<img src="https://secure.leadforensics.com/133892.png" alt="" style="display:none;">

Danske retail-butikker mister årligt over 2,5 milliarder kroner på grund af tyveri, refunderingssvindel, rabatsvindel med mere. Men kunstig intelligens og machine learning kan hjælpe med til at nedbringe tabet.

Selvom meget handel flytter online i disse tider, og sikkerhedsfokus derfor også meget naturligt er på den svindel, der finder sted online, udgør offline-svindel et meget stort milliardbeløb årligt, og butikkerne står over for flere forskellige former for svindel, som de kæmper mod.

Men et nyt værktøj, Microsoft Dynamics 365 Fraud Protection, sættes der fokus på det problem og hjælper butikkerne med at løse det.

Smarte svindlere

Først skal vi lige kigge på, hvordan de danske butikker står over for en række forskellige former for fysisk svindel i butikkerne. For det er flere forskellige former for offline-svindel.
For det første er der de medarbejdere eller kunder, der stjæler varer i butikkerne – et velkendt problem. Så er der situationen, hvor folk køber noget med rabat i en butik og så forsøger at refundere det i en anden butik under påskud af at have mistet kvitteringen. Hvis butikken så er venlige at refundere det til fuld pris, så mister de penge, og svindleren har tjent penge.

Andre scenarier kan være varer, der ”returneres/reklameres” og aldrig bliver sendt retur til producenten, men hvor medarbejderen beholder varen til sig selv. Eller hvor medarbejderen udleverer deres personale-rabatkoder til venner og familie. Eller loyalitetsklubber hvor enten kunde eller medarbejder får egen vinding. Scenarierne er mange, og både kunder og medarbejdere er kreative.

Endelig så er der naturligvis også den situation, hvor der ikke er nogen, der svindler med vilje, det man kalder administrativt svind, men hvor der på grund af fejl opstår svind på bundlinjen– stadig noget der koster virksomhederne penge.

Alt i alt er der mange steder, hvor retail-butikkerne mister penge dagligt, og det er et stort arbejde for dem både at holde øje med, og ikke mindst bekæmpe.

Alt i alt er der mange steder, hvor retail-butikkerne mister penge dagligt, og det er et stort arbejde for dem både at holde øje med og ikke mindst bekæmpe.

En nål i en stor stak med nåle

Virksomheder bruger i dag masser af tid og ressourcer på at undersøge, hvor svind kan reduceres og ikke mindst, hvilke medarbejdere der udgør en risiko. De leder efter en lille nål i en stor høstak, og gør alt de kan, for at identificere, hvor svindet og svindlen sker.

Men selvom der er overvågning i butikken, så er der stadig problemet med at finde ud af, hvor og hvornår der skal ledes. Store virksomheder har ansat folk, hvis eneste opgave er at undersøge data og finde ud af, hvad der kan gøres.

Det er en stor og tidskrævende opgave, men med kunstig intelligens og machine learning kan opgaven gøres lettere for alle store som små retailere.

Med Microsoft Dynamics 365 Fraud Protection kan dette cloud-værktøj tage de store datasæt og finde den anomale adfærd. Det kan fx være kasseskuffen, der bliver åbnet uden salg i sammenhæng med andre data, der viser at en given medarbejder opfører sig anderledes end normalen.

Det er mønstre, som kunstig intelligens og machine learning kan finde modsat ”gammeldags” BI, hvor man selv skal vide, hvilke sammenhænge der ledes efter.

Det betyder ikke nødvendigvis, at det viser præcist, hvad der er galt, eller hvem der stjæler eller svindler. Men det viser virksomhederne, hvad de skal kigge efter. Derved bliver tiden reduceret, så virksomhederne kan kigge det rigtige sted langt hurtigere. 

Du kommer aldrig svindel helt til livs, men svindel æder direkte af bundlinjen, så selv de små gevinster giver resultater.

Det kan også være, at konklusionen på den anomale adfærd er processer, der skal ændres, eller ”systemhuller”, der skal lukkes, så fejlen ikke kan ske igen, såfremt det jo viser sig at være administrative fejl. Med den nye viden kan virksomhederne rette op på de huller og dermed mindske svind.

Du kommer aldrig svindel helt til livs, men svindel æder direkte af bundlinjen, så selv de små gevinster giver resultater.

Kommenter indlæg

Recommended posts

Man kommer ikke sovende til succes i detailverdenen, det fik vi levende bevis for, da vi fra Columbus var på besøg hos RetailTech Lab i sidste uge, hvor Kim Hein, Lab Direktør hos RetailTech Lab gav os en spændende præsentation, fulgt af en masse spørgsmål og diskussion.
Der er ikke noget mere generende ved onlineshopping end at få afvist sit betalingskort eller ikke at kunne gennemføre købet, fordi systemet nægter at acceptere ens brugerdata.
Mange e-handelsvirksomheder har – desværre på en trist baggrund – oplevet fremgang uden sidestykke i 2020. Coronakrisen har accelereret en udvikling, der allerede var godt på vej, og gjort onlineshopping til mange forbrugeres førstevalg.
Nutidens forbrugere prioriterer unikke kundeoplevelser, og de er villige til at betale med deres data for at få dem. Der er altså en hidtil uset mulighed for detailhandlere for at gå et skridt videre og løfte kundeoplevelsen til et nyt niveau.
Mange tror, at hvis de vil arbejde på at gøre virksomheden datadrevet med BI og data analytics, så handler om at være god til it. Sandheden er, at it er den mindste del af opgaven.
right-arrow share search phone phone-filled menu filter envelope envelope-filled close checkmark caret-down arrow-up arrow-right arrow-left arrow-down