ECONOMIA AZIENDALE Roma , 13 Dicembre 2007 BUSINESS PROCESS PERFORMANCE due aspetti di interesse [email protected] eidos consult pag. 1 ARGOMENTI TRATTATI 1. LE FRODI NEL MONDO DELLE TELECOMUNICAZIONI (MA NON SOLO….) 2. GLI EVENTI ESTREMI eidos consult pag. 2 LE FRODI E GLI EVENTI ESTREMI SI TRATTA DI DUE FATTISPECIE: AD ELEVATO IMPATTO ECONOMICO PER OGNI AZIENDA; 2. LE MODALITA DI APPROCCIO AL PROBLEMA E LE 1. 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. eidos consult pag. 3 INVENTA LEGE ,INVENTA FRAUDE ovvero fatta la legge…trovato l’inganno 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? 1. eidos consult pag. 4 Fraud Management Story….. We investigate frauds as they occur We don’t have a fraud problem Have we got a fraud problem? We might have a fraud problem eidos consult Erm….. (We just had a BIG fraud incident) We learn from fraud incidents to help prevent them happening again We manage our fraud problem through prevention, detection and analysis pag. 5 FRODI NELLE TELECOMUNICAZIONI 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 eidos consult pag. 6 FRODI NELLE TELECOMUNICAZIONI SHARE DELLE PERDITE (ordine di grandezza): NORD EUROPA AMERICA ASIA PACIFICO MOBILE 5,81 % 2,98 % 4,11% FISSO 36,69 % 20,96 % 19,35 % GRAN TOTALE eidos consult 42,50 % 23,94 % 23,47% ALTRO TOTALE 1,78 % 14,68 % 8,31 % 85,32 % 10,09 % 100,00 % pag. 7 FRODI NELLE TELECOMUNICAZIONI STIMA DELLE FRODI NEL MERCATO ITALIANO ( Ordini di grandezza) • OVERALL: 3,0 108 € •SHARE FISSO /MOBILE : 1/1.85 eidos consult pag. 8 Fraud Management Process Fraud Prevention in the provisioning phase Integration of: • Fraud Control • Fraud Intelligence Fraud Management Process Fraud Prevention during the design phase of new services eidos consult Fraud losses • forecast (objectives) • quick estimation • evaluation pag. 9 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. eidos consult pag. 10 FRODI NEGLI ALTRI SETTORI (CASI ESEMPLIFICATIVI) • 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) eidos consult pag. 11 FRODI NELLE ALTRI SETTORI (CASI ESEMPLIFICATIVI) 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. eidos consult pag. 12 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 eidos consult pag. 13 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 eidos consult pag. 14 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 eidos consult pag. 15 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 eidos consult pag. 16 TECNICHE BASILARI DEL FRAUD MANAGEMENT DISASTER RECOVERY BUSINESS CONTINUITY FORECASTING E BACKCASTING CON MODELLI ARIMA, VOLTERRA-LOTKA INVESTIGAZIONE (LINK_ANALYSIS) ANALISI STATISTICA eidos consult pag. 17 IL PROCESSO DI FRAUD MANAGEMENT FRAUD MANAGEMENT Prevention Fraud Control Fraud Engineering Loss Evaluation Definition of new Product / services Billing Customer Care eidos consult Bad Debt Product / services Marketing pag. 18 IL PROCESSO DI FRAUD MANAGEMENT FRAUD MANAGEMENT Prevention Fraud Contrast Fraud Engineering Customer Retention Revenue protection New Business Opportunities Loss Evaluation eidos consult pag. 19 ALTO TRAFFICO E FRODI ALTO TRAFFICO High Usage Detection eidos consult TRAFFICO FRAUDOLENTO Fraud Detection &Management System pag. 20 SCENARIO DI RIFERIMENTO PER IL PROCESSO DI FRAUD MANAGEMENT Charging & Billing Traffic Data collection Billing Traffic records Revenue Realization Accounting Position Contracts Fraud Management Contracts Definition Customer Care Anomalous service usage Request for analysis due to client claim Customer premises information Client Traffic Profiles Service Order Control Marketing eidos consult pag. 21 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.) Traffic Analysis Fraud Analysis • PROGRAMMBILITA’ DEI FILTRI • SEGNALAZIONI DI ALLARME AL CC Filters Programmability eidos consult Alarms Signalling pag. 22 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%) eidos consult pag. 23 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. eidos consult pag. 24 EVENTI ESTREMI 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. eidos consult pag. 25 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. eidos consult pag. 26 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 eidos consult pag. 27 CAMPI DI APPLICAZIONE 1) 2) 3) 4) 5) 6) 7) Aeronautica Idrologia Costruzioni navali Finanza Meteorologia Grandi impianti Grandi strutture eidos consult pag. 28 Dalle medie agli estremi … 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. eidos consult pag. 29 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 eidos consult pag. 30 PROBLEMI TIPICI POCHI DATI E TEMPI LUNGHI DI RACCOLTA 2. I FENOMENI NEI VARI SETTORI DI BUSINESS SEGUONO STATISTICHE DIVERSE E SPESSO NON SI CONOSCONO LE DISTRIBUZIONI 1. DOMANDE TIPICHE 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? eidos consult pag. 31 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 eidos consult pag. 32 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 eidos consult pag. 33 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 eidos consult pag. 34 E SE F(X) NON E’ NOTA? NIENTE …. PAURA 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. 1. eidos consult pag. 35 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: η n = max (X1 , X 2, …, Xn) La distribuzione del massimo è descritta dalla funzione di ripartizione ottenuta come: F M,n (x) = Prob(η n ≤ x ) = [ F(x)]n Banalmente, se x è un valore tale che F(x)<1 allora: F M,n (x) = → 0 se n →∞ eidos consult Risultato di poco interesse pag. 36 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 F M,n (x) = Prob [ (η n - bn )) / an ≤ x ] = [F(an x + bn )]n = → H(x) (se n→∞) 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 . eidos consult pag. 37 Distribuzioni limite Le 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 eidos consult pag. 38 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 eidos consult Weibull pag. 39 CARATTERISTICHE NUMERICHE DELLA FUNZIONE DI GUMBEL Valore medio: Varianza : Moda: Mediana: Q1: Q3: Q(moda): ε + γα (γ = cost. Eulero-Mascheroni 0,57721..) (πα)2/6 ε ε - α loglog(2) ε - α loglog(4) ε - α loglog(4/3) 1/e = 0.3679 eidos consult pag. 40 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. eidos consult pag. 41 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: Fu ( y ) P(Y y X u ) P( X u y X u ) P(u X u y ) F ( y u ) F (u ) P( X u ) 1 F (u ) 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. eidos consult pag. 42 La distribuzione degli “eccessi” Se un tale limite esiste questo appartiene alla classe delle distribuzioni Pareto Generalizzate (GPD) ovvero, use: Fu ( y ) G ( y; u , ) dove ω sup x: F(x) 1 allora: y 1 1 , 0 G ( y; , ) 1 exp y , 0 1 eidos consult Pareto e Beta Esponenziale pag. 43 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: E Y VY 1 2 , per 1 , per 1 2 (1 ) (1 2 ) y E Y y Y y 0 , per 1 1 eidos consult 2 pag. 44 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. eidos consult pag. 45 VALUE AT RISK Il 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.). eidos consult pag. 46 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 eidos consult pag. 47 GRAZIE PER L’ATTENZIONE eidos consult pag. 48