Machine learning

Prevención de fraudes y machine learning

En 2019, el 35% de las compras realizadas en Chile se hacían por e-commerce, un 30 – 40% mayor que en 2018 y una cifra en crecimiento cada año. Sin embargo, el escenario del Coronavirus generó un crecimiento y cambio de tendencia más profundo aún. Por ejemplo, de acuerdo a la cámara de comercio de Santiago, la última semana de marzo las ventas online aumentaron un 119% mientras que las ventas físicas disminuyeron un 41%.

Fuente: Cámara de Comercio de Santiago

Si es que el crecimiento sigue la tendencia exponencial que hemos visto en los últimos años, este año deberíamos observar ventas por más de USD 8.500 MM, sobre todo considerando que el comercio online ha aumentado anormalmente debido al Coronavirus y ya se han observado en marzo de este año crecimientos de 3 dígitos en empresas de vestuario, alimentación y tecnología.

Fuente: Elaboración propia en base a datos de la Cámara de Comercio de Santiago

 

Si bien es cierto que el comercio online ha permitido contrarrestar en parte los efectos adversos de la pandemia y mantener el comercio con menos contacto y desplazamiento, también ha llevado a algunos defraudar con mayor facilidad.

2. Fraude en comercio electrónico
La principal fuente de fraude que podemos relacionar con el comercio electrónico es el fraude a los pagos con tarjetas de crédito. Sin embargo, las conductas fraudulentas se están volviendo cada vez más sofisticadas y los software maliciosos (“malware”) una vez que roban los datos personales pueden acceder a cuentas bancarias para hacer pagos fraudulentos. Entre las formas más comunes de realizar fraudes encontramos:

  • Robo de identidad: Consiste en la realización de transacciones utilizando los datos robados de otra persona.
  • Pishing: Consiste en técnicas informáticas que persiguen el engaño a una víctima ganándose su confianza para lograr que realice acciones que no debería realizar.
  • Pharming: Consiste en lograr redirigir a clientes hacia sitios fraudulentos y así robarles datos claves que luego pueden ser utilizados para cometer fraudes.
  • “Man-in-the-middle”: fraudes del tipo “intermediario” que actúa entre medio del cliente y el comercio o los bancos.
    Clonación de tarjetas en pagos con tarjetas o cajeros automáticos.
  • Fraudes “amistosos”: se realiza la compra con tarjeta de crédito y luego se inicia el proceso de cancelación. Luego los gastos son reembolsados, pero mantienen los bienes o servicios comprados.
  • Fraudes “limpios”: se requiere un mayor know-how tanto de los sistemas de detección de fraude como del comportamiento de compra de los clientes. Consiste en el robo de tarjetas de crédito pero que luego se utilizan con mucho cuidado de modo de que los movimientos no sean detectados como fraudulentos.
  • Así como los mencionados, existen muchas otras formas que se han reportado como estrategias de fraudes (ej. Fraude triangulado).

3. Fraude en Chile y Latinoamérica
En 2019, de acuerdo a la Subsecretaría de Prevención del Delito, los casos de Fraude de tarjetas llegaron a su máximo histórico aumentando un 45% con respecto a 2018, a una tasa cercana a los 5 puntos base, es decir, por cada $100.000 en transacciones, $50 equivalen a transacciones fraudulentas.

Por otra parte, según un reporte de fraudes en comercio electrónico (Global Fraud Report, Cybersource Visa 2019) indica que la tasa total de fraude en comercio electrónico en el mundo es del 1,6% y en Latinoamérica del 1,3%. Esta tasa incluye los distintos tipos de fraude que pueden afectar al comercio electrónico.

Escucha nuestro podcast de Economía y Derecho en

Revista online de análisis económico y políticas públicas

Economía en simple, para todos. Síguenos en Instagram