Produtos

O TARGET Fraud modela estatisticamente perfis de consumidores com suspeita de irregularidades no consumo de energia elétrica e seleciona para inspeção os melhores alvos, maximizando o ROI (Return On Investment) na área de Gestão de Perdas Comerciais das concessionárias de energia elétrica. Com o TARGET Fraud, por exemplo, é possível construir um ranking das unidades consumidoras com maior potencial de incremento e recuperação de receita, dado um determinado orçamento disponível para realização de inspeções.

 

 

 

 

 

 

 

 

Faça um orçamento

Itens


Diferenciais

  • Utilização de tecnologia machine learning.
  • Interface web com integração via webservices com sistemas legados.
  • Workflow com tabelas, gráficos e análises estatísticas.
  • Visualização de dados avançada.

Benefícios:

  • Aumento do ROI (Return On Investment) da área de combate às perdas e fraudes.
  • Redução do número de inspeções mal sucedidas.
  • Aumento da produtividade das equipes de selecionadores de alvos.
  • Maximização do ROI (Return On Investment) na seleção de alvos.

Aplicações:

  • Programas de seleção de alvos para inspeção.
  • Definição das melhores estratégias e alvos para inspeção.
  • Otimização da relação incremento vs. probabilidade.
  • Planejamento de investimento em Gestão de Perdas Comerciais.

Clientes:

  • Distribuidoras de energia elétrica, água e gás (utilities).
  • Postos de combustíveis.
  • Empresas de telefonia e TV a cabo.
  • Instituições financeiras.
  • Seguradoras.
  • Planos de saúde.
  • Transportadoras e órgãos regulatórios de trânsito.

 

 


Descrição

Selecionar alvos para inspeção é uma tarefa desafiante, uma vez as informações necessárias para definição de perfis de fraudes, irregularidades ou falhas encontram-se dispersas em diversos meios digitais como os bancos de dados das empresas, na web, nas redes sociais e na forma de conhecimento experimental ou tácito de posse de especialistas humanos. Seja na forma de texto, vídeo, áudio ou imagens; seja esta estática ou dinâmica (streaming), essas informações circulam geralmente de forma descontrolada, imprevisível, rápida e em grandes volumes.

São a partir de técnicas de machine learning e de análises sofisticadas em dados cadastrais, históricos de consumo, inspeções executadas no passado e até mesmo atendimentos realizados pelo call center que a seleção de alvos torna-se uma realidade. Assim, é possível definir padrões de consumidores que indicam uma elevada probabilidade de possuírem irregularidades no consumo de energia elétrica.