BigPay

A BigPay reduziu a atividade de laranjas em 90%

Baixar estudo de caso

Setor:
FinTech, Serviços Financeiros, Banco Online

Região:
Malásia

Solução:
Fraude em transações

Principais resultados

O desafio: a atividade de laranjas estava afetando a experiência dos clientes

A BigPay é uma das plataformas de dinheiro eletrônico que mais crescem na Malásia. Redes organizadas de laranjas identificaram a BigPay como um alvo para mover fundos roubados. A BigPay estava recebendo mais de 1,000 casos de laranjas relatados por mês, o que afetava processos e recursos internos.

Em algum momento, outras instituições financeiras começaram a recusar transações legítimas de recarga do BigPay, o que afetou a experiência dos clientes. Com a Política de Tratamento Justo do Consumidor Financeiro da Malásia aumentando a responsabilização pela proteção dos clientes, houve uma necessidade maior de aprimorar os recursos de detecção e resposta a fraudes.

A solução: aproveitar a visibilidade entre canais para neutralização rápida de ameaças

A plataforma da Feedzai já estava em funcionamento. O foco era transformar padrões em lógica de detecção. A equipe de sucesso do cliente da Feedzai trabalhou diretamente com os analistas de fraude da BigPay para desenvolver essa capacidade, com treinamento em design de regras, lógica de alertas para pagamentos de entrada suspeitos e regras de recusa com base na velocidade de financiamento e no risco do beneficiário.

Assim que a equipe pôde criar e implantar de forma independente, realizou uma análise estruturada de padrões. As contas de laranjas foram abertas predominantemente no mesmo mês em que foram usadas, e os fundos saíram por canais rotativos. A resposta:

  • Fusão de sinal entre canais: as regras avaliaram toda a jornada de pagamento, a transferência e a atividade do cartão juntas, para capturar padrões como recargas de terceiros seguidas por saídas para criptomoedas.
  • Bloqueio de canais de saque: toda vez que a equipe identificava uma nova rota de saída, cripto, caixas eletrônicos, remessas, pagamentos via QR, as regras eram implantadas rapidamente para reduzir a exposição e interromper as vias de lavagem de dinheiro em evolução.
  • Implantação com simulação em primeiro lugar: cada regra foi validada antes de entrar em operação, comprimindo semanas de testes em horas.

Cada saída fechada produziu dados mais limpos e um conjunto menor de casos, tornando a próxima análise mais precisa.

Dois fatores foram decisivos. Primeiro, visibilidade entre canais: a capacidade de conectar eventos de financiamento de entrada ao comportamento de transações de saída em uma única estrutura analítica. Os padrões de laranjas só se tornam legíveis quando você consegue ver toda a jornada. Em segundo lugar, a velocidade de iteração. A capacidade de simular uma regra, validá-la, implantá-la e observar resultados em horas, em vez de semanas, significou uma resposta mais rápida aos padrões de fraude emergentes.

O efeito cumulativo foi igualmente importante. À medida que os volumes de laranjas caíram, os casos restantes tornaram-se analiticamente tratáveis. Tamanhos de amostra menores facilitaram a identificação de padrões, o que levou a mais melhorias nas regras, o que levou a volumes ainda mais baixos.

Nossa parceria com a Feedzai é fundamental no combate à atividade de contas de laranjas. No auge, levava semanas para responder a atividades suspeitas, hoje, isso foi reduzido para apenas horas. Essa velocidade nos permite identificar padrões de fraude emergentes mais cedo.

Hazwan Hatta, CEO do BigPay Group

Os resultados: detecção precoce, resposta mais rápida

A postura antifraude da BigPay foi fortalecida e agora está evoluindo de controles reativos para uma prevenção mais preditiva e adaptativa.

Identifique contas de laranjas mais cedo

Com o monitoramento de transações estabilizado, a próxima camada de defesa traz sinais para etapas anteriores. O Feedzai Digital Trust adiciona inteligência de dispositivo, comportamento de sessão e sinais de identidade, sinalizando contas suspeitas antes que os fundos sejam movimentados.

II. Construa resiliência no processo

O Rules Engine da Feedzai permite que as equipes de prevenção de fraude criem lógica de detecção a partir de entradas em linguagem natural, reduzindo o tempo entre a identificação de ameaças e a implantação de regras em produção. A priorização de alertas assistida por IA também ajuda os analistas a se concentrarem nos casos mais críticos, o que melhora a velocidade de resposta e a qualidade das decisões.

Devido a essa abordagem de detecção multicamadas e à rápida resposta a ameaças, a BigPay neutralizou um novo surto de rede de laranjas na Malásia em 72 horas, reduzindo a atividade geral de laranjas em mais de 90% em 60 dias.

Página impressa em outubro de 29, 2026. Consulte https://www.feedzai.com/pt-br/historias-clientes/bigpay-money-mules/ para obter a versão mais recente.