欺诈分析是一个有点抽象的概念, 但一旦你把它分解成它的核心概念——分析,它就变得更容易了, 数据分析:对数据或统计数据的分析, 以及欺诈——旨在获得经济利益的错误欺骗.
综上所述, 欺诈分析可以被描述为对数据的分析,以发现财务欺诈. 这些程序可以像扫描支付分类账一样简单,以获得适当的批准, 建立一个神经网络预测模型来检测信用卡欺诈行为. 多年来,欺诈分析已经发展成为一个非常复杂的领域,它将商业知识与统计学和计算机科学相结合,以更好地识别和理解欺诈者的行为和意图, 甚至在欺诈行为发生之前就阻止它.
描述性和诊断性欺诈分析
通常执行的两种主要分析类型是:
- 描述性分析——回答“正在发生什么??”的问题.
- 诊断分析——回答“为什么会发生某事”?”的问题.
在实践中, 描述性分析通常涉及使用商业智能工具,以仪表板或其他类型的报告的形式总结和显示数据给业务主管. 例如, 与员工支出相关的指标, 比如不同支出水平的支出数量, 可以收集在仪表板上,以检查趋势吗. 一旦完成, 趋势通常是确定的, 例如,在给定的阈值上提高支出的比例.
然后,诊断分析将确定这种趋势发生的原因. 例如, 较高的比例可能是因为超过一定数额的所有采购都需要收据.
预测性和规范性欺诈分析
一旦“发生什么事了??和“为什么会这样??这些问题都得到了回答, 将欺诈分析进一步推进一步,回答“可能发生什么”的问题,通常是有用的?和“下一步做什么??“这些问题分别与预测分析和规范分析有关.
与前面描述的员工支出情景相关的预测性欺诈分析是根据过去的欺诈事件确定员工实施欺诈的可能性. 这将考虑到两项支出的特点, 比如那些略低于需要收据的金额, 而雇员, 比如他们的角色, 职责, 甚至是年薪, 提出员工和支出的“概况”,最有可能表明欺诈事件将发生.
然后,规定性分析可以回答下一步该做什么的问题. 例如, 如果确定在一定工资水平下的员工比那些工资较高的员工更有可能发生欺诈行为, 可能需要对这些雇员的开支进行更高层次的审查. 规定性分析还将评估解决方案的成本和收益,以确保组织在捕获欺诈行为上的花费不会超过潜在欺诈行为带来的损失.
总的来说,欺诈分析是一个迷人的领域,可以为组织带来巨大的价值. 只要有适当的计划和基础设施, 组织不仅可以识别发生在组织内部的欺诈行为, 他们可以主动实施政策,在欺诈发生之前就将其阻止.
如果你对潜在的欺诈计划有任何疑问, 内部控制, 或者使用数据分析来检测组织中的欺诈行为, 请联系安德鲁Trettel, 注册会计师, 《, 脑血管意外电话412-697-5436或Brian Webster, 注册会计师/酒精/ CFF, 脑血管意外, 《, 施耐德唐斯商业咨询组的CMA电话412-697-5307.
本文是支持2020年国际欺诈意识周系列文章的一部分, 其他条目链接如下以供参考: