Analytics na Prevenção à Lavagem de Dinheiro

Disponibilizado em 19/02/2020


A Ciência de Dados contribuindo para a eficiência de um programa de PLD-FT

A ciência de dados é uma área de atuação que foi prevista e tem se desenvolvido há mais de 50 anos, mas ganhou projeção na última década em função principalmente do desenvolvimento e avanço tecnológico. Esse campo é caracterizado pela análise de diversos dados, que podem estar ou não estruturados, com a finalidade de detectar padrões, obter insights e conhecimentos para auxiliar na tomada de decisões. A boa notícia é que a popularização já está contribuindo para a eficiência programas de PLD-FT. 

Dois fatos colaboraram para esse crescimento: a necessidade de se analisar e investigar grandes volumes de dados gerados e a capacidade computacional de processamento das novas gerações de computadores. Podemos dizer que a ciência de dados transformou muitas áreas de conhecimento ao fornecer aos profissionais a capacidade de resolver problemas cada vez mais complexos, de uma maneira mais simples e eficiente, em um menor período de tempo e com maior assertividade. 

A aplicação da ciência de dados em programas de PLD-FT está apenas começando aqui no Brasil. O uso no mercado financeiro ocorre há mais tempo, sendo realizado inicialmente na análise de outros riscos, tais como crédito e fraudes. Mesmo no mercado global, existem poucos benchmarks de utilização da ciência de dados aplicada aos programas de PLD-FT. 

Há cases de uso em bancos europeus e asiáticos, como o realizado em 2018 pelo United Overseas Bank, com sede em Cingapura [1]. Por outro lado, há pesquisas recentes demonstrando o potencial deste tipo de aplicação, como descritos em [2], [3] e [4]. De acordo com os autores, os pontos mais relevantes são: desafios no uso dos dados, modelos dinâmicos, uso de novas linguagens, desenvolvimento de soluções que repliquem o pensamento de um especialista em PLD e métricas para acompanhamento da eficácia dos processos.

O cientista de dados que atua na PLD-FT deverá saber, além de capturar e interpretar os dados, identificar novos padrões e mapear aquilo que ainda não foi mapeado como novas tipologias e crimes de lavagem de dinheiro. Será necessário um investimento das instituições para qualificação desses profissionais. A perspectiva é que nos próximos anos novas soluções sejam criadas para impulsionar o uso da tecnologia na prevenção à lavagem de dinheiro. Um dos principais desafios será a capacitação da mão de obra para o trabalho. O profissional que atua na área é híbrido, ou seja, precisa conhecer de tecnologia, ter uma profunda base quantitativa e ao mesmo tempo um bom conhecimento das especificidades de lavagem de dinheiro. 

As corporações que utilizam a ciência de dados em seus programas de PLD-FT já alcançaram benefícios importantes, tais como:

  •   ganho de eficiência ao derivar menos alertas na operação e identificar aqueles que apresentam maior risco para a instituição;
  •   redução de alertas de falsos positivos, o que possibilita direcionar melhor a análise do profissional do setor;
  •   descoberta de novos riscos através de uma maior de correlação de dados para tomada de decisão.

 

Analytics na prática

A ciência de dados é o campo de atuação mais amplo e nela está a atividade de Analytics, que consiste no trabalho de transformar os dados em informações para tomada de decisão. A aplicação de Analytics pode ser feita a partir da resposta a quatro questões principais, com o objetivo de entender e definir qual abordagem deve ser seguida. O diagrama a seguir resume as etapas do trabalho: 

 

 

A primeira etapa refere-se ao passado e à identificação do problema. Já na segunda, é importante que se faça um diagnóstico preciso para avaliar os motivos pelos quais tal fenômeno aconteceu. Na etapa preditiva, são identificados os padrões para que seja possível definir previsões, e, na sequência, na fase prescritiva, ocorrer a aplicação de algoritmos, permitindo a projeção da análise, ou seja, sendo possível tomar decisões para que o fenômeno seja capturado rapidamente no futuro.

Dentro do fluxo de trabalho ainda faz parte a modelagem dos dados, ou seja, o desenvolvimento de algoritmos como os estatísticos, matemáticos e computacionais, quando são definidos todos os passos que o sistema passará até obter a solução para um determinado problema. 

No próximo artigo serão abordados com mais profundidade os principais desafios de um programa de prevenção de lavagem de dinheiro e como analytics pode ser uma aliada poderosa na resolução de problemas. 

 

Autor

Mateus Vendramini Polizeli

Mestre em Engenharia de Produção e Pesquisa Operacional, com ênfase em Ciência de Dados pelo Instituto Tecnológico da Aeronáutica (ITA) e Universidade Federal de São Paulo (UNIFESP), Bacharel em Estatística pela Universidade Federal de São Carlos (UFSCar) com MBA em Gestão de Riscos pela Fundação Getúlio Vargas (FGV). Possui mais de 15 anos de experiência com modelagem de riscos, tendo trabalhado nos maiores bancos de varejo do país. Nos últimos três anos tem atuado na área de Analytics de Prevenção à Fraudes e Lavagem de Dinheiro em instituição financeira de grande porte.

e-mail para contato: mateus.polizeli@ipld.com.br