Imagine uma instituição financeira que tenha acesso apenas às informações mais básicas sobre um cliente: nome, CPF, telefone, e-mail e endereço informado no cadastro. À primeira vista, pode parecer suficiente para abrir uma conta ou aprovar uma transação.
Mas e se esse telefone estiver associado a dezenas de outras contas? E se o dispositivo utilizado nunca tiver sido visto antes? Ou se aquela movimentação fugir completamente do comportamento esperado para aquele cliente? Sem contexto, esses sinais podem passar despercebidos e abrir espaço para fraudes, golpes e outras atividades ilícitas.
É justamente por isso que o enriquecimento de dados se tornou uma etapa indispensável nas estratégias de prevenção a crimes financeiros. Em vez de analisar apenas as informações fornecidas pelo usuário, a instituição complementa esses dados com outras fontes confiáveis para entender quem está por trás de uma operação, verificar se as informações fazem sentido e garantir uma análise de risco completa.
Seja na prevenção a fraudes ou nas operações de monitoramento de prevenção à lavagem de dinheiro (PLD), enriquecer dados significa adicionar contexto às análises, ou seja, se trata de validar identidades, cruzar informações, identificar inconsistências, reconhecer comportamentos suspeitos e tomar decisões muito mais precisas.
Neste artigo, você vai entender como funciona o enriquecimento de dados de forma completa. Siga com a gente para descobrir:
- O que é enriquecimento de dados?
- Como funciona o enriquecimento de dados?
- Por que o enriquecimento de dados é importante para prevenir fraudes?
- Quais dados podem ser utilizados para enriquecer uma análise antifraude?
- Principais benefícios do enriquecimento de dados para empresas
Vamos lá?
O que é enriquecimento de dados?
O enriquecimento de dados é o processo de complementar informações que uma empresa já possui com novos dados confiáveis. Isso torna cadastros e análises mais completos, o que consequentemente ajuda a:
- Entender melhor quem é o cliente, fornecedor ou parceiro;
- Identificar inconsistências;
- Tomar decisões mais seguras na prevenção a fraudes.
A necessidade desse processo vem do fato de que nenhuma informação isolada costuma contar a história toda. Um cadastro pode conter apenas nome, CPF e telefone, por exemplo, mas isso nem sempre é o suficiente para avaliar se determinada operação é legítima ou não.
Aqui entra, então, o enriquecimento de dados, com a missão de adicionar contexto a essas informações, a partir de outros dados relevantes que ajudam a formar uma visão mais completa de uma pessoa ou transação.
Com ele, é possível confirmar se o CPF está regular, verificar se o telefone está mesmo vinculado àquela pessoa, identificar há quanto tempo o e-mail informado existe ou analisar se o endereço informado é compatível com o restante do cadastro. Também é viável saber, é claro, se já houve registros de comportamento suspeito relacionados a essas informações.
Como funciona o enriquecimento de dados?
Em vez de uma empresa analisar apenas aquilo que o cliente informou no momento do cadastro ou da transação, a instituição cruza essas informações com outras bases confiáveis para obter uma visão mais completa da situação. Quanto mais contexto, mais fácil é identificar riscos e tomar decisões mais seguras.
Veja as etapas desse processo:
- Coleta de dados fornecidos pelo próprio cliente durante um cadastro, login ou transação: essas informações são comparadas com outras fontes de dados autorizadas e confiáveis, como bases públicas, parceiros especializados e informações geradas pela própria empresa ao longo do relacionamento com o cliente. A ideia não é exatamente compilar mais informações, mas sim verificar se há coerência entre elas;
- Análise pós-cruzamento de informações: é o momento de avaliar o conjunto para identificar padrões, inconsistências ou sinais de alerta. Um cliente que informa morar em uma cidade, por exemplo, e que realiza uma compra a partir de um dispositivo localizado em outro país logo após criar uma conta pode merecer uma verificação adicional;
- Uso de informações enriquecidas para tomada de decisão: quando tudo está consistente, uma operação pode ser aprovada rapidamente. Agora, se forem encontrados indícios de fraude ou outras irregularidades, então a instituição pode bloquear a transação ou fazer uma análise sobre ela.
Quais tipos de dados podem ser enriquecidos?
Basicamente qualquer informação utilizada para identificar um cliente ou analisar uma transação pode passar por um processo de enriquecimento de dados. Os tipos mais comuns incluem:
- Dados cadastrais;
- Dados comportamentais;
- Dados transacionais.
Note que o objetivo não é acumular o maior volume possível, mas sim complementar os dados existentes com contexto suficiente para tornar as análises mais precisas e confiáveis.
Vamos aos detalhes do enriquecimento de cada grupo?
Dados cadastrais
Temos aqui um dos exemplos mais frequentes. Nome, CPF, endereço, telefone e e-mail são dados que praticamente todas as instituições armazenam e que podem não somente ser verificados, mas também complementados para confirmar sua consistência.
A partir do enriquecimento de dados, uma instituição pode identificar, por exemplo, se o telefone informado realmente pertence ao titular do cadastro, ou se um e-mail apresenta sinais de uso legítimo ou não.
Contar com esse tipo de validação, aliás, é bem importante para reduzir erros e dificultar o uso de identidades falsas ou informações inconsistentes.
Dados comportamentais
Aqui, estamos falando de:
- Histórico de acessos;
- Horários em que uma pessoa costuma utilizar determinado serviço;
- Dispositivos mais usados;
- Forma como navega em um site ou aplicativo.
Tudo isso importa na hora de criar um padrão de comportamento. Com isso em mãos, se uma ação fugir completamente desse histórico (acesso realizado de um dispositivo desconhecido ou movimentação em horário incomum, por exemplo), a instituição consegue investigar a operação com mais cuidado, ou até bloquear uma transação fraudulenta imediatamente.
Dados transacionais
Nessa categoria, se enquadram:
- Informações sobre valores;
- Frequência das operações;
- Formas de pagamento;
- Contas envolvidas.
Se um cliente que normalmente faz pequenas compras de repente realiza diversas transações de alto valor em poucos minutos, muito provavelmente a situação pede uma análise adicional. Mesmo que cada operação pareça legítima de forma isolada, ainda assim o contexto completo pode indicar uma possível fraude.
Por que o enriquecimento de dados é importante para prevenir fraudes?
É o enriquecimento de dados que dá contexto a uma análise, além de auxiliar nos seguintes processos:
- Identificação de transações suspeitas;
- Cruzamento de informações em tempo real;
- Mapeamento de inconsistências cadastrais;
- Detecção de padrões incomuns de comportamento;
- Redução de falsos positivos.
Abaixo, entramos em detalhes sobre cada um desses pontos.
Identificação de transações suspeitas
Uma transação isolada nem sempre parece suspeita. Afinal, fraudadores costumam agir de forma estratégica, realizando operações que parecem normais quando vistas individualmente.
É com o enriquecimento de dados que uma instituição consegue combinar outros elementos aos dados cadastrais para entender se uma movimentação faz sentido dentro do contexto em questão.
Cruzamento de informações em tempo real
Como fraudes financeiras acontecem em questão de segundos, não é viável depender de uma análise manual de transações. O enriquecimento de dados ajuda nesse aspecto também, já que permite cruzar diferentes informações enquanto uma operação ainda está acontecendo.
Funciona assim: no momento em que uma compra ou transferência é iniciada, a instituição já pode verificar automaticamente se os dados do cliente são consistentes, ou se existem mudanças incomuns no comportamento e outros sinais de risco.
É assim, aliás, que uma fraude pode ser bloqueada antes de ser concluída.
Mapeamento de inconsistências cadastrais
Ao comparar as informações fornecidas pelos usuários com outras fontes, o enriquecimento de dados pode identificar inconsistências (que costumam ser uma grande porta de entrada para fraudes).
O processo também torna possível identificar quando diversos cadastros utilizam os mesmos dados de contato ou pequenas variações das mesmas informações, um comportamento bastante comum em tentativas de fraude. Quanto mais cedo essas inconsistências são detectadas, menor é a chance de que um fraudador consiga concluir uma operação.
Detecção de padrões incomuns de comportamento
Cada cliente desenvolve um histórico de comportamento ao longo do tempo. Ele costuma acessar a conta em determinados horários, utilizar dispositivos conhecidos, realizar compras dentro de uma faixa de valores e manter hábitos relativamente consistentes. O enriquecimento de dados ajuda a construir essa visão e facilita a identificação de mudanças que fogem do padrão.
Quando ocorre uma alteração significativa, como um grande volume de transações em poucos minutos, acessos simultâneos de locais diferentes ou mudanças frequentes de dispositivo, a instituição pode interpretar esses sinais como um possível risco. Consequentemente, é claro, acaba tendo muito mais escopo para investigar ou bloquear uma operação antes que a fraude seja concretizada.
Redução de falsos positivos
Quando a análise considera poucas informações, aumenta a probabilidade de que uma compra ou transferência verdadeira seja interrompida por engano.
O enriquecimento de dados vem também para reduzir esse problema. Em vez de bloquear uma transação apenas por seu valor ou localização, por exemplo, a instituição poderá levar em conta o histórico do cliente, seus hábitos, seus dispositivos e outras informações relevantes. Com mais contexto, as decisões se tornam mais precisas, e a experiência fica mais fluida para quem está agindo de maneira legítima.
Quais dados podem ser utilizados para enriquecer uma análise antifraude?
Uma instituição pode enriquecer dados como:
- Dados cadastrais: nome completo, CPF ou CNPJ, data de nascimento, endereço, telefone, e-mail e outras informações de contato;
- Dados documentais: RG, CNH, passaporte, comprovantes de endereço, comprovantes de renda e documentos societários, no caso de pessoas jurídicas;
- Dados de dispositivos: modelo do celular ou computador, sistema operacional, navegador utilizado, endereço IP, localização aproximada da conexão, identificadores do dispositivo e histórico de uso;
- Dados de comportamento digital: horários de acesso, frequência de login, velocidade de navegação, sequência de ações realizadas dentro do sistema, padrão de digitação, tempo gasto em determinadas telas e outras características de comportamento;
- Dados transacionais: valor das transações, frequência das operações, forma de pagamento utilizada, contas de origem e destino, localização das transações, histórico de compras e volume de movimentações;
- Dados públicos e bases externas: registros públicos, bases governamentais, listas de sanções, cadastros de pessoas politicamente expostas (PEPs), listas de restrições, informações de empresas, dados cadastrais oficiais e outras bases confiáveis.
Quais os principais benefícios do enriquecimento de dados para empresas?
- Decisões mais rápidas e precisas: com mais informações disponíveis no momento da análise, as empresas conseguem avaliar cada operação com maior segurança e agilidade;
- Melhor experiência para clientes legítimos: quando a análise é mais precisa, clientes que apresentam baixo risco têm suas operações aprovadas com mais rapidez, o que também evita bloqueios desnecessários e torna a jornada mais fluida;
- Redução de perdas financeiras: identificar sinais de fraude antes da conclusão de uma transação ajuda a evitar prejuízos financeiros, estornos e outros custos relacionados a atividades fraudulentas. Quanto mais cedo o risco é detectado, menor tende a ser o impacto para a instituição;
- Mais eficiência operacional: uma análise mais inteligente permite que as equipes concentrem seus esforços apenas nos casos que realmente exigem investigação. Consequentemente, o volume de revisões manuais diminui e a produtividade da operação antifraude aumenta.
Por fim, e não menos importante, vale citar que o enriquecimento de dados aumenta a capacidade de adaptação a novas fraudes.
A essa altura, já não é mais uma novidade que fraudes digitais evoluem continuamente, certo? Com o enriquecimento, ou seja, com mais contexto e informações atualizadas, fica mais fácil identificar novos padrões de comportamento suspeito e responder rapidamente às novas ameaças.
Como a Data Rudder utiliza o enriquecimento de dados para fortalecer a prevenção à fraude?
Na Data Rudder, a inteligência é adaptativa e contínua.
Por isso, seja para prevenir fraudes ou para fins de monitoramento de PLD-FT, contamos com enriquecimento de dados com integração com PEPs, listas restritivas, sanções, processos judiciais e bases externas. Também temos uma base de contaminação (de fraude) interna e contamos com uma solução alinhada à Resolução Conjunta nº6, conectada com todas as bases de indícios de fraude do mercado.
Assim, a visão de risco é completa e precisa.
Além disso, com bases em dados reais da sua operação, o algoritmo evolui continuamente. Afinal, correlaciona essas informações internas com histórico transacional e dados de mercado. Tudo isso, é claro, em milissegundos.
Quer conhecer melhor alguma de nossas soluções de prevenção a crimes financeiros? Fale com o nosso time!
