La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

Pag. 1 eidos consult BUSINESS PROCESS PERFORMANCE due aspetti di interesse ECONOMIA AZIENDALE Roma, 13 Dicembre 2007.

Presentazioni simili


Presentazione sul tema: "Pag. 1 eidos consult BUSINESS PROCESS PERFORMANCE due aspetti di interesse ECONOMIA AZIENDALE Roma, 13 Dicembre 2007."— Transcript della presentazione:

1 pag. 1 eidos consult BUSINESS PROCESS PERFORMANCE due aspetti di interesse ECONOMIA AZIENDALE Roma, 13 Dicembre 2007

2 pag. 2 eidos consult ARGOMENTI TRATTATI 1. LE FRODI NEL MONDO DELLE TELECOMUNICAZIONI (MA NON SOLO….) 2. GLI EVENTI ESTREMI

3 pag. 3 eidos consult LE FRODI E GLI EVENTI ESTREMI SI TRATTA DI DUE FATTISPECIE: 1. AD ELEVATO IMPATTO ECONOMICO PER OGNI AZIENDA; 2. LE MODALITA DI APPROCCIO AL PROBLEMA E LE TECNICHE DI CONTROLLO DI PROCESSO PUR AVENDO UN COMUNE APPROCCIO CONCETTUALE E TEORICO, SI DIFFERENZIANO CASO PER CASO SIA PER LE SOLUZIONI ORGANIZZATIVE CHE PER QUELLE TECNOLOGICHE.

4 pag. 4 eidos consult INVENTA LEGE,INVENTA FRAUDE ovvero fatta la legge…trovato linganno 1. IL PROCESSO DI FRAUD MANAGEMENT È LINSIEME DELLE ATTIVIT,RISORSE E ORGANIZZAZIONE IN UNA AZIENDA DEPUTATO AL CONTENIMENTO DELLE FRODI 2. ALCUNE DOMANDE: CHI FRODA? QUALE È LA FINALIT DI UNA FRODE SI POSSONO EVITARE ; COME E IN CHE MISURA? È POSSIBILE METTERE E MANTENERE SOTTO CONTROLLO LINTERO PROCESSO?

5 pag. 5 eidos consult Fraud Management Story….. We dont have a fraud problem Have we got a fraud problem? We might have a fraud problem BIG Erm….. (We just had a BIG fraud incident) We investigate frauds as they occur We learn from fraud incidents to help prevent them happening again We manage our fraud problem through prevention, detection and analysis

6 pag. 6 eidos consult STIMA WORLDWIDE : Miliardi $ 47 % DEGLI OPERATORI DICHIARA FRODI IN CRESCITA LA FRODE DA SOTTOSCRIZIONE E ANCORA LA PIU FREQUENTE NEL FISSO NELLE FRODI TRAMITE PBX, LUSO DELLA VOICE MAIL E IL DIAL IN/OUT SONO I PIU FREQUENTI NEL MOBILE SMS MASSIVI, ROAMING, PREPAGATO FRODI NELLE TELECOMUNICAZIONI

7 pag. 7 eidos consult SHARE DELLE PERDITE (ordine di grandezza): FRODI NELLE TELECOMUNICAZIONI NORD AMERICA EUROPA ASIA PACIFICO ALTROTOTALE GRAN TOTALE MOBILE FISSO 5,81 %2,98 %4,11%1,78 % 14,68 % 36,69 % 20,96 %19,35 % 8,31 % 85,32 % 42,50 % 23,94 % 23,47%10,09 % 100,00 %

8 pag. 8 eidos consult STIMA DELLE FRODI NEL MERCATO ITALIANO ( Ordini di grandezza) OVERALL: 3, SHARE FISSO /MOBILE : 1/1.85 FRODI NELLE TELECOMUNICAZIONI

9 pag. 9 eidos consult Fraud Management Process Fraud Prevention in the Fraud Prevention in the provisioning phase Fraud Prevention Fraud Prevention during the design during the design phase of new phase of new services services Fraud Management Process Fraud losses forecast (objectives) forecast (objectives) quick estimation quick estimation evaluation evaluation Integration of: Fraud Control Fraud Control Fraud Intelligence Fraud Intelligence

10 pag. 10 eidos consult UN ESEMPIO ECLATANTE CIRCA 100 MILIARDI DI LIRE PERSI DA OPERATORI EUROPEI NEL 2001 PER UNA VENDITA DI TRAFFICO PREPAGATO ORGANIZZATA IN CAMPANIA BASILICATA PUGLIE, MEDIANTE INTRUSIONE DI PABX E SCOPERTA DA TELECOM ITALIA.

11 pag. 11 eidos consult CARTE DI CREDITO: REAL NAMES DI PALO ALTO; TRASFERT I DATI DI CLIENTI DA HACKERS CINESI (MARZO 2000) FISCO: FALSI RIMBORSI IVA PER 116 MILIONI DI (20 ARRESTI, 172 DENUNCE, 255 SOCIETA FANTASMA – CASERTA,LUGLIO 2002) FRODI NEGLI ALTRI SETTORI (CASI ESEMPLIFICATIVI)

12 pag. 12 eidos consult Il malcostume delle truffe alle compagnie assicurative è costato, in quattro anni, un miliardo di euro. È quanto risulta da unindagine dellEurispes, che individua nellassenza di fiducia tra compagnie ed assicurati la causa del proliferare di questo fenomeno criminale. Tra le regioni in cui si registra il più alto numero di frodi spiccano quelle meridionali, anche se il fenomeno è in crescita preoccupante un poin tutte le regioni. Le province più colpite sono quelle di Napoli, Caserta, Foggia, Messina, Salerno e Bari. FRODI NELLE ALTRI SETTORI (CASI ESEMPLIFICATIVI)

13 pag. 13 eidos consult OBIETTIVI DEL PROCESSO DI FRAUD MANAGEMENT (1) RIDURRE E TENERE SOTTO CONTROLLO IL NUMERO DI NUOVE ACQUISIZIONI CON FRODE ACCERTATA RIDURRE E TENERE SOTTO CONTROLLO IL NUMERO ED IL VOLUME DELLE FRODI RIDURRE IL NUMERO DELLE POSIZIONI ED IL VOLUME DEL CREDITO RELATIVE A FRODI

14 pag. 14 eidos consult OBIETTIVI DEL PROCESSO DI FRAUD MANAGEMENT (2) RIDURRE IL NUMERO DI RECLAMI PER TRAFFICO NON RICONOSCIUTO FARE CUSTOMER RETENTION FARE WINBACK ANTICIPARE LA CONCORRENZA NEL CONTROLLARE LE FRODI MEGLIO E PIÙ VELOCEMENTE

15 pag. 15 eidos consult OBIETTIVI DEL PROCESSO DI FRAUD MANAGEMENT (3) 1. FAR DIVENIRE IL FRAUD MANAGEMENT UNOPPORTUNITA PER INCREMENTO RICAVI 2. SPOSTARE VERSO LA CONCORRENZA LE FRODI, IL NUMERO DELLE POSIZIONI ED IL VOLUME DEL CREDITO RELATIVO A FRODI

16 pag. 16 eidos consult TECNICHE BASILARI DEL FRAUD MANAGEMENT RISK MANAGEMENT VALUTAZIONE DELLEFFICACIA DECISIONALE (FALSI POSITIVI; FALSI NEGATIVI) PREVENZIONE, CONTROLLO, INTELLIGENCE, CONTRASTO (politica del..prima del dopo, di controllo attivo, di capire i fenomeni fraudolenti dal di dentro, limitare il danno in tutti i modi) QUANTIFICAZIONE DANNO CONTROLLO INDUSTRIALE DI PROCESSO KPI COME OBIETTIVI INCENTIVANTI PER I GRUPPI E PER I SINGOLI

17 pag. 17 eidos consult TECNICHE BASILARI DEL FRAUD MANAGEMENT DISASTER RECOVERY BUSINESS CONTINUITY FORECASTING E BACKCASTING CON MODELLI ARIMA, VOLTERRA-LOTKA INVESTIGAZIONE (LINK_ANALYSIS) ANALISI STATISTICA

18 pag. 18 eidos consult Definition of new Product / services Fraud Control Prevention Loss Evaluation Fraud Engineering IL PROCESSO DI FRAUD MANAGEMENT FRAUD MANAGEMENT Billing Bad Debt Customer Care Product / services Marketing

19 pag. 19 eidos consult Prevention Fraud Contrast Loss Evaluation Fraud Engineering FRAUD MANAGEMENT Customer Retention Customer Retention Revenue protection Revenue protection New Business Opportunities New Business Opportunities IL PROCESSO DI FRAUD MANAGEMENT

20 pag. 20 eidos consult Fraud Detection &Management System High Usage Detection ALTO TRAFFICO E FRODI TRAFFICO FRAUDOLENTO ALTO TRAFFICO

21 pag. 21 eidos consult Fraud Management Customer Care Marketing Anomalous service usage Request for analysis due to client claim Traffic Data collection Traffic records Client Traffic Profiles Charging & Billing Revenue Realization Contracts Definition Service Order Control Billing Contracts Accounting Position Customer premises information SCENARIO DI RIFERIMENTO PER IL PROCESSO DI FRAUD MANAGEMENT

22 pag. 22 eidos consult PASSI PRINCIPALI ANALISI DEL TRAFFICO CON FILTRI DI 1° LIVELLO (SOGLIE DI CONSUMO) ANALISI DI COMPORTAMENTI FRAUDOLENTI CON FILTRI DI 2° LIVELLO (CORRELAZIONE PER DESTINAZIONE / ORIGINE / CONSUMO / ETC.) PROGRAMMBILITA DEI FILTRI SEGNALAZIONI DI ALLARME AL CC Traffic Analysis Fraud Analysis Filters Programmability Alarms Signalling

23 pag. 23 eidos consult RISULTATI TIPICI FENOMENO FRAUDOLENTO SOTTO CONTROLLO: PERDITE PER FRODE: <0.1% DEL FATTURATO FENOMENO FRAUDOLENTO FUORI CONTROLLO: PERDITE PER FRODE : 2-3 % del fatturato NUOVE UTENZE CON FRODE ACCERTATA: < 1-2 % RECUPERO DI CREDITI PREGRESSI PER CLIENTI CESSATI CHE CHIEDONO NUOVI IMPIANTI (.. ad es. con false generalità) > % NUMERO DI RECLAMI PER TRAFFICO NON RICONOSCIUTO : (<0,1%)

24 pag. 24 eidos consult TEORIA DEI VALORI ESTREMI E APPLICAZIONI HOWEVER BIG FLOODS GET, THERE WILL ALWAYS BE A BIGGER ONE COMING; SO SAYS ONE THEORY OF EXTREMES, AND EXPERIENCE SUGGESTS IT IS TRUE. Presidents Water Resources Policy Commission, Report 1950, pag. 141.

25 pag. 25 eidos consult GLI EVENTI (VALORI)ESTREMI, SE NON PREVISTI ADEGUATAMENTE IN ANTICIPO, E IN ASSENZA DI STRUTTURE ORGANIZZATIVE E MEZZI ADEGUATI, POSSONO CAUSARE DANNI INGENTISSIMI IN OGNI SETTORE DI ATTIVITÀ UMANE. EVENTI ESTREMI

26 pag. 26 eidos consult La Teoria dei Valori Estremi Si occupa dello studio di eventi rari ed è inizialmente nata nellambito della previsione di catastrofi naturali. Nelle applicazioni finanziarie levento raro può corrispondere al fallimento di una società, al crollo del prezzo di un titolo azionario o di un portafoglio. La Teoria dei valori estremi (EVT) si affianca allanalisi statistica standard, che analizza i fenomeni nella media fornendo strumenti di diagnostica per studiare gli venti rari, ovvero quelli che si trovano nelle code di una distribuzione. Ad esempio, lapplicazione della EVT in ambito finanziario cerca di stimare la forma di distribuzione del rendimento di una posizione finanziaria SOLO per quanto riguarda le code di tale distribuzione ed è basata sullanalisi dei soli dati estremali nella serie storica dei rendimenti passati.

27 pag. 27 eidos consult ALCUNI ESESEMPI 1. LO TSUNAMI NELLOCEANO NELLOCEANO INDIANO UN PAIO DI ANNI FA 2. IL BLACK – OUT DELLA RETE ELETTRICA ITALIANA 3. LALLUVIONE DI FIRENZE 4. SOVRACCARICHI ECCEZIONALI IN GRANDI STRUTTURE

28 pag. 28 eidos consult CAMPI DI APPLICAZIONE 1)Aeronautica 2)Idrologia 3)Costruzioni navali 4)Finanza 5)Meteorologia 6)Grandi impianti 7)Grandi strutture

29 pag. 29 eidos consult Per rappresentare le code di una distribuzione si analizzano gli eventi estremali che possono essere rappresentati da due diverse variabili: 1)Il massimo a blocchi delle variabili aleatorie osservate; 2)Il valore degli eccessi sopra una soglia prefissata u. Dalle medie agli estremi …

30 pag. 30 eidos consult PROCEDIMENTO CONCETTUALE 1. SULLA BASE DI ESPERIENZE PASSATE SI OPERA UN PREVISIONE DI VALORI ESTREMI 2. SI INDIVIDUANO LE SOLUZIONI PROGETTUALI, TECNOLOGICHE ED ORGANIZZATIVE PER ASSICURARE, SE POSSIBILE, UNA FREQUENZA DI OCCORRENZA DEGLI EVENTI ESTREMI AL DI SOTTO DI CERTI VALORI E DI INDIVIDUARE LE MIGLIORI SOLUZIONI TECNOLOGICHE ED ORGANIZZATIVE

31 pag. 31 eidos consult PROBLEMI TIPICI 1. POCHI DATI E TEMPI LUNGHI DI RACCOLTA 2. I FENOMENI NEI VARI SETTORI DI BUSINESS SEGUONO STATISTICHE DIVERSE E SPESSO NON SI CONOSCONO LE DISTRIBUZIONI 1.IL VALORE DI UNA OSSERVAZIONE CADE AL DI LA DEI LIMITI CHE RAGIONEVOLMENTE CI SI ASPETTA? 2.I VALORI ESTREMI HANNO UN COMPORTAMENTO REGOLARE 3.LA CLAUSULA REBUS SIC STANTIBUS E NECESSARIA? DOMANDE TIPICHE

32 pag. 32 eidos consult TECNICHE STATISTICHE PER LA PREVISIONE DEGLI ESTREMI 1. STATISTICA DELLORDINE (ORDER STATISTICS) 2. VALUTAZIONE DELLE ECCEDENZE 3. STUDIO ANALITICO DEGLI ESTREMI NEL CASO DI DISTRIBUZIONI NOTE

33 pag. 33 eidos consult RELAZIONI DI PARTENZA PER I MINIMI E MASSIMI Se F(X) è la distribuzione nota di un fenomeno e n è la dimensione di un campione di misure indipendenti si ha: Φ M (x)= F(x) n probabilità che il massimo campionario η n sia x Φ m (x)= 1- (1-F(x)) n probabilità che il minimo campionario ζ n sia x

34 pag. 34 eidos consult STUDIO ANALITICO PER F(X) NOTE SE F(X) SI SUPPONE NOTA, E POSSIBILE VALUTARE: - Il tempo medio di ritorno degli estremi (T(X)=1/(1-Φ(x)) - il valore medio del range -Le statistiche di ordine -La probabilità delle eccedenze -I valori caratteristici ( F(u n ) = 1-1/n) e F(u 1 )=1/n -Il valore modale -I momenti

35 pag. 35 eidos consult E SE F(X) NON E NOTA? NIENTE …. PAURA 1. Fisher, R.A, and Tippet L.H.C.: Limiting forms of frequency distribution of the largest or smallest member of a sample, 1928 Proc. Cambridge Phil. Soc.,, 24: Gnedenko, B.V., Sur la distribution limite du terme maximum dun série aléatoire, 1943 Ann Math., 44: Fisher e Tippet hanno introdotto il postulato di stabilità: 4. Gnedenko ha dimostrato le condizioni necessarie e sufficienti per la esistenza per i tre asintoti.

36 pag. 36 eidos consult La distribuzione del massimo campionario Consideriamo nuovamente la successione X 1,X 2,…X n… di v.a. i.i.d ponendo la nostra attenzione non più sulla media aritmetica ma sul massimo campionario delle v.a. Definiamo quindi: La distribuzione del massimo è descritta dalla funzione di ripartizione ottenuta come: Banalmente, se x è un valore tale che F(x)<1 allora: Risultato di poco interesse η n = max (X 1, X 2, …, X n ) F M,n (x) = Prob( η n x ) = [ F(x) ] n F M,n (x) = 0 se n

37 pag. 37 eidos consult LA DISTRIBUZIONE DEL MASSIMO CAMPIONARIO Un risultato limite interessante si ottiene normalizzando la variabile massimo mediante una costante a n di scala e una costante b n di posizione, come segue Se una tale distribuzione limite H esiste ed è non degenere, allora deve necessariamente appartenere ad una certa classe di distribuzioni denominate del valore estremo generalizzato (GEV). In tale caso si dice che le v.a. X 1,X 2,…X n …hanno la funzione H come dominio di attrazione per il massimo. F M,n (x) = Prob [ ( η n - b n ) ) / a n x ] = [ F(a n x + b n )] n = H(x) (se n)

38 pag. 38 eidos consult Distribuzioni limite Le tre tipologie di funzioni di ripartizione possono essere scritte in una forma comune del tipo: H(x) = exp {- exp[ -(x-ε)/α]} - 0; Gumbel H(x) = exp {- [ (x- ε)/α] -β } ; xγ ; α, β >0; Fréchet H(x) = exp {- [- (x- ε)/α] β } ; xγ ; α, β >0; Weibull

39 pag. 39 eidos consult DISTRIBUZIONI LIMITE PER I MASSIMI Considerando una variabile normalizzata si ha corrispondentemente : H(x) =exp[-exp(-x)] Gumbel H(x) = 0 se x<0 exp [-x -β ] x 0; β> 0 Fréchet H(x) = 1 se x>0; = exp[-(x) β ] se x 0 ; β>0 Weibull

40 pag. 40 eidos consult CARATTERISTICHE NUMERICHE DELLA FUNZIONE DI GUMBEL Valore medio: ε + γα (γ = cost. Eulero-Mascheroni 0, ) Varianza : ( π α )2 /6 Moda: ε Mediana: ε - α loglog(2) Q1: ε - α loglog(4) Q3: ε - α loglog(4/3) Q(moda): 1/e =

41 pag. 41 eidos consult DISTRIBUZIONE DEI MINIMI definito ζ n = min (X 1, X 2, …, X n ) Se si osserva che : ζ n = - max (-X 1, -X 2, …, -X n ) Si possono trovare i tre asintoti per la distribuzione dei minimi, applicando i risultati trovati per i valori massimi.

42 pag. 42 eidos consult LA DISTRIBUZIONE DEGLI ECCESSI Fissato un valore soglia u indichiamo con Y la v.a. degli eccessi da u, Y=X-u. Consideriamo la distribuzione condizionata: Quando la soglia u tende al valore massimo per la v.a. X è possibile trovare una funzione di distribuzione limite per tale distribuzione condizionata.

43 pag. 43 eidos consult La distribuzione degli eccessi Se un tale limite esiste questo appartiene alla classe delle distribuzioni Pareto Generalizzate (GPD) ovvero, se: allora: Esponenziale Pareto e Beta

44 pag. 44 eidos consult Si noti che, assegnata una distribuzione F per la successione di v.a. iid, un tale limite per la distribuzione condizionata degli eccessi esiste se e solo se esiste il limite per la distribuzione del massimo campionario e il parametro di forma coincide. Pertanto, se il parametro di forma è positivo la distribuzione possiede code lunghe e pesanti, se è negativo, code corte o troncate e se è nullo code che decadono in modo esponenziale. Risultati interessanti sulle caratteristiche delle distribuzioni GPD sono i seguenti:

45 pag. 45 eidos consult CASO DI APPLICAZIONI FINANZIARIE Il parametro che risulta più importante da stimare per capire la forma delle code della distribuzione empirica dei dati di mercato (rendimenti della nostra posizione finanziaria) è il parametro di forma. Questo può essere indifferentemente stimato tramite la distribuzione del massimo (a blocchi) fissato un numero sufficientemente alto n di osservazioni oppure tramite la distribuzione condizionata degli eccessi, fissato una soglia sufficientemente alta. Il numero di osservazioni in un caso, la soglia nellaltro sono scelte arbitrarie che possono alterare il valore della stima.

46 pag. 46 eidos consult VALUE AT RISK Il Value at Risk (Valore a Rischio) è definito come la perdita massima al di sotto della quale si può andare solo con una bassa probabilità. Se con X t, t=1,2,…,n rappresentiamo la serie storica del rendimento della nostra posizione finanziaria X, si ha: P(X n+1 ) < -VAR) = α Il Value at Risk è quindi un quantile, corrispondente in genere al 5% o all 1%, della distribuzione di probabilità del rendimento della posizione finanziaria X su un orizzonte temporale prefissato (ad esempio 1 giorno, una settimana, etc.). Dal 1986 il Comitato di Basilea ha stabilito che le istituzioni finanziarie sono tenute a calcolare (stimare) il proprio VaR come misura del capitale a rischio della società. Le istituzioni sono altresì tenute ad accantonare un capitale come assicurazione contro eventuali perdite, in modo proporzionale al VaR calcolato e alla loro Affidabilità (rientrando nel passato nel VaR calcolato, etc.).

47 pag. 47 eidos consult CASO DI APPLICAZIONI AL FRAUD MANAGEMENT LE APPLICAZIONI DEI VALORI ESTREMI SONO UTILI A: 1.VALUTARE LE FRODI OLTRE UN CERTO VALORE PREFISSATO 1.STIMARE A DISTRIBUZIONI DEGLI ESTREMI PER VALUTARE UN BOUND SUPERIORE ALLE PERDITE

48 pag. 48 eidos consult GRAZIE PER LATTENZIONE


Scaricare ppt "Pag. 1 eidos consult BUSINESS PROCESS PERFORMANCE due aspetti di interesse ECONOMIA AZIENDALE Roma, 13 Dicembre 2007."

Presentazioni simili


Annunci Google