Verklein de kans op leasefraude met big data

Eind 2018 reden er maar liefst 1 miljoen leaseauto’s rond in Nederland. Het is gebleken dat leaseauto’s een interessant doelwit voor fraudeurs en criminelen zijn. Hoe kunnen leasemaatschappijen de kans op fraude en wanbetaling beperken? En welke rol kan big data hierin spelen?

Het probleem wordt goed geïllustreerd door één van de meest spectaculaire fraudezaken die Spanje ooit gekend heeft. De zaak had betrekking op verduisteringsfraude, die voorkomen had kunnen worden als de beschikbare data was ingezet. Het betrof een legitiem bedrijf dat in Spanje gevestigd was en later ook in België de markt betrad. Het bedrijf slaagde erin honderden auto’s te leasen bij grote bedrijven, en dan met name doorsnee modellen. De fraude in dit voorbeeld vond plaats op twee manieren.

Ten eerste werden de auto’s verkocht, wat mogelijk was doordat de Dienst voor Inschrijvingen van Voertuigen (DIV) alleen de eigenaar (in dit geval de leasebedrijven) en niet de bestuurder registreert. Voor de verkoop van de voertuigen volstaat dus slechts het inschrijvingsbewijs.

Ten tweede slaagde de bende er ook nog eens in om een btw-carrousel op te zetten. Ze verkochten deze wagens door en recupereerden de btw in het land waar de wagens naartoe gingen. De totale waarde van de fraude werd uiteindelijk geschat op zo’n 40 miljoen euro.

Fraude en wanbetaling in de leasesector  

Dat fraudeurs en criminelen het op de leasesector hebben gemunt, is niet nieuw. Sommige klanten betalen in het begin netjes de maandelijks leasekosten, maar stoppen op een gegeven moment met betalen. Bijvoorbeeld omdat ze het leasebedrag niet meer kunnen ophoesten. Of denk aan constructies waarbij bedrijven worden opgeheven of onder een andere naam verder gaan. Het leasecontract staat dan op naam van een opgeheven bedrijf.

Naast wanbetaling kunnen leasemaatschappijen ook te maken krijgen met bijvoorbeeld verduisteringsfraude, waarbij een auto wordt gehuurd en vervolgens niet meer wordt teruggebracht. Deze situatie komt terug in het bovengenoemde voorbeeld. De leasemaatschappij zal de auto dan moeten vervangen: een kostbare aangelegenheid.  

De kansen van big data

Hoe kunt u zich als leasemaatschappij wapenen tegen fraude en wanbetaling? Inzichten op basis van interne en externe data kunnen uitkomst bieden. Wij geven vijf tips om de financiële risico’s te beperken:

• Analyseer de kenmerken van een bedrijf. Wat zijn opmerkelijke situaties die zich bij de potentiële klant en in hun netwerk voordoen? Probeer erachter te komen wie van uw klanten een verhoogd risico met zich meebrengen op fraude en wanbetaling. De XSeptions van Graydon vormen een unieke dienst, waarbij 86 verschillende XSeptions gedefinieerd zijn. Hierbij is input van klanten in de lease en finance branche meegenomen. De dienst maakt het mogelijk een nulmeting te doen, waarbij u al uw klanten verrijkt met mogelijke opvallende kenmerken: bepaalde combinaties van kenmerken geven namelijk een verhoogd risico op fraude of wanbetaling. Met Graydon XSeptions krijgt u direct inzicht in opvallende kenmerken, zoals:
  • wanneer er uitzonderlijk negatieve informatie bij Graydon is binnengekomen
  • wanneer een rapport ineens significant vaker wordt opgevraagd
  • wanneer bestuurswisselingen optreden
  • wanneer twee jaar op rij dezelfde jaarrekening wordt gedeponeerd
• Doe vooraf onderzoek naar iedere potentiële klant die een auto wil leasen. Bijvoorbeeld door kredietinformatie op te vragen. Wat is de financiële positie van een bedrijf, wie zijn de bestuurders en hoe is het betaalgedrag?
• Achterhaal de kans op opheffing. Hoe groot is de kans dat een bedrijf in de komende 12 maanden wordt opgeheven?
• Check uw klantenportefeuille en breng in kaart wat de kenmerken waren van klanten die wanbetalers werden of fraudeurs bleken te zijn. Bekijk ook de kenmerken van klanten die iedere maand netjes aan hun betaalverplichtingen voldoen. Gebruik deze inzichten om te voorspellen of een potentiële klant een verhoogd risico op fraude of wanbetaling met zich meebrengt. Graydon helpt klanten inzichtelijk te maken door bijvoorbeeld gemeenschappelijke kenmerken van klanten die fraude plegen of wanbetaler zijn in kaart te brengen.
• Optimaliseer uw klantacceptatiebeleid. Gebruik hiervoor de kenmerken van wanbetalers én trouwe klanten uit uw portefeuille samen met de inzichten die u heeft verkregen op basis van externe data, zoals kredietinformatie, de kans op opheffing en XSeptions.

Meer weten?

Als bedrijfsinformatiespecialist beschikt Graydon over een enorme database met data. Door deze data te ontsluiten, te ordenen en te combineren maken we voorspellende analyses, modellen en scores op het gebied van Credit Management, Market Information en Risk & Compliance.

Voor meer informatie kunt u contact met onze lease & automotive specialist Heidi Bochove, via h.bochove@graydon.nl.