logo
Top

Machine Learning: grande aliado na identificação de possíveis fraudes

Em um país de dimensões continentais como o Brasil, atuar no setor de logística requer muito cuidado e controle, seja dos prazos de entrega, da qualidade do que é oferecido ou da segurança dos profissionais que nele atuam. São muitas etapas e muitas pessoas envolvidas no processo desde a saída de um produto da indústria até seu destino final. Muito tempo, dinheiro e material humano é despendido. Assim, minimizar toda e qualquer dificuldade possível é uma contribuição mais do que necessária para o setor.

 

Uma das maiores preocupações atuais do setor logístico no Brasil está relacionada com a segurança daquilo que se transporta. Todas as organizações do segmento sentem na pele essa dificuldade. A boa notícia é que o Machine Learning (algoritmos baseados em aprendizado de máquina) vem sendo utilizado com sucesso na identificação de possíveis fraudes.

 

Busca por melhor gestão

 

É muito comum que as empresas de logística tenham uma quantidade enorme de dados armazenados. Isso pode incluir informações como:

  • Produtos transportados;
  • Volumes, valores;
  • Rotas;
  • Origem e destino.

 

Além disso, a grande maioria das transportadoras já trabalham com dados on line, como GPS ou registro de eventos, e algumas empresas já utilizam até telemetria em seus caminhões.

 

Um cenário relativamente comum é que as empresas utilizem esses dados de forma transacional, ou seja, apenas para executar o transporte. Elas deixam de lado um potencial muito grande de informações que poderiam ser extraídas destes dados. Modelos preditivos e prescritivos poderiam utilizar estes dados para prever determinadas situações e indicar possíveis soluções. Uma das possíveis aplicações é utilizar o Machine Learning para identificar potenciais fraudes durante o transporte.

 

Machine Learning: o grande aliado

 

Recentemente a UniSoma trabalhou em uma solução deste tipo para uma grande empresa do setor logístico.  Com o diferencial de contar com uma equipe de profissionais com formação técnica muito forte,   experts em técnicas avançadas de modelagem, estatística, otimização de alta complexidade e Machine Learning, a UniSoma trabalhou  em conjunto com  o cliente.

 

Foram dois meses de estudos analisando os dados de viagens. Informações como rotinas de trabalho, comportamentos e pontos críticos também foram estudados.

 

Iniciou-se então o desenvolvimento da solução, usando uma abordagem apoiada em estatística aplicada e Machine Learning.  Foram utilizadas as séries históricas das viagens, com e sem incidentes, para aprender os padrões e características que explicavam tais incidentes, e então gerar um “score” de risco por viagem. Foram em torno de cinco meses entre a implantação, adaptação e perfeito funcionamento da solução.

 

Sistema no ar, hora de agir

Com a pontuação disponível, o sistema da UniSoma passou a trabalhar em cima de dados “quentes”, identificando quaisquer alterações no “score” de cada viagem. Ou seja, assim que os dados fogem do padrão identificado pelo Machine Learning, o sistema aciona um alerta para a empresa. Daí em diante, ela pode monitorar exatamente onde, quando e o que estava acontecendo.

 

Com esse monitoramento em mãos, começaram as ações preventivas antifraude. Afim de evitar as perdas, passaram a integrar ao procedimento ações que visavam diminuir riscos como assaltos durante o percurso e situações similares.

 

Um dos pontos chave para o sucesso do projeto foi contar com profissionais da UniSoma capacitados em ciência de dados, principalmente em técnicas avançadas de Machine Learning. Acima de tudo, desenvolver uma solução diferenciada, completamente customizada às necessidades específicas do cliente, é algo que poucos conseguem oferecer no mercado.

 

* Usamos informações verídicas de um cliente UniSoma para compor o texto, mas a identidade da empresa em questão foi preservada.

 

Post a Comment