Innovatie & Strategie

Analytics
Winkel mobiele telefonie

Tele2 stoeit op productie met microservices en legacy

Datagedreven modellen optimaliseren fraudebestrijding

© CC BY SA 2.0 - Flickr.com Andy Rusch
25 maart 2020

Datagedreven modellen optimaliseren fraudebestrijding

Experimenteren op de productieomgeving staat voor de meeste IT'ers gelijk aan vloeken in de kerk. Toch past Tele2 deze strategie toe bij de uitfasering van het oude monolithische systeem waarmee het bedrijf fraudeurs buiten het abonneebestand wil houden zonder te veel waardevolle klanten af te wijzen. 

Fraude met smartphones heeft een vlucht genomen na de introductie van de iPhone 10, constateert Ray Haack, manager Customer Finance Operations bij Tele2. "Daarvoor kostten smartphones tussen de €200 en €400. Daarna gingen de prijzen voor de duurste uitvoeringen opeens richting de €1.500. Dat trekt ook fraudeurs aan." De schade kan snel oplopen wanneer toestellen worden besteld in combinatie met een abonnement maar nooit worden betaald." 

Het besluit om iemand als nieuwe klant te accepteren en een toestel mee te geven, moet in slechts enkele seconden genomen worden. Een klant staat in de winkel, hangt aan de lijn bij het callcenter of wil afrekenen op de website, bijvoorbeeld van een intermediair. Het besluit heeft vanuit bedrijfsmatig perspectief belangrijke implicaties. "Weiger je te veel mensen, dan stuur je wellicht mensen weg die uiteindelijk goede winstgevende klanten hadden kunnen worden. Maar ben je te gemakkelijk, dan verlies je veel op de frauderende klanten."
Voor het nemen van dat besluit maakt het telecombedrijf al jaren gebruik van een klassiek ontworpen, monolithische riskassessmentapplicatie, waarbij data worden betrokken van partijen als Experian, het Bureau Kredietregistratie en Preventel, de organisatie die is opgezet door de telecomaanbieders om elkaar te waarschuwen voor fraudeurs.  

Continu aanpassen belangrijk

Dit systeem komt tot een advies op basis van vrij rigide regels die veel potentiële klanten als risicovol typeerden. "Uit analyses bleek dat het systeem nog steeds slechte klanten accepteert. Dat is ook niet helemaal te vermijden. Maar het wijst ook veel potentieel goede klanten af. Met een moderne, modelgedreven benadering kun je misschien wel 100 variabelen meenemen en veel preciezer bepalen wat de verwachte verliezen kunnen zijn. Daardoor is een veel scherper acceptatiebeleid mogelijk."
Dus kwam anderhalf jaar geleden lead data scientist Jelle de Jong naar Tele2 met de opdracht om met geavanceerde analytische methoden de kredietrisicomanagementprocessen te verbeteren op een manier zodat ze ook continu aangepast kunnen worden. De Jong zette daarvoor moderne software engineering practices in, zoals een agile werkwijze en een DevOps-methodiek. Maar hij wilde geen labsituatie opzetten. "Je ziet het bij veel bedrijven gebeuren. Eerst wordt een proof of concept ontwikkeld, dat veelbelovende resultaten geeft. Maar dan ... Hoe ga je er in het bedrijf iets mee doen? En dat staat nog los van het feit dat je heel veel zaken nog niet kunt overzien vanuit zo'n labsituatie. Die komen pas aan het licht als je het in praktijk gaat toepassen."

Risicofactoren

Beslissen over de kredietwaardigheid en winstpotentie van een nieuwe klant is een delicaat proces dat echter wel in heel korte tijd moet plaatsvinden gedurende het orderproces. Er zijn twee groepen mensen die voor een telecomaanbieder problemen geven. De grootste groep is die van de fraudeurs bij aanmelding. "Bij de eerste factuur wordt het al duidelijk dat het mis is", zegt Ray Haack, manager Customer Finance Operations bij Tele2. Daarnaast heb je mensen die later in de contractperiode in problemen komen. Dat kunnen mensen zijn die een dispuut hebben en daarom niet willen betalen of het zijn mensen die in financiële problemen zijn gekomen." 

Risico-indicatoren

Het is dus vooral zaak de eerste groep in het orderproces te herkennen. Een indicator voor een verhoogd risico is bijvoorbeeld dat tijdens het orderproces gegevens worden veranderd. Iemand wordt afgewezen op eerste aanvraag en probeert het nogmaals met een licht gewijzigde naam, bijvoorbeeld door het toevoegen van een streepje of een punt in de naam. 

Maar ook historische gegevens kunnen een indicatie geven, bijvoorbeeld als het opgegeven rekeningnummer al eens is gebruikt bij een eerdere aanvraag door iemand met heel andere klantgegevens. "Dan is er iets verdachts aan de hand", zegt Haack. "Als je de traditionele benadering hanteert – waarin je klanten selecteert op basis van harde businessrules – zou je in die gevallen de betreffende klanten wellicht niet accepteren. Met de moderne modelgedreven benadering kun je veel meer variabelen meewegen, waardoor je scherper kunt sturen." In de traditionele aanpak werd tot nog toe voornamelijk naar het risicoprofiel gekeken en niet zo zeer naar de upside, ofwel: wat is de kans dat iemand een goede klant wordt?  

Haack: "In deze use case zou het best het geval kunnen zijn dat het percentage slechtbetalende klanten iets omhooggaat, maar als er in verhouding veel meer goede klanten binnenkomen, is dat vanuit bedrijfsperspectief toch een goede uitkomst."

Om een betere situatie te bereiken, introduceerde het team in het productiesysteem een schakelaar – de orchestrator – die een nauwkeurig instelbaar percentage aanvragen langs een nieuwe route kan laten lopen. Ook bevat deze een automatisch fall-backmechanisme naar het legacysysteem, voor het geval er iets spaak loopt. "We kunnen dus naast het beproefde systeem iets nieuws introduceren en in een pilotfase steeds kleine groepjes klanten door het nieuwe systeem sturen en de resultaten analyseren. Afhankelijk van de resultaten kunnen we opschalen. We willen het systeem ook daarna continu blijven aanpassen en verbeteren. We testen de veranderingen steeds met kleine groepjes om te zien wat werkt en wat niet. Dus echt in een liveomgeving. Dat legt wel allerlei technische uitdagingen op aan het gehele systeem"

'Onion method' werd al toegepast

De strategie die De Jong en Tele2-architect Dennis Biesma voor ogen hadden, paste binnen de ontwikkeling die ook de IT-afdeling van Tele2 ten tijde van zijn indiensttreding al had ingezet. De bestaande systemen werden stapsgewijs vervangen door microservices en een continuous integration/continuous delivery (CI/CD)-benadering. De microservicesaanpak zorgt ervoor dat de verschillende teams van ontwikkelaars maar weinig onderlinge afhankelijkheden hebben.
De Jong: "Het was wel een interessante toevallige samenloop van omstandigheden dat de architect bezig was de 'onion method' toe te passen: je pelt steeds een laagje af van de monolithische applicatie en vervangt die door microservices. Voor ons bood dat de mogelijkheid de nieuwe voorspellende modellen relatief makkelijk te integreren in deze nieuwe architectuur."

In de nieuwe opzet worden nog steeds een aantal klassieke policy-based regels toegepast, bijvoorbeeld om een aantal wettelijk verplichte checks te doen, zoals de wettelijk verplichte check op leeftijd dat je 18 jaar of ouder moet zijn voordat je een abonnement mag afsluiten.

Tele2 heeft de nieuwe opzet nu enkele maanden gebruikt en de nieuwe voorspellende modellen worden voortdurend getest. Technisch werkt het goed, maar het gaat nu vooral om de performance van Acceptatie en Betaalgedrag. De Jong: "De eerste resultaten zijn veelbelovend. Als deze trend zich doorzet, wordt de orchestrator zo ingesteld dat er stapsgewijs verder wordt opgeschaald."

Fall-back als fail safe

In de DevOps-aanpak is het gebruikelijk dat het team dat een functionaliteit oplevert, ook verantwoordelijk is voor de 24/7-support daarop. De Jong: "Dat is nog wel een ontdekkingstocht. We hebben besloten het nieuwe datasciencemodel zo te ontwerpen dat als het niet, of niet op tijd, reageert en de orderketen verstoord dreigt te raken, automatisch de fall-backlogica ingrijpt. Dat geeft ons de vrijheid om iets meer risico te nemen bij het inrichten van nieuwe championchallengerscenario's. We kunnen ook soepeler zijn met releaseprocedures, omdat het systeem eromheen zo robuust is ingericht."

Tele2 is sinds eind vorig jaar officieel overgenomen door T-Mobile. De integratie van de backendsystemen is nu in volle gang. Of T-Mobile het datasciencemodel van Tele2 gaat overnemen is nog niet besloten. T-Mobile werkt met eigen rule-based modellen voor de risico-inschatting. De Jong: "Afhankelijk van de pilot bij Tele2, zal besloten worden of een vergelijkbare aanpak bij T-Mobile kan worden geïmplementeerd."

Magazine AG Connect

Dit artikel is ook gepubliceerd in het magazine van AG Connect (februarinummer, 2020). Wil je alle artikelen uit dit nummer lezen, klik dan hier voor de inhoudsopgave.

Lees meer over
Lees meer over Innovatie & Strategie OP AG Intelligence
Reactie toevoegen
De inhoud van dit veld is privé en zal niet openbaar worden gemaakt.