCESSO DI FRAUD MANAGEMENT
pag. 22eidos consult
PASSI PRINCIPALI
• ANALISI DEL TRAFFICO CON “FILTRI” DI 1° LIVELLO
(SOGLIE DI CONSUMO)
• ANALISI DI COMPORTAMENTI FRAUDOLENTI CON “FILTRI” DI 2° LIVELLO (CORRELAZIONE PER DESTINAZIONE / ORIGINE / CONSUMO / ETC.)
• PROGRAMMBILITA’ DEI FILTRI
• SEGNALAZIONI DI ALLARME AL CC
TrafficAnalysis
FraudAnalysis
FiltersProgrammability
AlarmsSignalling
pag. 23eidos consult
RISULTATI TIPICI FENOMENO FRAUDOLENTO SOTTO CONTROLLO: PERDITE PER FRODE: <0.1% DEL FATTURATO FENOMENO FRAUDOLENTO FUORI CONTROLLO: PERDITE PER FRODE : 2-3 % del fatturato NUOVE UTENZE CON FRODE ACCERTATA: < 1-2 % RECUPERO DI CREDITI PREGRESSI PER CLIENTI
CESSATI CHE CHIEDONO NUOVI IMPIANTI (.. ad es. con false generalità) > 45-50 %
NUMERO DI RECLAMI PER TRAFFICO NON RICONOSCIUTO : (<0,1%)
pag. 24eidos consult
TEORIA DEI VALORI ESTREMI E
APPLICAZIONI
“HOWEVER BIG FLOODS GET, THERE WILL ALWAYS BE A BIGGER ONE COMING; SO SAYS ONE THEORY OF EXTREMES, AND EXPERIENCE SUGGESTS IT IS TRUE.” President’s Water Resources Policy Commission, Report 1950, pag. 141.
pag. 25eidos consult
GLI EVENTI (VALORI)ESTREMI, SE NON PREVISTI ADEGUATAMENTE IN ANTICIPO, E IN ASSENZA DI STRUTTURE ORGANIZZATIVE E MEZZI ADEGUATI, POSSONO CAUSARE DANNI INGENTISSIMI IN OGNI SETTORE DI ATTIVITÀ UMANE.
EVENTI ESTREMI
pag. 26eidos consult
La Teoria dei Valori Estremi•Si occupa dello studio di eventi rari ed è inizialmente nata nell’ambito della previsione di catastrofi naturali.•Nelle applicazioni finanziarie l’evento raro può corrispondere al fallimento di una società, al crollo del prezzo di un titolo azionario o di un portafoglio.•La Teoria dei valori estremi (EVT) si affianca all’analisi statistica standard, che analizza i fenomeni “nella media” fornendo strumenti di diagnostica per studiare gli venti rari, ovvero quelli che si trovano nelle code di una distribuzione.•Ad esempio, l’applicazione della EVT in ambito finanziario cerca di stimare la forma di distribuzione del rendimento di una posizione finanziaria SOLO per quanto riguarda le code di tale distribuzione ed è basata sull’analisi dei soli dati “estremali” nella serie storica dei rendimenti passati.
pag. 27eidos consult
ALCUNI ESESEMPI
1. LO TSUNAMI NELL’OCEANO NELL’OCEANO INDIANO UN PAIO DI ANNI FA
2. IL BLACK – OUT DELLA RETE ELETTRICA ITALIANA
3. L’ALLUVIONE DI FIRENZE
4. SOVRACCARICHI ECCEZIONALI IN GRANDI STRUTTURE
pag. 28eidos consult
CAMPI DI APPLICAZIONE
1) Aeronautica2) Idrologia3) Costruzioni navali4) Finanza5) Meteorologia6) Grandi impianti7) Grandi strutture
pag. 29eidos consult
Per rappresentare le code di una distribuzione si analizzano gli eventi estremali che possono essere rappresentati da due diverse variabili:
1) Il massimo “a blocchi” delle variabili aleatorie osservate;
2)Il valore degli eccessi sopra una soglia prefissata u.
Dalle medie agli estremi …
pag. 30eidos consult
PROCEDIMENTO CONCETTUALE
1. SULLA BASE DI ESPERIENZE PASSATE SI OPERA UN PREVISIONE DI VALORI ESTREMI
2. SI INDIVIDUANO LE SOLUZIONI PROGETTUALI, TECNOLOGICHE ED ORGANIZZATIVE PER ASSICURARE, SE POSSIBILE, UNA FREQUENZA DI OCCORRENZA DEGLI EVENTI ESTREMI AL DI SOTTO DI CERTI VALORI E DI INDIVIDUARE LE MIGLIORI SOLUZIONI TECNOLOGICHE ED ORGANIZZATIVE
pag. 31eidos consult
PROBLEMI TIPICI1. POCHI DATI E TEMPI LUNGHI DI RACCOLTA2. I FENOMENI NEI VARI SETTORI DI BUSINESS SEGUONO
STATISTICHE DIVERSE E SPESSO NON SI CONOSCONO LE DISTRIBUZIONI
1. IL VALORE DI UNA OSSERVAZIONE CADE AL DI LA’ DEI LIMITI CHE RAGIONEVOLMENTE CI SI ASPETTA?
2. I VALORI ESTREMI HANNO UN COMPORTAMENTO “REGOLARE”
3. LA “CLAUSULA REBUS SIC STANTIBUS” E’ NECESSARIA?
DOMANDE TIPICHE
pag. 32eidos consult
TECNICHE STATISTICHE PER LA PREVISIONE DEGLI ESTREMI
1. STATISTICA DELL’ORDINE (ORDER STATISTICS)
2. VALUTAZIONE DELLE ECCEDENZE
3. STUDIO ANALITICO DEGLI ESTREMI NEL CASO DI DISTRIBUZIONI NOTE
pag. 33eidos consult
RELAZIONI DI PARTENZA PER I MINIMI E MASSIMI
Se F(X) è la distribuzione nota di un fenomeno e n è la dimensione di un campione di misure indipendenti si ha:
ΦM (x)= F(x)n probabilità che il massimo campionario
ηn sia ≤ x
Φm (x)= 1- (1-F(x))n probabilità che il minimo campionario
ζn sia ≤ x
pag. 34eidos consult
STUDIO ANALITICO PER F(X) NOTE
SE F(X) SI SUPPONE NOTA, E’ POSSIBILE VALUTARE:-Il tempo medio di ritorno degli estremi (T(X)=1/(1-Φ(x))- il valore medio del range-Le statistiche di ordine-La probabilità delle eccedenze-I valori caratteristici ( F(un) = 1-1/n) e F(u1)=1/n
-Il valore modale-I momenti
pag. 35eidos consult
E SE F(X) NON E’ NOTA? NIENTE …. PAURA
1. Fisher , R.A, and Tippet L.H.C.: Limiting forms of frequency distribution of the largest or smallest member of a sample, 1928 Proc. Cambridge Phil. Soc., , 24:180.
2. Gnedenko, B.V., Sur la distribution limite du terme maximum d’un série aléatoire, 1943 Ann Math., 44:423
3. Fisher e Tippet hanno introdotto il postulato di stabilità:
4. Gnedenko ha dimostrato le condizioni necessarie e sufficienti per la esistenza per i tre asintoti.
pag. 36eidos consult
La distribuzione del massimo campionario
Consideriamo nuovamente la successione X1,X2,…Xn… di v.a. i.i.d ponendo la nostra attenzione non più sulla media aritmetica ma sul massimo campionario delle v.a. Definiamo quindi:
La distribuzione del massimo è descritta dalla funzione di ripartizione ottenuta come:
Banalmente, se x è un valore tale che F(x)<1 allora:
Risultato di poco interesse
η n = max (X1 , X 2, …, Xn)
F M,n (x) = Prob(η n ≤ x ) = [ F(x)]n
F M,n (x) = → 0 se n →∞
pag. 37eidos consult
LA DISTRIBUZIONE DEL MASSIMO CAMPIONARIO
Un risultato limite interessante si ottiene normalizzando la variabile massimo mediante una costante an di scala e una costante bn di posizione, come segue
Se una tale distribuzione limite H esiste ed è non degenere, allora deve necessariamente appartenere ad una certa classe di distribuzioni denominate del “valore estremo generalizzato” (GEV). In tale caso si dice che le v.a. X1,X2,…Xn…hanno la funzione H come dominio di attrazione per il massimo .
F M,n (x) = Prob [ (η n - bn )) / an ≤ x ] = [F(an x + bn )]n = → H(x) (se n→∞)
pag. 38eidos consult
Distribuzioni limiteLe tre tipologie di funzioni di ripartizione possono essere scritte in una forma comune del tipo:
H(x) = exp {- exp[ -(x-ε)/α]} -∞< x<∞; α>0; Gumbel
H(x) = exp {- [ (x- ε)/α] -β } ; x≥γ ; α, β >0; Fréchet
H(x) = exp {- [- (x- ε)/α] β } ; x≤γ ; α, β >0; Weibull
pag. 39eidos consult
DISTRIBUZIONI LIMITE PER I MASSIMI
Considerando una variabile normalizzata si ha corrispondentemente :H(x) =exp[-exp(-x)] Gumbel
H(x) = 0 se x<0 exp [-x-β] x≥ 0; β> 0 Fréchet
H(x) = 1 se x>0; = exp[-(x)β] se x≤ 0 ; β>0 Weibull
pag. 40eidos consult
CARATTERISTICHE NUMERICHEDELLA FUNZIONE DI GUMBEL
Valore medio: ε + γα (γ = cost. Eulero-Mascheroni 0,57721..)Varianza : (πα)2/6 Moda: εMediana: ε - α loglog(2) Q1: ε - α loglog(4)Q3: ε - α loglog(4/3)Q(moda): 1/e = 0.3679
pag. 41eidos consult
DISTRIBUZIONE DEI MINIMI
definito ζ n = min (X1 , X 2, …, Xn)
Se si osserva che :
ζ n = - max (-X1 , -X 2, …, -Xn)
Si possono trovare i tre asintoti per la distribuzione dei minimi, applicando i risultati trovati per i valori massimi.
pag. 42eidos consult
LA DISTRIBUZIONE DEGLI ECCESSI”Fissato un valore soglia u indichiamo con Y la v.a. degli eccessi da u, Y=X-u. Consideriamo la distribuzione condizionata:
Quando la soglia u tende al valore massimo per la v.a. X è possibile trovare una funzione di distribuzione limite per tale distribuzione condizionata.
)(1
)()(
)(
)(
)()()(
uF
uFuyF
uXP
yuXuP
uXyuXPuXyYPyFu
pag. 43eidos consult
La distribuzione degli “eccessi”
Se un tale limite esiste questo appartiene alla classe delle distribuzioni Pareto Generalizzate (GPD) ovvero, se: 1sup dove ),;()( x: F(x)ωyGyF u
uu
allora:
0,exp1
0,11 ),;(
1
y
y
yG
Esponenziale
ParetoeBeta
pag. 44eidos consult
Si noti che, assegnata una distribuzione F per la successione di v.a. iid, un tale limite per la distribuzione condizionata degli eccessi esiste se e solo se esiste il limite per la distribuzione del massimo campionario e il parametro di forma coincide. Pertanto, se il parametro di forma è positivo la distribuzione possiede code lunghe e pesanti, se è negativo, code corte o troncate e se è nullo code che decadono in modo esponenziale. Risultati interessanti sulle caratteristiche delle distribuzioni GPD sono i seguenti:
1per ,1
0
21per ,)21()1(
YV
1per ,1
2
2
yyYyYE
YE
pag. 45eidos consult
CASO DI APPLICAZIONI FINANZIARIE
Il parametro che risulta più importante da stimare per capire la forma delle code della distribuzione empirica dei dati di mercato (rendimenti della nostra posizione finanziaria) è il parametro di forma .Questo può essere indifferentemente stimato tramite la distribuzione del massimo (a blocchi) fissato un numero sufficientemente alto n di osservazioni oppure tramite la distribuzione condizionata degli eccessi, fissato una soglia sufficientemente alta.Il numero di osservazioni in un caso, la soglia nell’altro sono scelte arbitrarie che possono alterare il valore della stima.
pag. 46eidos consult
VALUE AT RISKIl Value at Risk (Valore a Rischio) è definito come la perdita massima al di sotto della quale si può andare solo con una bassa probabilità .
Se con Xt, t=1,2,…,n rappresentiamo la serie storica del rendimento della nostra posizione finanziaria X, si ha:
P(Xn+1) < -VAR) = α
Il Value at Risk è quindi un quantile, corrispondente in genere al 5% o all’ 1%, della distribuzione di probabilità del rendimento della posizione finanziaria X su un orizzonte temporale prefissato (ad esempio 1 giorno, una settimana, etc.).
Dal 1986 il Comitato di Basilea ha stabilito che le istituzioni finanziarie sono tenute a calcolare (stimare) il proprio VaR come misura del capitale a rischio della società.
Le istituzioni sono altresì tenute ad accantonare un capitale come assicurazione contro eventuali perdite, in modo proporzionale al VaR calcolato e alla loro Affidabilità (rientrando nel passato nel VaR calcolato, etc.).
pag. 47eidos consult
CASO DI APPLICAZIONI AL FRAUD MANAGEMENT
LE APPLICAZIONI DEI VALORI ESTREMI SONO UTILI A:
1.VALUTARE LE FRODI OLTRE UN CERTO VALORE PREFISSATO
1.STIMARE A DISTRIBUZIONI DEGLI ESTREMI PER VALUTARE UN BOUND SUPERIORE ALLE PERDITE
pag. 48eidos consult
GRAZIE PER
L’ATTENZIONE