Gå til hovedindhold

Skalerbar risiko-algoritme til identifikation af svindel

Denne idé er en del af Nordic Data Sandbox Challenge: bogføringsdata

nicomoel
8. oktober 2019

Problem: Selvom Danmark er det land med mindst korruption i hele verden (iflg. Transparancy International), viser en analyse vi har lavet i samarbejde med en udlånsvirksomhed, at over 10 % af de små virksomheder, der søgte lån, gik konkurs og/eller aldrig betalte pengene tilbage. Tendenserne viser samtidig, at økonomisk kriminalitet på global plan stiger (PwC’s 2018 Global Economic Crime and Fraud Survey). I dag er regnskabsdata (XBRL) den primære datakilde i forbindelse med kreditvurderinger af virksomheder, men dette er sjældent nok til at identificere potentiel økonomisk kriminalitet. Idé: Risika ønsker med en dybere adgang til standardiseret bogføringsdata at udvikle en banebrydende og skalerbar risiko-algoritme, der på baggrund af bogføringsdataen, transaktionsdata fra bankkonti (PSD2-data) samt universale tegn på bedrageri, er i stand til fuldautomatisk at foretage meget nøjagtige kreditvurderinger og identifikation af svindelvirksomheder. Målgruppen for dette produkt er mellemstore og store virksomheder, der handler med mange mindre erhvervskunder. F.eks. mindre banker, udlåns-/ leasingselskaber og energiselskaber. Vores nuværende produkt håndterer fundamentale datakilder i Norden, som f.eks. stamdata på virksomheder, samt et API til distribution af vores data og kreditvurderinger. Værdien ved en succesfuld udvikling af produktet vil være en større sikkerhed i samhandelen mellem virksomheder.

Kommentarer