This post is also available in:
Existe una amplia disponibilidad de bibliotecas y algoritmos estándar que pueden utilizarse como apoyo al negocio. Sin embargo, determinar cuáles adoptar y cómo utilizarlas, qué datos emplear para el entrenamiento y verificar que los resultados se ajusten a las expectativas es un problema complejo, que a menudo no se aborda de forma adecuada, desperdiciando la inversión realizada en la adquisición de recursos. Tampoco es sencillo desarrollar implementaciones de software capaces de aprovechar al máximo los recursos de hardware y software para producir resultados acordes con las expectativas del negocio navegando con prudencia por el estrecho margen entre el uso de herramientas «off-the-shelf» y «tailor-made».
- Clasificación del Riesgo:
- Ciberseguridad
- Riesgo de crédito
- Riesgos operativos
- Riesgo de fraude
- Cumplimiento normativo bancario y de seguros
- Modelos Antifraude:
- Predicción del riesgo de conducta fraudulenta
- Clasificación del Fraude según criterios establecidos
- Agrupación del Fraude según criterios identificados a partir de los datos
- Modelos predictivos en general;
- Mejora de algoritmos de carteras bancarias;
- Clasificación de tickets de soporte/CRM;
- Clasificación de eventos particulares a partir de los datos;
- Agrupación de los datos mediante el «surgimiento» de criterios basados en los datos;