SlideShare una empresa de Scribd logo
1 de 24
Descargar para leer sin conexión
INNOVATE. TRANSFORM. DELIVER.
Rome, 24 Febbraio 2017 Data Driven Innovation
N14 #Fintech #Fraud #Banking
Il paradigma dei Big Data e
Predictive Analysis, un
valido supporto al
contrasto delle frodi
assicurative
2CONFIDENTIALGFT GROUP
Svolgiamo attività di consulenza a livello internazionale per i cambiamenti del
business e l’evoluzione tecnologica. A noi si affidano le primarie istituzioni di servizi
finanziari a livello mondiale
Servizi IT
e innovazione
10/02/17
3CONFIDENTIALGFT GROUP
1.300
2.016
3.131
4.050
4.800
2012 2013 2014 2015 2016e
26%
10%
64%
ULRICH DIETZ MARIA DIETZ FREE FLOAT
Dati e cifre
10/02/17
PREVISIONI BASATE SUI RISULTATI DELL’ULTIMO TRIMESTRE
STRUTTURA
AZIONARIA
Azioni quotate al Tec-DAX,
Frankfurt Stock Exchange
4.800dipendenti ad oggi
MODELLO DI DELIVERY GLOBALE
€ 420milioni nel 2016
PREVISIONE DEI RICAVI
€ 33milioni nel 2016
EBT PREVISTO
Numero di dipendenti (FTE)
4CONFIDENTIALGFT GROUP
Istituzioni finanziarie leader a livello
mondiale si affidano a noi
10/02/17
Capital
Markets
Private
Wealth
Retail
Banking
Insurance
5CONFIDENTIALGFT GROUP
4.800 esperti in 12 paesi
10/02/17
Canada (10)
Toronto
USA (80)
Boston
New York
Costa Rica (110)
Messico (120)
Heredia
Mexico City
Brasile (800)
Alphaville
Curitiba
São Paulo
Sorocaba
Perù
Lima
(founded 2016)
UK (250)
Londra
Spagna (2.100)
Alicante
Barcellona
Lleida
Madrid
Valencia
Zaragoza
Polania (600)
Lodz
Poznan
Varsavia
Germania (300)
Bonn
Eschborn/Frankfurt
St. Georgen
Stoccarda
Italia (600)
Firenze
Genova
Milano
Montecatini Terme
Padova
Piacenza
Siena
Torino
Svizzera (50)
Basel
Zurigo
IMPORTANTI CLIENTI A
LIVELLO MONDIALE
(Numeri) = FTE sulla base dei risultati dell’ultimo trimestre
6CONFIDENTIALGFT GROUP
Uniamo capacità consulenziali, creative e tecnologiche alla competenza nel settore
finanziario
Smart minds for
digital transformation
10/02/17
7CONFIDENTIALGFT GROUP 10/02/17
Startups
Established
corporations
Creative
minds
Investors
Politics
Media
Piattaforma per l’innovazione
globale
All’interno del Gruppo GFT, CODE_n è una fonte trasversale di
innovazione.
Identifica le tendenze e i nuovi modelli di business per
accelerare la trasformazione digitale e, allo stesso tempo,
connette GFT al mondo delle start-up e dei pionieri digitali.
INNOVATE. TRANSFORM. DELIVER.
Febbraio 2017
Il sistema Antifrode di GFT
9CONFIDENTIALGFT GROUP
Le frodi nel mercato assicurativo
Le frodi diventano sia più numerose che sofisticate e di conseguenza stanno
anche cambiando la modalità di gestirle nelle compagnie
Frodi Individuali1
Frodi Organizzate
Frodi da Terze Parti
Circa il 64% delle frodi assicurative.
Un fenomeno in aumento anche a causa della crisi
finanziaria e del fatto che sia un comportamento
percepito come «normale» dall’opinione pubblica
Una frode pianificata a partire dalla
sottoscrizione della polizza. Tipicamente
l’organizzazione criminale, individuato il
bersaglio, sottoscrive più polizze per poter
colpire sistematicamente
Un fenomeno in rapido aumento, dal
momento che i clienti generalmente
preferiscono riparare subito i danni
piuttosto che ricevere un pagamento
Migliorare la capacità di individuazione e la reattività
2
3
La media italiana
dei sinistri
fraudolenti si attesta
al 2,5% (10% in
Europa): denota la
difficoltà che ha il
mercato nazionale
ad individuare i
fenomeni
fraudolenti nel
mondo assicurativo
10CONFIDENTIALGFT GROUP
Sistema Antifrode di GFT: introduzione
GFT ha sviluppato una soluzione Antifrode che permette ad una compagnia di
effettuare una efficace azione preventiva delle frodi (real time), oltre a permettere
una più tradizionale azione reattiva (batch) a partire dai sinistri creati o modificati
per individuare quelli sospetti
 Approccio Reattivo – La gestione «tradizionale» delle frodi
La gestione dell’Antifrode avviene dopo l’apertura del sinistro e si basa sul know-how e sulla sensibilità del
liquidatore. Nel momento in cui viene individuato un possibile tentativo di frode, spesso l’unica opzione disponibile è
quella di intraprendere azioni legali
 Approccio Preventivo – Una nuova modalità di intercettare e valutare il rischio
Consiste in una serie di procedure, strumenti e regole che sono applicate durante l’apertura del sinistro, nel momento
in cui si contatta l’assicurato ed è possibile incalzarlo con domande mirate. Richiede una stretta integrazione tra
sistemi durante tutto il processo di gestione del sinistro ed in particolare in fase di aperture del sinistro.
11CONFIDENTIALGFT GROUP
 Più Prevenzione, non solo analisi a posteriori
 Più Banche Dati: arricchimento dati con fonti esterne e
fonti non strutturate (note, documenti, immagini, voce)
 Miglior efficacia delle regole (riduzione falsi positivi,
emersione falsi negativi, gestione regole)
 Semplicità della risposta a mascherare la
complessità dell’intelligenza sottostante
Punti qualificanti del sistema Antifrode di GFT
12CONFIDENTIALGFT GROUP
Sistema Antifrode di GFT: la roadmap
Nel 2013 e 2014 partecipazione al gruppo
di lavoro antifrode e ricerca congiunta con
; presentazione prototipo al
CeBit di Hannover
Nel 2015 viene installata la prima versione
a scopi di investigazione presso l’ufficio
antifrode di una compagnia italiana di un
gruppo assicurativo internazionale
Nel 2016 la soluzione è presentata al
mercato ed arricchita con le componenti di
Scoring e Cognitive Machine Learning
Evoluzione: allargamento delle capacità
di controllo: immagini, semantica, vocale;
accordo per distribuzione internazionale
13CONFIDENTIALGFT GROUP
Sistema Antifrode di GFT: caratteristiche della soluzione
 Ampia base dati antifrode per analisi e investigazioni
 Modalità di scoring sia real time sia batch con possibilità di
integrazione via servizi o dati con i sistemi di compagnia
 Scoring con regole di varia natura: deterministica, rassegna
stampa, network, georeferenziata, cognitiva, testuale, con
evoluzioni pianificate per veridicità immagini, false dichiarazioni
vocali, semantica
 Tracciatura della pratica in evidenza e degli esiti di scoring
 Architettura tecnologica “leggera”, basata su tecnologie open
source, integrata da prodotti di specializzati di terze parti e front-
end a widget, responsive
 Integrazione nativa con Guidewire ClaimCenter
14CONFIDENTIALGFT GROUP
Sistema Antifrode di GFT: funzionalità principali
 Configuratore regole
 Scheda scoring
 Evidenza regole scattate, follow-ups, network e georeferenziazione dei
soggetti coinvolti
 Log degli scoring
 Lista degli scoring da esaminare
 Strumenti di investigazione
 Ricerca parametrica nella base dati antifrode
 Scheda di sintesi dell’elemento in esame con evidenza di situazioni
anomale
 Georeferenziazione delle informazioni collegate all’elemento in esame
 Network delle relazioni collegate all’elemento in esame e possibilità di
aggiunta nodo con evidenza dei cammini di collegamento
 Social scan (sperimentale)
 Reportistica dei controlli antifrode
 Motore di Cognitive Machine Learning
 Creazione modello predittivo
 Analisi variabili del modello predittivo
 Inserimento manuale di regole e loro verifica di efficacia
 Apprendimento e tuning del modello predittivo
 Funzionalità disponibili come servizi accessibili dai sistemi
Aziendali
15CONFIDENTIALGFT GROUP
Sistema Antifrode di GFT: Le fonti dati attualmente gestite
La soluzione utilizza dati strutturati e non strutturati provenienti dai sistemi di compagnia o da
sorgenti esterne
 Dati strutturati
 Anagrafiche
 Nominativo, indirizzi, email, cellulari, segnalato, …
 Fiduciari e terze parti
 Carrozzerie, legali, medici, …
 Polizze
 Data effetto e scadenza, premio, agenzia, …
 Sinistri
 Luogo e data di accadimento, stato del sinistro, …
 Veicoli
 Marca, modello, data immatricolazione, …
 Database istituzionali
 Es. BDS IVASS (codici fiscali e targhe), CERVED,CCI
 Relazioni tra le entità sopra indicate
 Coinvolti in sinistri, nucleo familiare, titolari di polizza, …
 Antifrode
 Risultati investigazione antifrode su singolo sinistro
 Open data
 Secondo le fonti disponibili
 Dati non strutturati
 Note testuali dai sistemi di Compagnia
 Documenti digitali in formato PDF
 Documenti in formato Microsoft Word®
 File Excel
 Mail di Newsletter
INNOVATE. TRANSFORM. DELIVER.
Casi d’Uso
17CONFIDENTIALGFT GROUP
Ricerca «real time»
Ricerca «real time»
Consente all’utente di eseguire query complesse
ed accedere a tutta l’informazione memorizzata
nei dataset Big Data
Scheda documento
Visualizza tutte le informazioni relative
all’entità selezionata (persona, sinistro,
polizza o veicolo) presenti nei database di
Compagnia ed esterni.
Consente l’accesso ai documenti correllati.
Lista dei risultati
Evidenza match, sorgenti ed highlight.
Può essere arricchita integrando, ad
esempio, l’evidenza di presenza in un
archivio istituzionale
18CONFIDENTIALGFT GROUP
Analisi della rete di relazioni
Analisi della rete di relazioni
E’ possibile espandere ciascun nodo della rete ed
impostare filtri per visualizzare solo i nodi di interesse.
Di ogni nodo l’utente può richiamare la scheda
documento per avere accesso alle informazioni di
dettaglio.
Ricerca collegamento
La funzione permette di individuare un
cammino nella rete di relazioni tra tutte le entità
presenti nei database applicativi.
E’ possibile impostare la profondità della
ricerca e filtri sulle entità da attraversare
19CONFIDENTIALGFT GROUP
Geo referenziazione
Geo referenziazione
Geo referenziazione di ciascun
riferimento geografico presente
in un documento
ed in quelli collegati.
La funzione integra StreetView®.
Open Data
Il componente standard di
GoogleMaps® è arricchito dai dati
provenienti da un dataset
«Open Data» istituzionale
20CONFIDENTIALGFT GROUP
Caso d’uso : Investigazione
Il nostro operatore
sta esaminando la
situazione di un
sinistro aperto
Il Sig.Rossi, il
contraente della
polizza, afferma che
l’incidente è avvenuto
in una zona trafficata
della città.
1
Il nostro operatore ricerca il Sig.Rossi
nel sistema ed accede alla sua scheda..
Il Sig.Rossi è stato coinvolto in due altri
sinistri ed è segnalato in un database
istituzionale.
2
L’operatore prosegue l’indagine ricercando il numero
di cellulare del Sig.Rossi. I risultati ci rivelano che il
numero è associato a tre differenti profili, ognuno
dei quali coinvolto con diversi ruoli in diversi sinistri,
oltre ad essere numero di una carrozzeria e, in una
nota testuale, associato ad un altro sinistro.
Le evidenze suggeriscono che in realtà si tratti
sempre della stessa persona.
3
Allertato dai primi risultati l’operatore pone
l’attenzione sul sinistro ed utilizza il tool di analisi
della rete di relazioni al fine di avere una
vista completa del sinistro e dei fatti ad esso
correlati.
4
La geo referenziazione dell’informazione
consente all’operatore di visionare il luogo
di accadimento del sinistro e di verificare
le dichiarazioni del Sig.Rossi.
L’incidente è avvenuto in una zona
periferica della città.
5
Le prove suggeriscono
all’operatore che si tratti di un
possibile tentativo di frode.
Il nostro operatore blocca la
liquidazione e segnala il
sinistro all’uffucio
Antifrode di Compagnia.
Video
21CONFIDENTIALGFT GROUP
Sistema Antifrode di GFT: lo strumento di analisi cognitiva
 In molte realtà assicurative il contrasto alle frodi si fonda sulla presenza
di indicatori manuali, sulla diagnosi sul territorio e sull’utilizzo di
complessi algoritmi matematici
 Tuttavia persiste la necessità di migliorare le capacità di individuare
situazioni fraudolente
 Regole che invecchiano nel tempo
 Regole non sufficientemente precise
 Problemi nel garantire un numero ridotto di falsi positivi (segnalazioni di frodi che non
risultano tali) e al tempo stesso minimizzare i falsi negativi (frodi non intercettate)
 I moderni sistemi cognitivi, che analizzano i dati e apprendono da
esempi, si stanno diffondendo come strumento per massimizzare
l’efficacia delle regole predittive
 GFT per individuare, eseguire e monitorare le regole più efficaci in
situazione di frode sinistri, utilizza un motore cognitivo di un proprio
partner specializzato, Rulex®
22CONFIDENTIALGFT GROUP
Rulex: caratteristiche principali
 Rulex, il prodotto distribuito e utilizzato da GFT, offre una risposta completa ed
esauriente alle molteplici necessità di individuazione di modelli predittivi e automazione
delle decisioni
 Rulex è una piattaforma di “Cognitive Machine Learning” per automatizzare la capacità
predittiva e renderla disponibile in modalità real time
 Rileva automaticamente i dati e i valori più rilevanti per spiegare un fenomeno
 Deduce velocemente le regole predittive per le diverse situazioni di business
 Pubblica il suo risultato in maniera comprensibile e modificabile
 Fornisce la logica predittiva da eseguire in applicazioni e hardware esterni
 Soddisfa alla futura normativa GDPR
 Permette di esplicitare modelli «black-box» già in uso
 GFT e Rulex mettono a disposizione dei propri clienti dei «template» per accelerare la
messa in opera di modelli predittivi
23CONFIDENTIALGFT GROUP
Applicazione su caso reale
Riduzione dei costi per l’analisi dei sinistri fraudolenti individuando
le potenziali frodi in modo efficiente ed automatico
 E’ stata svolta una analisi con la piattaforma Rulex a partire da circa 175.000
sinistri (e dati correlati) forniti dalla Compagnia
 L’analisi è impostata su 51 indicatori condivisi con gli esperti di dominio,
selezionati tra dati geografici, di rete di vendita, di portafoglio e del sinistro
 Il modello di frode generato è composto da 40 regole deterministiche che sono
in grado di spiegare il 95% dei fenomeni nel complesso
 Il modello ha individuato il 20%(*) di falsi positivi tra le segnalazioni del sistema
antifrode di Compagnia ed il 5%(**) di falsi negativi
(*) Circa 400 su 2.000 sinistri segnalati dal sistema antifrode
(**) Circa 9.000 su 173.000 sinistri non segnalati da sistema antifrode
24CONFIDENTIALGFT GROUP
Shaping the future
of digital business
10/02/2017
GFT Italy
Dante Laudisa
Marketing and Communication Director
Via A. Campanini, 6
20124 Milan (Italy)
T +39 02.58158.1
dante.laudisa@gft.com

Más contenido relacionado

La actualidad más candente

Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...Data Driven Innovation
 
Big Data & Data Mining
Big Data  & Data MiningBig Data  & Data Mining
Big Data & Data MiningAndrea Frison
 
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso  M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso Istituto nazionale di statistica
 
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De FrancisciLa visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De FrancisciIstituto nazionale di statistica
 
Introduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei DatiIntroduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei DatiDenodo
 
Data Driven UX - Come lo facciamo
Data Driven UX - Come lo facciamoData Driven UX - Come lo facciamo
Data Driven UX - Come lo facciamonois3
 
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)Keen Consulting
 
Open your Transformation, Define your Evolution
Open your Transformation, Define your EvolutionOpen your Transformation, Define your Evolution
Open your Transformation, Define your EvolutionIDC Italy
 
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsiBusiness Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsiSMAU
 
Reinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazioneReinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazioneData Driven Innovation
 
Scaling the open data concept to 13000 public administrations (Andrea Carlini...
Scaling the open data concept to 13000 public administrations (Andrea Carlini...Scaling the open data concept to 13000 public administrations (Andrea Carlini...
Scaling the open data concept to 13000 public administrations (Andrea Carlini...Data Driven Innovation
 
Synapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, Napoli
Synapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, NapoliSynapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, Napoli
Synapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, NapoliFederico Morando
 
Data mining, business intelligence e dintorni
Data mining, business intelligence e dintorniData mining, business intelligence e dintorni
Data mining, business intelligence e dintorniMaurizio Girometti
 
Business Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailBusiness Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailRoberto Butinar
 
Gestione dei big data: Web 3.0, motori semantici, soft computing
Gestione dei big data: Web 3.0, motori semantici, soft computing Gestione dei big data: Web 3.0, motori semantici, soft computing
Gestione dei big data: Web 3.0, motori semantici, soft computing Valerio Eletti
 
SignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico Pelino
SignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico PelinoSignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico Pelino
SignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico PelinoDigital Law Communication
 
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...Denodo
 
ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017
ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017
ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017Synapta
 

La actualidad más candente (20)

Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
Poliglottismo tecnologico & innovazione: un matrimonio perfetto? Esperienze d...
 
Data Governance at work
Data Governance at workData Governance at work
Data Governance at work
 
Big Data & Data Mining
Big Data  & Data MiningBig Data  & Data Mining
Big Data & Data Mining
 
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso  M. Scannapieco - Big Data e Open Data:  Istruzioni (o quasi) per l’Uso
M. Scannapieco - Big Data e Open Data: Istruzioni (o quasi) per l’Uso
 
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De FrancisciLa visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
La visualizzazione dei Big Data: opportunità e sfide - di Stefano De Francisci
 
Introduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei DatiIntroduzione alla Virtualizzazione dei Dati
Introduzione alla Virtualizzazione dei Dati
 
Data Driven UX - Come lo facciamo
Data Driven UX - Come lo facciamoData Driven UX - Come lo facciamo
Data Driven UX - Come lo facciamo
 
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
Big Data e Terza Piattaforma (Eataly Smeraldo, 29 ottobre 2015)
 
Open your Transformation, Define your Evolution
Open your Transformation, Define your EvolutionOpen your Transformation, Define your Evolution
Open your Transformation, Define your Evolution
 
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsiBusiness Intelligence, Analytics e Big Data: una guida per capire e orientarsi
Business Intelligence, Analytics e Big Data: una guida per capire e orientarsi
 
Reinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazioneReinventing experience: dai dati alla progettazione
Reinventing experience: dai dati alla progettazione
 
Scaling the open data concept to 13000 public administrations (Andrea Carlini...
Scaling the open data concept to 13000 public administrations (Andrea Carlini...Scaling the open data concept to 13000 public administrations (Andrea Carlini...
Scaling the open data concept to 13000 public administrations (Andrea Carlini...
 
Synapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, Napoli
Synapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, NapoliSynapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, Napoli
Synapta ContrattiPubblici.org - Scuola di Tecnologie Civiche, Napoli
 
Big data
Big dataBig data
Big data
 
Data mining, business intelligence e dintorni
Data mining, business intelligence e dintorniData mining, business intelligence e dintorni
Data mining, business intelligence e dintorni
 
Business Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il RetailBusiness Intelligence & Big Data per il Retail
Business Intelligence & Big Data per il Retail
 
Gestione dei big data: Web 3.0, motori semantici, soft computing
Gestione dei big data: Web 3.0, motori semantici, soft computing Gestione dei big data: Web 3.0, motori semantici, soft computing
Gestione dei big data: Web 3.0, motori semantici, soft computing
 
SignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico Pelino
SignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico PelinoSignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico Pelino
SignEAT - Evento AIFAG del 15 giugno 2017 - Intervento Enrico Pelino
 
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...
La Data Virtualization a supporto della Data Science: "Da grandi poteri deriv...
 
ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017
ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017
ContrattiPubblici.org - Seminario ANCI - Roma - SAA2017
 

Destacado

Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...Data Driven Innovation
 
Il deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone ScardapaneIl deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone ScardapaneData Driven Innovation
 
Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)
Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)
Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)Data Driven Innovation
 
The mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia MarzanoThe mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia MarzanoData Driven Innovation
 
Data driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo SpadaData driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo SpadaData Driven Innovation
 
How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)Data Driven Innovation
 
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)Data Driven Innovation
 
A visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe FrancavillaA visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe FrancavillaData Driven Innovation
 
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro RosatiIl valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro RosatiData Driven Innovation
 
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...Data Driven Innovation
 
Genomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel WeitschekGenomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel WeitschekData Driven Innovation
 
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...Data Driven Innovation
 
Healthware for medicine - Roberto Ascione
Healthware for medicine - Roberto AscioneHealthware for medicine - Roberto Ascione
Healthware for medicine - Roberto AscioneData Driven Innovation
 
Cognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico NeriCognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico NeriData Driven Innovation
 
Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...
Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...
Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...Data Driven Innovation
 
Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...Data Driven Innovation
 
LCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca RuiniLCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca RuiniData Driven Innovation
 
Tavola Rotonda Industria 4.0 - Stefano Panzieri
Tavola Rotonda Industria 4.0 - Stefano PanzieriTavola Rotonda Industria 4.0 - Stefano Panzieri
Tavola Rotonda Industria 4.0 - Stefano PanzieriData Driven Innovation
 

Destacado (19)

Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...Towards intelligent data insights in central banks: challenges and opportunit...
Towards intelligent data insights in central banks: challenges and opportunit...
 
Il deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone ScardapaneIl deep learning ed una nuova generazione di AI - Simone Scardapane
Il deep learning ed una nuova generazione di AI - Simone Scardapane
 
Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)
Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)
Data Driven UX: Come lo facciamo? C. Frinolli & N. Molchanova (Nois3)
 
The mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia MarzanoThe mine of the public open data, a fundamental asset - Flavia Marzano
The mine of the public open data, a fundamental asset - Flavia Marzano
 
Data driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo SpadaData driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
Data driven innovation in chirurgia: il caso EVARplanning - Paolo Spada
 
How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)How Data Drive Beyond Bank - Christian Miccoli (Conio)
How Data Drive Beyond Bank - Christian Miccoli (Conio)
 
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
How AI will impact Web and Social Media Intelligence - Uljan Sharka (Crystal.io)
 
A visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe FrancavillaA visual approach to fraud detection and investigation - Giuseppe Francavilla
A visual approach to fraud detection and investigation - Giuseppe Francavilla
 
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro RosatiIl valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
Il valore delle Indicazioni Geografiche nell'economia italiana - Mauro Rosati
 
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
Disrupting the weather market, one thousand drops at a time - Paola Allamano ...
 
Genomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel WeitschekGenomic Big Data Management, Integration and Mining - Emanuel Weitschek
Genomic Big Data Management, Integration and Mining - Emanuel Weitschek
 
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
L'economia europea dei dati. Politiche europee e opportunità di finanziamento...
 
Healthware for medicine - Roberto Ascione
Healthware for medicine - Roberto AscioneHealthware for medicine - Roberto Ascione
Healthware for medicine - Roberto Ascione
 
Cognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico NeriCognitive computing in the digital health era - Federico Neri
Cognitive computing in the digital health era - Federico Neri
 
Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...
Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...
Sistema di logging applicativo per ambienti distribuiti Hadoop-based - Monica...
 
Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...Data ethics and machine learning: discrimination, algorithmic bias, and how t...
Data ethics and machine learning: discrimination, algorithmic bias, and how t...
 
No Data, No Party - Roberto Magnifico
No Data, No Party - Roberto MagnificoNo Data, No Party - Roberto Magnifico
No Data, No Party - Roberto Magnifico
 
LCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca RuiniLCA as an innovation tool - Barilla - Luca Ruini
LCA as an innovation tool - Barilla - Luca Ruini
 
Tavola Rotonda Industria 4.0 - Stefano Panzieri
Tavola Rotonda Industria 4.0 - Stefano PanzieriTavola Rotonda Industria 4.0 - Stefano Panzieri
Tavola Rotonda Industria 4.0 - Stefano Panzieri
 

Similar a Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contrasto delle frodi assicurative - Dante Laudisa

Cyber Security Threats for Healthcare
Cyber Security Threats for HealthcareCyber Security Threats for Healthcare
Cyber Security Threats for HealthcareSWASCAN
 
Data Integrity e Anonymized Data
Data Integrity e Anonymized DataData Integrity e Anonymized Data
Data Integrity e Anonymized DataDedagroup
 
Managed Security Services vs In house management
Managed Security Services vs In house managementManaged Security Services vs In house management
Managed Security Services vs In house managementPierluigi Sartori
 
Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...
Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...
Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...Cultura Digitale
 
Aumentare i clienti con il sito Internet
Aumentare i clienti con il sito InternetAumentare i clienti con il sito Internet
Aumentare i clienti con il sito InternetAdasto
 
GDPR & GDPR - Confindustria Ravenna - Alessandro Rani
GDPR & GDPR - Confindustria Ravenna - Alessandro RaniGDPR & GDPR - Confindustria Ravenna - Alessandro Rani
GDPR & GDPR - Confindustria Ravenna - Alessandro RaniAdalberto Casalboni
 
Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...
Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...
Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...Par-Tec S.p.A.
 
Intelligence: tecnologie e servizi
Intelligence: tecnologie e servizi Intelligence: tecnologie e servizi
Intelligence: tecnologie e servizi Leonardo
 
Big Data e AI nel Fintech
Big Data e AI nel FintechBig Data e AI nel Fintech
Big Data e AI nel FintechLucaBonamigo
 
Alessia Palladino Diricto - SMAU NAPOLI 2017
Alessia Palladino Diricto - SMAU NAPOLI 2017Alessia Palladino Diricto - SMAU NAPOLI 2017
Alessia Palladino Diricto - SMAU NAPOLI 2017SMAU
 
Predictive Maintenance: una reale opportunità?
Predictive Maintenance: una reale opportunità?Predictive Maintenance: una reale opportunità?
Predictive Maintenance: una reale opportunità?Emanuela Corradini
 
ProtezioneCyber - La soluzione assicurativa contro il cyber risk
ProtezioneCyber - La soluzione assicurativa contro il cyber riskProtezioneCyber - La soluzione assicurativa contro il cyber risk
ProtezioneCyber - La soluzione assicurativa contro il cyber riskM2 Informatica
 
ProtezioneCyber - Gestione integrata del cyber risk
ProtezioneCyber - Gestione integrata del cyber riskProtezioneCyber - Gestione integrata del cyber risk
ProtezioneCyber - Gestione integrata del cyber riskM2 Informatica
 
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...Cristian Randieri PhD
 
Optimist Bot4FacilityManagement
Optimist Bot4FacilityManagementOptimist Bot4FacilityManagement
Optimist Bot4FacilityManagementGiovanni DeCarli
 
Optimist Bot4FacilityManagement
Optimist Bot4FacilityManagementOptimist Bot4FacilityManagement
Optimist Bot4FacilityManagementOptimist Srl
 

Similar a Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contrasto delle frodi assicurative - Dante Laudisa (20)

Cyber Security Threats for Healthcare
Cyber Security Threats for HealthcareCyber Security Threats for Healthcare
Cyber Security Threats for Healthcare
 
Data Integrity e Anonymized Data
Data Integrity e Anonymized DataData Integrity e Anonymized Data
Data Integrity e Anonymized Data
 
Managed Security Services vs In house management
Managed Security Services vs In house managementManaged Security Services vs In house management
Managed Security Services vs In house management
 
Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...
Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...
Massimo Rosso - Social Media e Prodotti TV: esperienze di "Extended Audience"...
 
Aumentare i clienti con il sito Internet
Aumentare i clienti con il sito InternetAumentare i clienti con il sito Internet
Aumentare i clienti con il sito Internet
 
Clusit
ClusitClusit
Clusit
 
GDPR & GDPR - Confindustria Ravenna - Alessandro Rani
GDPR & GDPR - Confindustria Ravenna - Alessandro RaniGDPR & GDPR - Confindustria Ravenna - Alessandro Rani
GDPR & GDPR - Confindustria Ravenna - Alessandro Rani
 
Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...
Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...
Forum ICT Security 2015 - Identificare gli attacchi di nuova generazione medi...
 
Intelligence: tecnologie e servizi
Intelligence: tecnologie e servizi Intelligence: tecnologie e servizi
Intelligence: tecnologie e servizi
 
Big Data e AI nel Fintech
Big Data e AI nel FintechBig Data e AI nel Fintech
Big Data e AI nel Fintech
 
Alessia Palladino Diricto - SMAU NAPOLI 2017
Alessia Palladino Diricto - SMAU NAPOLI 2017Alessia Palladino Diricto - SMAU NAPOLI 2017
Alessia Palladino Diricto - SMAU NAPOLI 2017
 
FinScience
FinScienceFinScience
FinScience
 
14a Conferenza Nazionale di Statistica
14a Conferenza Nazionale di Statistica14a Conferenza Nazionale di Statistica
14a Conferenza Nazionale di Statistica
 
Predictive Maintenance: una reale opportunità?
Predictive Maintenance: una reale opportunità?Predictive Maintenance: una reale opportunità?
Predictive Maintenance: una reale opportunità?
 
ProtezioneCyber - La soluzione assicurativa contro il cyber risk
ProtezioneCyber - La soluzione assicurativa contro il cyber riskProtezioneCyber - La soluzione assicurativa contro il cyber risk
ProtezioneCyber - La soluzione assicurativa contro il cyber risk
 
ProtezioneCyber - Gestione integrata del cyber risk
ProtezioneCyber - Gestione integrata del cyber riskProtezioneCyber - Gestione integrata del cyber risk
ProtezioneCyber - Gestione integrata del cyber risk
 
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...
130 FN 90 Febbraio 2017 - Tavola Rotonda L'analisi tanto attesa - Fieldbus & ...
 
Cybersecurity 4.0
Cybersecurity 4.0Cybersecurity 4.0
Cybersecurity 4.0
 
Optimist Bot4FacilityManagement
Optimist Bot4FacilityManagementOptimist Bot4FacilityManagement
Optimist Bot4FacilityManagement
 
Optimist Bot4FacilityManagement
Optimist Bot4FacilityManagementOptimist Bot4FacilityManagement
Optimist Bot4FacilityManagement
 

Más de Data Driven Innovation

Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...Data Driven Innovation
 
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...Data Driven Innovation
 
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...Data Driven Innovation
 
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...Data Driven Innovation
 
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...Data Driven Innovation
 
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)Data Driven Innovation
 
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...Data Driven Innovation
 
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...Data Driven Innovation
 
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...Data Driven Innovation
 
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...Data Driven Innovation
 
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)Data Driven Innovation
 
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...Data Driven Innovation
 
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)Data Driven Innovation
 
Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...Data Driven Innovation
 
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...Data Driven Innovation
 
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...Data Driven Innovation
 
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...Data Driven Innovation
 
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)Data Driven Innovation
 
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)Data Driven Innovation
 
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...Data Driven Innovation
 

Más de Data Driven Innovation (20)

Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
Integrazione della mobilità elettrica nei sistemi urbani (Stefano Carrese, Un...
 
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
La statistica ufficiale e i trasporti marittimi nell'era dei big data (Vincen...
 
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
How can we realize the Mobility as a Service (Maas) (Andrea Paletti, London S...
 
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
Il DTC-Lazio e i dati del patrimonio culturale (Maria Prezioso, Università To...
 
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
CHNet-DHLab: Servizi Cloud a supporto dei beni culturali (Fabio Proietti, INF...
 
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
Progetto EOSC-Pillar (Fulvio Galeazzi, GARR)
 
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
Una infrastruttura per l’accesso al patrimonio culturale: il Progetto del Por...
 
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
Utilizzo dei Big data per l’analisi dei flussi veicolari e della mobilità (Ma...
 
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
I dati personali nell'analisi comportamentale della mobilità di dipendenti e ...
 
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
Estrarre valore dai dati: tecnologie per ottimizzare la mobilità del futuro (...
 
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
Le piattaforme dati per la mobilità nelle città italiane (Marco Mena, EY)
 
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
WiseTown, un ecosistema di applicazioni e strumenti per migliorare la qualità...
 
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
CityOpenSource as a civic tech tool (Ilaria Vitellio, CityOpenSource)
 
Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...Big Data Confederation: toward the local urban data market place (Renzo Taffa...
Big Data Confederation: toward the local urban data market place (Renzo Taffa...
 
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
Making citizens the eyes of policy makers: a sweet spot for hybrid AI? (Danie...
 
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
Dall'Agenda Digitale alla Smart City: il percorso di Roma Capitale verso il D...
 
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
Reusing open data: how to make a difference (Vittorio Scarano, Università di ...
 
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
Gestire i beni culturali con i big data (Sandro Stancampiano, Istat)
 
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
Data Governance: cos’è e perché è importante? (Elena Arista, Erwin)
 
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
Data driven economy: bastano i dati per avviare una start up? (Gabriele Anton...
 

Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contrasto delle frodi assicurative - Dante Laudisa

  • 1. INNOVATE. TRANSFORM. DELIVER. Rome, 24 Febbraio 2017 Data Driven Innovation N14 #Fintech #Fraud #Banking Il paradigma dei Big Data e Predictive Analysis, un valido supporto al contrasto delle frodi assicurative
  • 2. 2CONFIDENTIALGFT GROUP Svolgiamo attività di consulenza a livello internazionale per i cambiamenti del business e l’evoluzione tecnologica. A noi si affidano le primarie istituzioni di servizi finanziari a livello mondiale Servizi IT e innovazione 10/02/17
  • 3. 3CONFIDENTIALGFT GROUP 1.300 2.016 3.131 4.050 4.800 2012 2013 2014 2015 2016e 26% 10% 64% ULRICH DIETZ MARIA DIETZ FREE FLOAT Dati e cifre 10/02/17 PREVISIONI BASATE SUI RISULTATI DELL’ULTIMO TRIMESTRE STRUTTURA AZIONARIA Azioni quotate al Tec-DAX, Frankfurt Stock Exchange 4.800dipendenti ad oggi MODELLO DI DELIVERY GLOBALE € 420milioni nel 2016 PREVISIONE DEI RICAVI € 33milioni nel 2016 EBT PREVISTO Numero di dipendenti (FTE)
  • 4. 4CONFIDENTIALGFT GROUP Istituzioni finanziarie leader a livello mondiale si affidano a noi 10/02/17 Capital Markets Private Wealth Retail Banking Insurance
  • 5. 5CONFIDENTIALGFT GROUP 4.800 esperti in 12 paesi 10/02/17 Canada (10) Toronto USA (80) Boston New York Costa Rica (110) Messico (120) Heredia Mexico City Brasile (800) Alphaville Curitiba São Paulo Sorocaba Perù Lima (founded 2016) UK (250) Londra Spagna (2.100) Alicante Barcellona Lleida Madrid Valencia Zaragoza Polania (600) Lodz Poznan Varsavia Germania (300) Bonn Eschborn/Frankfurt St. Georgen Stoccarda Italia (600) Firenze Genova Milano Montecatini Terme Padova Piacenza Siena Torino Svizzera (50) Basel Zurigo IMPORTANTI CLIENTI A LIVELLO MONDIALE (Numeri) = FTE sulla base dei risultati dell’ultimo trimestre
  • 6. 6CONFIDENTIALGFT GROUP Uniamo capacità consulenziali, creative e tecnologiche alla competenza nel settore finanziario Smart minds for digital transformation 10/02/17
  • 7. 7CONFIDENTIALGFT GROUP 10/02/17 Startups Established corporations Creative minds Investors Politics Media Piattaforma per l’innovazione globale All’interno del Gruppo GFT, CODE_n è una fonte trasversale di innovazione. Identifica le tendenze e i nuovi modelli di business per accelerare la trasformazione digitale e, allo stesso tempo, connette GFT al mondo delle start-up e dei pionieri digitali.
  • 8. INNOVATE. TRANSFORM. DELIVER. Febbraio 2017 Il sistema Antifrode di GFT
  • 9. 9CONFIDENTIALGFT GROUP Le frodi nel mercato assicurativo Le frodi diventano sia più numerose che sofisticate e di conseguenza stanno anche cambiando la modalità di gestirle nelle compagnie Frodi Individuali1 Frodi Organizzate Frodi da Terze Parti Circa il 64% delle frodi assicurative. Un fenomeno in aumento anche a causa della crisi finanziaria e del fatto che sia un comportamento percepito come «normale» dall’opinione pubblica Una frode pianificata a partire dalla sottoscrizione della polizza. Tipicamente l’organizzazione criminale, individuato il bersaglio, sottoscrive più polizze per poter colpire sistematicamente Un fenomeno in rapido aumento, dal momento che i clienti generalmente preferiscono riparare subito i danni piuttosto che ricevere un pagamento Migliorare la capacità di individuazione e la reattività 2 3 La media italiana dei sinistri fraudolenti si attesta al 2,5% (10% in Europa): denota la difficoltà che ha il mercato nazionale ad individuare i fenomeni fraudolenti nel mondo assicurativo
  • 10. 10CONFIDENTIALGFT GROUP Sistema Antifrode di GFT: introduzione GFT ha sviluppato una soluzione Antifrode che permette ad una compagnia di effettuare una efficace azione preventiva delle frodi (real time), oltre a permettere una più tradizionale azione reattiva (batch) a partire dai sinistri creati o modificati per individuare quelli sospetti  Approccio Reattivo – La gestione «tradizionale» delle frodi La gestione dell’Antifrode avviene dopo l’apertura del sinistro e si basa sul know-how e sulla sensibilità del liquidatore. Nel momento in cui viene individuato un possibile tentativo di frode, spesso l’unica opzione disponibile è quella di intraprendere azioni legali  Approccio Preventivo – Una nuova modalità di intercettare e valutare il rischio Consiste in una serie di procedure, strumenti e regole che sono applicate durante l’apertura del sinistro, nel momento in cui si contatta l’assicurato ed è possibile incalzarlo con domande mirate. Richiede una stretta integrazione tra sistemi durante tutto il processo di gestione del sinistro ed in particolare in fase di aperture del sinistro.
  • 11. 11CONFIDENTIALGFT GROUP  Più Prevenzione, non solo analisi a posteriori  Più Banche Dati: arricchimento dati con fonti esterne e fonti non strutturate (note, documenti, immagini, voce)  Miglior efficacia delle regole (riduzione falsi positivi, emersione falsi negativi, gestione regole)  Semplicità della risposta a mascherare la complessità dell’intelligenza sottostante Punti qualificanti del sistema Antifrode di GFT
  • 12. 12CONFIDENTIALGFT GROUP Sistema Antifrode di GFT: la roadmap Nel 2013 e 2014 partecipazione al gruppo di lavoro antifrode e ricerca congiunta con ; presentazione prototipo al CeBit di Hannover Nel 2015 viene installata la prima versione a scopi di investigazione presso l’ufficio antifrode di una compagnia italiana di un gruppo assicurativo internazionale Nel 2016 la soluzione è presentata al mercato ed arricchita con le componenti di Scoring e Cognitive Machine Learning Evoluzione: allargamento delle capacità di controllo: immagini, semantica, vocale; accordo per distribuzione internazionale
  • 13. 13CONFIDENTIALGFT GROUP Sistema Antifrode di GFT: caratteristiche della soluzione  Ampia base dati antifrode per analisi e investigazioni  Modalità di scoring sia real time sia batch con possibilità di integrazione via servizi o dati con i sistemi di compagnia  Scoring con regole di varia natura: deterministica, rassegna stampa, network, georeferenziata, cognitiva, testuale, con evoluzioni pianificate per veridicità immagini, false dichiarazioni vocali, semantica  Tracciatura della pratica in evidenza e degli esiti di scoring  Architettura tecnologica “leggera”, basata su tecnologie open source, integrata da prodotti di specializzati di terze parti e front- end a widget, responsive  Integrazione nativa con Guidewire ClaimCenter
  • 14. 14CONFIDENTIALGFT GROUP Sistema Antifrode di GFT: funzionalità principali  Configuratore regole  Scheda scoring  Evidenza regole scattate, follow-ups, network e georeferenziazione dei soggetti coinvolti  Log degli scoring  Lista degli scoring da esaminare  Strumenti di investigazione  Ricerca parametrica nella base dati antifrode  Scheda di sintesi dell’elemento in esame con evidenza di situazioni anomale  Georeferenziazione delle informazioni collegate all’elemento in esame  Network delle relazioni collegate all’elemento in esame e possibilità di aggiunta nodo con evidenza dei cammini di collegamento  Social scan (sperimentale)  Reportistica dei controlli antifrode  Motore di Cognitive Machine Learning  Creazione modello predittivo  Analisi variabili del modello predittivo  Inserimento manuale di regole e loro verifica di efficacia  Apprendimento e tuning del modello predittivo  Funzionalità disponibili come servizi accessibili dai sistemi Aziendali
  • 15. 15CONFIDENTIALGFT GROUP Sistema Antifrode di GFT: Le fonti dati attualmente gestite La soluzione utilizza dati strutturati e non strutturati provenienti dai sistemi di compagnia o da sorgenti esterne  Dati strutturati  Anagrafiche  Nominativo, indirizzi, email, cellulari, segnalato, …  Fiduciari e terze parti  Carrozzerie, legali, medici, …  Polizze  Data effetto e scadenza, premio, agenzia, …  Sinistri  Luogo e data di accadimento, stato del sinistro, …  Veicoli  Marca, modello, data immatricolazione, …  Database istituzionali  Es. BDS IVASS (codici fiscali e targhe), CERVED,CCI  Relazioni tra le entità sopra indicate  Coinvolti in sinistri, nucleo familiare, titolari di polizza, …  Antifrode  Risultati investigazione antifrode su singolo sinistro  Open data  Secondo le fonti disponibili  Dati non strutturati  Note testuali dai sistemi di Compagnia  Documenti digitali in formato PDF  Documenti in formato Microsoft Word®  File Excel  Mail di Newsletter
  • 17. 17CONFIDENTIALGFT GROUP Ricerca «real time» Ricerca «real time» Consente all’utente di eseguire query complesse ed accedere a tutta l’informazione memorizzata nei dataset Big Data Scheda documento Visualizza tutte le informazioni relative all’entità selezionata (persona, sinistro, polizza o veicolo) presenti nei database di Compagnia ed esterni. Consente l’accesso ai documenti correllati. Lista dei risultati Evidenza match, sorgenti ed highlight. Può essere arricchita integrando, ad esempio, l’evidenza di presenza in un archivio istituzionale
  • 18. 18CONFIDENTIALGFT GROUP Analisi della rete di relazioni Analisi della rete di relazioni E’ possibile espandere ciascun nodo della rete ed impostare filtri per visualizzare solo i nodi di interesse. Di ogni nodo l’utente può richiamare la scheda documento per avere accesso alle informazioni di dettaglio. Ricerca collegamento La funzione permette di individuare un cammino nella rete di relazioni tra tutte le entità presenti nei database applicativi. E’ possibile impostare la profondità della ricerca e filtri sulle entità da attraversare
  • 19. 19CONFIDENTIALGFT GROUP Geo referenziazione Geo referenziazione Geo referenziazione di ciascun riferimento geografico presente in un documento ed in quelli collegati. La funzione integra StreetView®. Open Data Il componente standard di GoogleMaps® è arricchito dai dati provenienti da un dataset «Open Data» istituzionale
  • 20. 20CONFIDENTIALGFT GROUP Caso d’uso : Investigazione Il nostro operatore sta esaminando la situazione di un sinistro aperto Il Sig.Rossi, il contraente della polizza, afferma che l’incidente è avvenuto in una zona trafficata della città. 1 Il nostro operatore ricerca il Sig.Rossi nel sistema ed accede alla sua scheda.. Il Sig.Rossi è stato coinvolto in due altri sinistri ed è segnalato in un database istituzionale. 2 L’operatore prosegue l’indagine ricercando il numero di cellulare del Sig.Rossi. I risultati ci rivelano che il numero è associato a tre differenti profili, ognuno dei quali coinvolto con diversi ruoli in diversi sinistri, oltre ad essere numero di una carrozzeria e, in una nota testuale, associato ad un altro sinistro. Le evidenze suggeriscono che in realtà si tratti sempre della stessa persona. 3 Allertato dai primi risultati l’operatore pone l’attenzione sul sinistro ed utilizza il tool di analisi della rete di relazioni al fine di avere una vista completa del sinistro e dei fatti ad esso correlati. 4 La geo referenziazione dell’informazione consente all’operatore di visionare il luogo di accadimento del sinistro e di verificare le dichiarazioni del Sig.Rossi. L’incidente è avvenuto in una zona periferica della città. 5 Le prove suggeriscono all’operatore che si tratti di un possibile tentativo di frode. Il nostro operatore blocca la liquidazione e segnala il sinistro all’uffucio Antifrode di Compagnia. Video
  • 21. 21CONFIDENTIALGFT GROUP Sistema Antifrode di GFT: lo strumento di analisi cognitiva  In molte realtà assicurative il contrasto alle frodi si fonda sulla presenza di indicatori manuali, sulla diagnosi sul territorio e sull’utilizzo di complessi algoritmi matematici  Tuttavia persiste la necessità di migliorare le capacità di individuare situazioni fraudolente  Regole che invecchiano nel tempo  Regole non sufficientemente precise  Problemi nel garantire un numero ridotto di falsi positivi (segnalazioni di frodi che non risultano tali) e al tempo stesso minimizzare i falsi negativi (frodi non intercettate)  I moderni sistemi cognitivi, che analizzano i dati e apprendono da esempi, si stanno diffondendo come strumento per massimizzare l’efficacia delle regole predittive  GFT per individuare, eseguire e monitorare le regole più efficaci in situazione di frode sinistri, utilizza un motore cognitivo di un proprio partner specializzato, Rulex®
  • 22. 22CONFIDENTIALGFT GROUP Rulex: caratteristiche principali  Rulex, il prodotto distribuito e utilizzato da GFT, offre una risposta completa ed esauriente alle molteplici necessità di individuazione di modelli predittivi e automazione delle decisioni  Rulex è una piattaforma di “Cognitive Machine Learning” per automatizzare la capacità predittiva e renderla disponibile in modalità real time  Rileva automaticamente i dati e i valori più rilevanti per spiegare un fenomeno  Deduce velocemente le regole predittive per le diverse situazioni di business  Pubblica il suo risultato in maniera comprensibile e modificabile  Fornisce la logica predittiva da eseguire in applicazioni e hardware esterni  Soddisfa alla futura normativa GDPR  Permette di esplicitare modelli «black-box» già in uso  GFT e Rulex mettono a disposizione dei propri clienti dei «template» per accelerare la messa in opera di modelli predittivi
  • 23. 23CONFIDENTIALGFT GROUP Applicazione su caso reale Riduzione dei costi per l’analisi dei sinistri fraudolenti individuando le potenziali frodi in modo efficiente ed automatico  E’ stata svolta una analisi con la piattaforma Rulex a partire da circa 175.000 sinistri (e dati correlati) forniti dalla Compagnia  L’analisi è impostata su 51 indicatori condivisi con gli esperti di dominio, selezionati tra dati geografici, di rete di vendita, di portafoglio e del sinistro  Il modello di frode generato è composto da 40 regole deterministiche che sono in grado di spiegare il 95% dei fenomeni nel complesso  Il modello ha individuato il 20%(*) di falsi positivi tra le segnalazioni del sistema antifrode di Compagnia ed il 5%(**) di falsi negativi (*) Circa 400 su 2.000 sinistri segnalati dal sistema antifrode (**) Circa 9.000 su 173.000 sinistri non segnalati da sistema antifrode
  • 24. 24CONFIDENTIALGFT GROUP Shaping the future of digital business 10/02/2017 GFT Italy Dante Laudisa Marketing and Communication Director Via A. Campanini, 6 20124 Milan (Italy) T +39 02.58158.1 dante.laudisa@gft.com