La segmentación es ampliamente utilizada en varios sectores económicos y en la gestión de riesgos de lavado de activos y financiación del terrorismo, es aplicada en el proceso de análisis de los factores de riesgo, es decir, clientes / contrapartes, productos, canales y jurisdicciones.
Para hablar de modelos de segmentación de factores de riesgos de LAFT, primero es importante entender qué es la segmentación y para qué sirve.
En términos generales, la segmentación consiste en el proceso de agrupar individuos o elementos a partir de unas características determinadas que los hacen similares entre sí y diferentes a otros grupos, facilitando así el análisis de los conjuntos.
La segmentación es ampliamente utilizada en varios sectores económicos y puede ser implementada bajo distintos métodos, entre los que se encuentran la agrupación manual a partir de conocimientos del negocio o el uso de herramientas automatizadas como algoritmos de Machine Learning.
En la gestión de riesgos de lavado de activos y financiación del terrorismo, la segmentación se aplica en el proceso de análisis de los factores de riesgo, es decir, clientes / contrapartes, productos, canales y jurisdicciones, a partir de grupos homogéneos al interior de ellos y heterogéneos entre ellos; resultado de la segmentación.
Algunos beneficios que tiene la aplicación del proceso de segmentación en el contexto de la gestión de riesgos de LAFT son:
Sumado a lo anterior, es importante saber que el modelo de segmentación es una herramienta que sirve para automatizar y facilitar la identificación y monitoreo de comportamientos anómalos a través del uso de modelamiento matemático y estadístico.
A continuación te compartimos buenas prácticas que debes tener en cuenta para el despliegue de un modelo de segmentación de factores de riesgos de LAFT en tu organización, tomando como referencia la metodología CRISP-DM, un ciclo de vida iterativo para la minería de datos que consta de seis fases.
Igualmente, incluimos recomendaciones claves para que el modelo de segmentación utilizado realmente genere valor para tu organización y cumpla con uno de sus principales objetivos: la generación de alertas automáticas sobre cambios en el comportamiento transaccional de los clientes y contrapartes, que podrían ser indicio de involucramiento en delitos como el lavado de activos, la financiación del terrorismo o la proliferación de armas de destrucción masiva.
Es importante que tengas en cuenta que este documento de buenas prácticas está basado en la normativa más completa que existe hasta el momento, la colombiana, pues no todas las regulaciones exigen todos los factores de riesgo, además, las recomendaciones se aplican de manera diferente para cada industria u organización.
CRISP-DM, Cross Industry Standard Process for Data Mining (Proceso Estándar para Minería de Datos en Industrias Cruzadas), es una metodología probada y muy utilizada en proyectos de minería de datos y aprendizaje automático, su objetivo es el desarrollo de modelos a partir de la información y datos específicos de un negocio.
Esta metodología es flexible y puede adaptarse fácilmente a cada industria y contexto.
CRISP-DM está compuesta por seis fases:
Cada una de estas fases de la metodología CRISP-DM son importantes para una buena implementación de un modelo de segmentación de factores de riesgos de LAFT.
A continuación te explicamos de qué se trata cada una de estas seis fases de la metodología CRISP-DM y te brindamos recomendaciones a considerar en cada una de ellas.
Esta primera fase es de las más importantes de toda la metodología. Se trata de conocer muy bien el negocio: cómo es, cuál es el alcance que tiene en el mercado, cuáles son las características y particularidades de los productos o servicios, quiénes son los clientes, cuáles son los canales de distribución y toda la información que pueda impactar en los objetivos del negocio.
Luego de conocer y entender muy bien el negocio, la siguiente fase es entender los datos que se tienen almacenados y que servirán de insumo para el modelo de segmentación, por ejemplo, toda la información sobre el conocimiento de los clientes y contrapartes.
Esta tercera fase está muy relacionada con la anterior, ya que para preparar los datos es necesario entenderlos y tener el conocimiento y dominio del core del negocio.
El objetivo de la preparación de los datos es que la información cumpla con unas características mínimas para que el modelo de segmentación (modelo matemático y estadístico) no se vea afectado y pueda tener una buena respuesta tanto a nivel técnico como en su ejecución.
Con el sistema de gestión de riesgos de lavado de activos de Pirani, a través de la sección de Segmentación, te apoyamos en el proceso de preparación de los datos para la posterior elección del modelo matemático de segmentación que implementarán. Eso sí, es importante que sepas que la calidad de la base de datos es 100% responsabilidad de tu organización.
Una vez se tienen los datos listos, la siguiente fase es el modelamiento, es decir, la elección tanto del modelo de segmentación a utilizar, también llamado algoritmo, como de las variables adecuadas.
Para esta fase, en Pirani te ofrecemos dos modelos de segmentación: K-Means y Biétapico.
En resumen, lo clave de esta fase de la metodología es probar diferentes modelos o algoritmos y a partir de los resultados, elegir cuál se ajusta mejor a las necesidades de la organización. Igualmente, probar y analizar distintas variables para cada uno de los factores de riesgo (clientes, productos, canales y jurisdicciones) y seleccionar las adecuadas para el negocio, esto va a permitir caracterizar los diferentes segmentos.
Después de elegir el modelo o algoritmo que va a ser implementado, se debe evaluar o validar su resultado, si este es acorde a las expectativas del negocio. Puede hacerse con una simple inspección o también con procesos automáticos como pruebas de robustez.
El objetivo de esta fase es validar el modelo de segmentación, que el resultado sí sea coherente con lo esperado.
Si al evaluar el resultado todo está correcto, en esta última etapa se despliega el modelo completo de segmentación con el fin de agregar realmente valor para la organización.
Con Pirani podrás iniciar la ejecución del modelo seleccionado, al hacerlo tendrás los factores de riesgo agrupados en diferentes segmentos, así como la información sobre su comportamiento transaccional.
El modelo de segmentación de factores de riesgos de LAFT no termina en la fase de despliegue. Después de esto es fundamental tener unas políticas claras sobre cómo realizarle mantenimiento y soporte al modelo para darle continuidad. Es recomendable:
En Pirani podemos acompañar a tu organización a implementar de manera adecuada un modelo de segmentación de factores de riesgos de LAFT con el que puedan agruparlos y entender sus características para así poder monitorear fácilmente su comportamiento transaccional y evitar un posible involucramiento en riesgos LAFT.
Si quieres conocer más sobre cómo funciona la sección de Segmentación de nuestro sistema de gestión de riesgo de lavado de activos AML, solicita una demostración con nuestro equipo experto.
Y conoce cómo podemos ayudarte a hacer de la gestión de riesgos en tu organización un proceso más simple y eficiente.
Empezar prueba gratis