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  
VY  

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