Антифрод и скоринг на моделях
Заявка, платёж, возврат или новый контрагент получают оценку риска до того, как деньги ушли. Модель учится на вашей истории и работает вместе с правилами: очевидное отсекается правилом, спорное оценивается моделью, а к каждому решению прикладывается объяснение, какие признаки на него повлияли.
- Цена
- от 150 000 ₽
- Срок
- 3–4 недели
- Работаем с
- Python, scikit-learn, XGBoost
- мсРешение в момент операции
- ОбъяснимоВидно, что повлияло на балл
- ИсторияУчимся на ваших данных
Риск оценивают вручную и с опозданием
Пока поток небольшой, проверку тянет опытный сотрудник. С ростом объёма выбор становится жёстким: пропускать всё или тормозить всех.
Проверка не успевает за потоком
Ручная проверка заявок ставит выбор: держать клиента в ожидании или пропускать без разбора. Обе опции стоят денег.
Правила устаревают
Список стоп-условий писали два года назад. Схемы обхода изменились, правила остались, и половина срабатываний уже мимо.
Отказы бьют по нормальным клиентам
Жёсткий фильтр режет вместе с мошенниками добросовестных. Потери от ложных отказов часто больше, чем от пропущенного фрода, но их никто не считает.
Решение нельзя объяснить
Клиент спрашивает, почему отказали, и внятного ответа нет. Для регулируемых процессов это отдельная проблема.
Как это работает
Правила и модель вместе
Явные стоп-факторы остаются правилами – они прозрачны и меняются мгновенно. Модель работает в серой зоне, где однозначного правила нет.
Балл риска вместо да/нет
Операция получает оценку, а порог принятия вы задаёте сами и меняете под текущую задачу: жёстче в сезон мошенничества, мягче в период роста.
Объяснение решения
К каждой оценке прилагается вклад признаков: что именно подняло риск. Это нужно и для разбора спорных случаев, и для проверяющих.
Проверка контрагентов
Скоринг юрлиц по открытым источникам: связи, история регистраций, судебные дела, признаки массовости. Отдельный сценарий от антифрода в платежах.
Очередь на ручной разбор
Всё, что попало в серую зону, уходит человеку с уже собранным контекстом. Аналитик принимает решение, а не собирает данные по десяти вкладкам.
Переобучение по разметке
Решения аналитиков и подтверждённые случаи возвращаются в обучение. Модель догоняет новые схемы, а не консервирует прошлогодние.
Как проходит проект
Аудит данных и потерь
2–3 неделиСмотрим историю операций, разметку подтверждённого мошенничества и текущие правила. Считаем две цифры: потери от пропущенных случаев и потери от ложных отказов. Вторая обычно оказывается неожиданно большой.
Признаки и базовая модель
4–6 недельСобираем признаки, обучаем модель на исторических данных, проверяем на отрезке, который она не видела. Сравниваем с текущими правилами – важно понять, даёт ли модель прирост вообще.
Теневой режим
4–8 недельМодель считает баллы на реальном потоке, но решения не принимает. Вы видите, как отличались бы её вердикты от текущих, без риска для процесса.
Вывод и настройка порогов
от 1 месяцаПодключаем модель к принятию решений и настраиваем порог по вашей терпимости к ошибкам. Дальше следим за дрейфом и переобучаем.
С чем мы работаем
Данные и доступы
История операций у вас
Модель учится на ваших данных в вашем контуре; персональные данные клиентов обрабатываются по вашим правилам.
Объяснимое решение
К каждой оценке прикладывается, какие признаки на неё повлияли, – решение можно объяснить проверяющему.
Серая зона – человеку
Спорные случаи уходят сотруднику с собранным контекстом, а не отклоняются автоматически.
Что нужно от вас
История с исходами
Операции или заявки за прошлые периоды с отметкой, чем всё кончилось: мошенничество, просрочка, норма.
Текущие правила
Правила, по которым вы отсекаете риск сейчас, – модель работает вместе с ними.
Человек с вашей стороны
Один сотрудник, который знает процесс и может ответить, почему он устроен именно так. Без него настройка превращается в угадывание.
Чего мы делать не берёмся
Решения по запрещённым признакам
Не используем в модели признаки, по которым отказывать нельзя.
Запуск без теневого режима
Модель сначала работает рядом с текущим процессом и не принимает решений, пока её оценки не сравнили с фактом.
Сколько стоит скоринговая модель
«Аудит и оценка» – от 150 000 ₽, «Модель и теневой режим» – от 300 000 ₽, «Промышленный контур» – от 800 000 ₽. Указана начальная цена. Каждый проект индивидуален, поэтому итоговая сумма может отличаться: изредка она выходит ниже, но обычно окончательную цену формируем после подробного обсуждения и плана задач. Цена зависит от объёма и качества истории и от требований к скорости ответа.
Аудит и оценка
- Проверка пригодности данных
- Расчёт текущих потерь
- Оценка возможного эффекта
- Заключение о выполнимости
Модель и теневой режим
- Обучение модели на вашей истории
- Объяснение решений по признакам
- Работа в теневом режиме
- Отчёт со сравнением с правилами
Промышленный контур
- Сервис оценки в реальном времени
- Правила и модель в одном контуре
- Очередь ручного разбора
- Мониторинг дрейфа и переобучение
- Квартал сопровождения
Сравнить уровни таблицей
| Уровень | Что входит | Срок | Цена |
|---|---|---|---|
| Аудит и оценка | Проверка пригодности данных, Расчёт текущих потерь, Оценка возможного эффекта, Заключение о выполнимости | 3–4 недели | от 150 000 ₽ |
| Модель и теневой режим | Обучение модели на вашей истории, Объяснение решений по признакам, Работа в теневом режиме, Отчёт со сравнением с правилами | от 2 месяцев | от 300 000 ₽ |
| Промышленный контур | Сервис оценки в реальном времени, Правила и модель в одном контуре, Очередь ручного разбора, Мониторинг дрейфа и переобучение, Квартал сопровождения | от 4 месяцев | от 800 000 ₽ |
Сколько нужно подтверждённых случаев мошенничества?
Модель заменит наших аналитиков?
Как объяснить клиенту отказ?
Это законно, если речь о людях?
Что с новыми схемами мошенничества?
Сколько стоит антифрод-модель?
Материал обновлён