SERIF es una familia de soluciones de detección, análisis e investigación de fraude en seguros que, mediante el uso de tecnologías de Big Data y Data Science, permite analizar grandes volúmenes de datos optimizando los resultados.
Análisis de archivos digitales como documentos e imágenes. Esta solución detecta incoherencias o alteraciones en la estructura, el contenido y el formato de los archivos
generando alertas asociadas a indicios de fraude (manipulación de documentos o imágenes, incoherencias en fechas, localizaciones o autoría del documento, etc.).
SERIF Image Screening aplica múltiples técnicas de procesado de imagen y algoritmos de análisis forense de archivos digitales que permiten a la compañía aseguradora controlar una
posible vía de fraude.
Análisis de relaciones entre los datos que se almacenan en los sistemas de la compañía. La herramienta modela todos los datos existentes en la compañía, permitiendo visualizar distintos tipos de relaciones. Mediante una interfaz interactiva se facilita la investigación de siniestros, personas o activos asegurados, así como el descubrimiento de posibles redes de fraude.
SERIF Link Analysis ofrece distintos tipos de visualización de los datos (red, mapa y gráficos estadísticos entre otros) y diferentes funcionalidades que aceleran la explotación de la información como por ejemplo buscar el camino existente entre dos entidades (personas, proveedores, vehículos, etc.). Complementariamente, dispone de un módulo que permite la generación y validación de reglas de fraude de una forma simple y amigable.
Análisis de la información pública disponible en internet relacionada con los siniestros de una compañía aseguradora. Esta solución permite el enriquecimiento de los datos internos de la compañía, en muchos casos de baja calidad e incompletos, con datos externos que se consideran relevantes para el estudio del siniestro.
SERIF Social Media detecta de forma automática indicios de fraude a partir de la información y de las incoherencias extraídas de fuentes externas.
el tiempo dedicado a la investigación de un siniestro.
los siniestros con mayor probabilidad de fraude.
la toma de decisiones mediante unos tiempos de respuesta bajos.
grandes volúmenes de datos mediante el uso de tecnologías
Big Data.
de datos y corrección de errores automática.
datos internos y externos procedentes de distintas fuentes (internet, redes sociales, etc.).
fuentes que generan datos en streaming y conjuntos de datos históricos de la compañía.
datos estructurados y datos no estructurados de forma unificada.
indicios de fraude a partir de diversas fuentes de información.