No aluguel com opção de compra e no leasing com opção de compra, o veículo também entra na decisão de crédito. Registros nacionais podem não trazer um parecer sobre o hodômetro de carros importados. Por isso, a política precisa prever o que fazer quando faltam informações.
A validação de e-mail muitas vezes não diferencia endereços corporativos de lixo eletrônico. Isso gera falsos positivos e falsos negativos. Neste artigo, você vai ver como identificar domínios corporativos consultando subdomínios pela API SecurityTrails Subdomains. Também apresentamos regras para implementar essa verificação em um motor de regras.
A triagem de mídia negativa identifica riscos que uma verificação básica de identidade e sanções pode não detectar. Um bom processo sinaliza resultados rapidamente e, depois, analisa os casos com mais profundidade para separar problemas reais de falsos positivos e nomes sem relação.
Fraudes e roubo de identidade têm como alvo apps de crédito. Proteger os dados dos clientes e manter a análise de crédito confiável é essencial. A identificação por fingerprinting de dispositivos é um bom ponto de partida.
A fraude de identidade no crédito ao consumidor pressiona a gestão de risco de várias formas. Ela aumenta a exposição reputacional, as perdas com fraude e o risco de crédito. Também prejudica a confiança dos clientes e aumenta a carga operacional.
O deep learning tornou o reconhecimento facial uma parte central da verificação remota de identidade. Este artigo explica como a comparação facial online se encaixa no onboarding, quais tipos de foto são usados, como imagens enviadas pelo usuário, selfies e capturas feitas durante a prova de vida, quais fontes de comparação entram no processo, como serviços governamentais ou fotos de documentos de identidade, e até onde chegam algumas verificações comuns, como análise de nível de erro, inspeção de metadados EXIF e heurísticas de qualidade da imagem salva.
Se você paga por verificação de identidade, a EUDI Wallet acrescenta uma opção para os solicitantes que pedirem para usá-la e atenderem às condições de verificação. Ainda não há informação sobre uma eventual tarifa para a instituição que lê a credencial, e o impacto no custo do onboarding depende de quais solicitantes podem usar essa opção e dos dados exigidos nas verificações.
Analisar o perfil de um endereço de e-mail é uma forma econômica de avaliar a qualidade de um cliente com base em sinais relevantes. Em fintechs e seguradoras, essa análise pode apoiar modelos de risco de crédito e modelos atuariais de machine learning. Ao extrair características do nome de usuário, como presença de nome ou sobrenome, números, apelidos ou sinais de texto sem sentido, além de distâncias de Levenshtein, e combinar esses dados com sinais do domínio, como registros MX, informações de WHOIS, detecção de e-mails descartáveis e tipo de provedor, as equipes podem aprimorar a pontuação de risco, a detecção de fraude e as decisões de entrega de e-mails.