Pettuste analüüsi tuvastamise tehnikad - tänapäeval haldavad ja säilitavad ettevõtte andmeid ettevõtte IT-süsteemid. Seetõttu loodavad organisatsioonid äriprotsesside toetamiseks rohkem IT-süsteemidele. Selliste IT-süsteemide tõttu on inimsuhtluse tase suuremal määral vähenenud, mis omakorda muutub peamiseks pettuste põhjustajaks organisatsioonis. Selliste pettuste uuesti avastamiseks ja ärahoidmiseks astuvad organisatsioonid sisse automatiseeritud kontrollile.

Pettuste tuvastamine

Pettuste tuvastamine tähendab organisatsioonis toimuva tegeliku või eeldatava pettuse tuvastamist. Organisatsioon peab rakendama õiged süsteemid ja protsessid, et pettused avastada varases staadiumis või isegi enne nende ilmnemist. Pettuste tuvastamine koosneb järgmistest tehnikatest

  • Ennetav ja reageeriv
  • Käsitsi ja automatiseeritud

Organisatsioon peaks need pettuste tuvastamise tehnikad lisama oma pettusevastasesse strateegiasse

Miks on pettuste tuvastamine oluline?

Pettuste tuvastamise tehnika on oluline organisatsiooni jaoks uut tüüpi pettuste ja ka mõnede traditsiooniliste pettuste väljaselgitamiseks. Isegi kõige tõhusamast pettuste avastamise tehnikast saab asjatundlik pettur kõrvale hoida. Seega peaks organisatsioon selliste pettuste tuvastamise tehnikate väljatöötamisel olema väga nutikas.

Pettuste avastamise eelised hõlmavad järgmist

  • Vähem kokkupuude pettusega
  • Väiksemad pettustega seotud kulud
  • Uurige välja pettuseohtlikud töötajad
  • Kas teil on organisatsiooniline kontroll
  • Parandab organisatsiooni tulemusi
  • Saavutab organisatsiooni aktsionäride usalduse

Analüüs pettuste jälgimiseks

Ettevõtte andmete juurdepääsetavus sise- ja välisallikatest on muutunud lihtsamaks. See paneb organisatsioone kasutama analüüsimist pettuste avastamise programmides. Pettuste andmete analüüsil on oluline roll pettuste varajases avastamises ja jälgimises. Need andmeanalüüsi tehnikad aitavad organisatsioonil tuvastada võimalikud pettused ja rakendada organisatsiooni kaitsmiseks tõhusat pettuste jälgimise programmi.

Mis on pettuste analüüs?

Pettuseanalüüs on analüütilise tehnoloogia ja pettuseanalüüsi tehnikate kombinatsioon inimsuhtlusega, mis aitab tuvastada võimalikke ebaõigeid tehinguid, näiteks pettusi või altkäemaksu andmist kas enne tehingu tegemist või pärast tehingu tegemist.

Miks pettus Analytics?

Traditsiooniline anomaalia tuvastamine ja mitmesugused reeglitel põhinevad meetodid on paljudes organisatsioonides juba praktikas pettuste avastamiseks ja ennetamiseks. Kuid nad pole nii võimsad. Neil on oma piirid. Kui sellistele traditsioonilistele meetoditele lisatakse analüütika, suurendab see pettuste avastamise võimalusi ja annab pettuste avastamise tehnikatele uue mõõtme.

Andmeanalüütika pettuste käsitlemiseks kasutamise teine ​​oluline põhjus on see, et tänapäeval on sisekontrollisüsteemidel kontrollipuudusi. Selle vältimiseks peaks organisatsioonidel olema kontroll iga toimuva tehingu üle ja testida tehingut pettuseanalüüsi abil.

Ja pettuseanalüüs aitab mõõta ka jõudlust, mis aitab teil standardiseerida ja omada kontrolli pideva parendamise jaoks.

Pettuste analüüsi eelised

  • Tuvastage varjatud mustrid

Pettuste analüüs aitab tuvastada uusi mustreid, suundumusi ja stsenaariume, mille alusel pettused toimuvad. Kui traditsioonilised lähenemisviisid jätavad sellised asjad vahele.

  • Andmete integreerimine

Pettuste analüüsil on oluline roll andmete integreerimisel. See ühendab erinevatest allikatest pärit andmeid ja avalikke dokumente, mida saab mudelisse integreerida.

  • Suurendada olemasolevaid jõupingutusi

Pettuseanalüüs ei asenda traditsioonilisi reeglitel põhinevaid meetodeid, vaid täiendab lihtsalt teie olemasolevaid jõupingutusi paremate tulemuste saamiseks

  • Struktureerimata andmete kasutamine

Pettuste analüüs aitab struktureerimata andmetest parimat kasu saada. Enamik struktureeritud andmeid salvestatakse organisatsiooni andmelaos. Kuid struktureerimata andmed on koht, kus toimuvad pettused. Siin mängib tekstianalüüs olulist rolli struktureerimata andmete ülevaatamisel ja pettuste ärahoidmisel.

  • Parandage jõudlust

Pettuseanalüüsi abil saate hõlpsalt tuvastada, mis töötab teie organisatsiooni jaoks ja mis mitte teie organisatsiooni jaoks

Andmeanalüüsi protsess

Pettusteprogrammi loomise sammud

  • Looge profiil, mis hõlmab kõiki valdkondi, kus eeldatakse pettuste esinemist, ja nende piirkondade võimalikke pettuse liike.
  • Mõõtke pettuseoht ja üldine kokkupuude organisatsiooniga. Esmatähtsaks pidage pettuste põhjal võetavaid riske.
  • Järgige sihtotstarbelist testimismeetodit, et leida pettuste näitajaid organisatsiooni teatud piirkondades
  • Luua riskianalüüs ja otsustada, kuhu pöörata rohkem tähelepanu
  • Jälgige tegevust ja edastage see kogu organisatsioonis, et organisatsiooni töötajad oleksid kursis organisatsioonis toimuvaga
  • Kui on leitud pettusi, informeerige juhtkonda viivitamatult probleem lahendada ja välja selgitada, miks see juhtus
  • Parandage kõik purunenud juhtnupud
  • Tööülesannete lahusus on väga oluline
  • Laiendage programmi ulatust ja korrake protsessi

Pettuste analüüsi meetodid

Seal on viis olulist pettuste avastamise meetodit.

  • Proovide võtmine

Proovide võtmine on teatud pettuste avastamise protsessides kohustuslik. Valim on tõhusam, kui andmeid on palju. Kuid ikkagi on sellel oma puudus. Valimi moodustamine ei pruugi olla võimeline pettuste avastamist täielikult kontrollima, kuna see võtab arvesse vaid väheste elanikkonna arvu. Petturlikud tehingud ei toimu juhuslikult, seetõttu peab organisatsioon pettuste tõhusaks avastamiseks kõiki tehinguid testima.

  • Ad-Hoc

Ad-Hoc pole midagi muud, kui hüpoteesi abil pettuste välja selgitamine. See võimaldab teil uurida. Saate tehinguid testida ja teada saada, kas on olemas pettusevõimalusi. Teil võib olla hüpotees, et testida ja teada saada, kas toimub pettust, ja seejärel saate seda uurida.

  • Korduv või pidev analüüs

Korduv või konkureeriv analüüs tähendab skriptide loomist ja seadistamist, mis töötavad suure andmemahu vastu, et tuvastada pettused, nagu nad teatud aja jooksul esinevad.

Käivitage skript iga päev, et läbida kõik tehingud ja saada perioodilisi teateid pettuste kohta. See meetod aitab parandada pettuste tuvastamise protsesside üldist tõhusust ja järjepidevust.

  • Analyticsi tehnikad

Analüütilised tehnikad aitavad välja selgitada pettused, mis pole normaalsed

  • Arvutage statistilised parameetrid, et teada saada väärtusi, mis ületavad standardhälbe keskmisi.
  • Vaadake kõrgeid ja madalaid väärtusi ja uurige seal esinevaid kõrvalekaldeid. Sellised kõrvalekalded on sageli pettuse näitajad
  • Andmete klassifitseerimine - grupeerige oma andmed ja tehingud konkreetsete tegurite (nt geograafiline piirkond) põhjal.

Benfordi seadus

Benfordi seadust võib sageli kasutada pettuste indikaatorina. Benfordi jaotus on ebaühtlane, väiksemate numbritega suurema tõenäosusega. Benfordi seadust kasutades saate testida teatud punkte ja numbreid ning tuvastada neid, mis esinevad sagedamini kui arvatakse, ja seetõttu on nad kahtlustatavad.

Pettuste tuvastamiseks on veel mitu pettuse tuvastamise andmete kaevandamise tööriista

  • Andmete sobitamine - see meetod selgitab välja, kas on andmeid, mis vastavad täpselt mõnele muule andmetele.
  • Kõlab umbes - see on veel üks võimas meetod, mille abil tuvastatakse kehtivate ettevõtte töötajate nimede variatsioonid.
  • Koopiad - see on veel üks meetod, mida paljud organisatsioonid kasutavad kõige sagedamini pettuste ja kõigi äritehingute käigus tekkivate vigade tuvastamiseks.
  • Lüngad - selle meetodi abil saate teada puuduvad järjestikused andmed. Näiteks kui teil on ostutellimusi, mille väljastab ettevõte järjestikuses järjekorras ja kui midagi puudu on, saate selle hõlpsalt teada saada. See on lihtne meetod ja õigesti kasutamisel töötab see suurepäraselt.

Pettuste analüüs kindlustusseltsides

Andmeanalüüs on osutunud pettuste avastamisel erinevates valdkondades tõeliselt usaldusväärseks. Võtame näite kindlustusseltsist, kes kasutab pettuste avastamise meetodeid

Kolm kindlustusseltsi kasutatud pettuse tuvastamise meetodit

  1. Suhtlusvõrkude analüüs (SNA)

SNA-meetod järgib pettuste tuvastamiseks hübriidset lähenemisviisi. Hübriidne lähenemine hõlmab organisatsiooni ärieeskirju, statistilisi meetodeid, mustrianalüüsi ja võrguühenduste analüüsi. Lingianalüüsis pettuste otsimisel peate otsima klastrid ja selle, kuidas klastrid suhestuvad teistega. Mudelisse saab integreerida mitmeid andmeallikaid, näiteks dokumente, kohtuotsuseid ja pankrotte.

Allpool toodud joonis selgitab SNA-pettuste avastamise meetodi voogu kindlustusseltsis

  1. Pettuste tuvastamise ennustav analüüs suurandmete jaoks

Ennustav analüütika kasutab pettuste tuvastamiseks suurandmete vaatamiseks tekstianalüütilisi ja sentimentaalianalüüse. Ennustavat analüüsi on paljud organisatsioonid laialdaselt kasutanud, kuna see aitab pettusi ennetavalt tuvastada. Alguses kasutati ennustavat analüüsi struktureeritud andmebaasides talletatud statistilise teabe analüüsimiseks, kuid nüüd laiendati seda suurandmete valdkonda. Allpool esitatud pilt tähistab pettuste tuvastamise voogu, kasutades suurandmete analüüsi

  1. Sotsiaalsete kliendisuhete juhtimine (CRM)

Social CRM on pettuste avastamise programm. Nendel päevadel on kindlustusseltside jaoks ülioluline siduda sotsiaalmeedia oma CRM-iga. Sotsiaalmeedia sidumine CRM-iga suurendab läbipaistvust klientidega. See läbipaistvus suurendab klientide usaldust organisatsiooni suhtes. See kliendikeskne ökosüsteem on ettevõttele kasuks suurel määral ja näete ka seda, et kliendid kontrollivad. Järgmine diagramm näitab sotsiaalse CRM-i voogu kindlustusseltsides

Andmeanalüüsi rakendamine pettuste tuvastamiseks

Paljud kindlustusseltsid kasutavad pettuste tuvastamiseks erinevaid pettuste tuvastamise tööriistu. Kuid pettuste avastamise protsessi edukamaks muutmiseks on vaja usaldusväärsemat raamistikku. Oleme siin loetlenud mõned sammud, kuidas analüüsi rakendada pettuste tuvastamiseks

  • Tehke SWOT

Paljud organisatsioonid on mõistnud pettuste analüüsi kasvavat tähtsust. Kuid kiirustades valivad nad kallid pettuste tuvastamise lahendused, mis ei ühti ettevõtte tugevuste ja nõrkustega. Seetõttu peaksid organisatsioonid enne pettuste avastamise programmiga alustamist tegema SWOT-analüüsi, et see täiel määral toimiks.

  • Luua spetsiaalne pettusehaldusmeeskond

Traditsioonilistel ettevõtetel pole konkreetset meeskonda pettuste tuvastamiseks. Kuid nendel päevadel on oluline omada pühendunud meeskonda, kes töötab organisatsioonis pettuste leidmise ja ärahoidmise nimel. Meeskonnal peaks olema nõuetekohane voog ja pettuste tuvastamise süsteem.

  • Ehitamise või ostmise võimalus

Kui SWOT-analüüs on lõppenud ja meeskond jaotatud, on oluline, et ettevõtted otsustaksid, kuidas nad soovivad analüüsi rakendada ja milliseid ressursse on vaja. Ettevõtted peavad teadma, kas nad on võimelised ise analüüsilahenduse ehitama või peaksid ostma müüjalt analüütilise pettuse tuvastamise lahenduse. Kui on vaja osta, peaks ettevõte tegema uuringu erinevate pettuste avastamise müüjate ja nende toodete kohta, mis on turul saadaval ja sobivad nende ettevõttele. Pettuste analüüsilahenduse ostmisel tuleb arvesse võtta vähe olulisi tegureid, näiteks hind, kasutajaliides, mastaapsus, integreerimise lihtsus ja muud.

  • Puhtad andmed

Integreerige organisatsioonis kõik andmebaasid ja eemaldage andmebaasidest kõik soovimatud asjad.

  • Pange paika asjakohased ärieeskirjad

Ettevõtted peaksid välja töötama ärieeskirjad pärast uuringut ettevõtte ressursside ja teadmiste kohta. Pettusi on erinevat tüüpi ja vähesed neist on konkreetsele tööstusele omased. Väline müüja ei saa luua usaldusväärset pettuste tuvastamise lahendust, ilma et saaksite organisatsioonilt või ettevõttelt korralikke sisendeid.

  • Läve seadmine

See, kas lahendus on sisseehitatud või ostetud väljastpoolt ettevõtet, peaks pakkuma erinevate kõrvalekallete piirväärtusi. Künniste seadmiseks kasutatakse anomaalia tuvastamist. Kui piirid on seatud liiga kõrgeks, siis võib pettuste vahel libiseda. Kui piirid seatakse liiga madalaks, raisatakse palju aega ja ressursse. Seetõttu peaks organisatsioon künniste määramisel olema väga osav

  • Ennustav modelleerimine

Andmete kaevandamise tööriistu kasutatakse mudelite loomiseks, mis annavad pettuste tõenäosuse skoori, mis on seotud tundmatute mõõdikutega. Kui punktisüsteem on automaatselt tehtud, luuakse tulemused ülevaatamiseks ja edasiseks analüüsimiseks.

  • SNA kasutamine

SNA on osutunud kõige efektiivsemaks pettuste tuvastamise programmiks, modelleerides suhteid erinevate üksuste vahel.

  • Ehitage integreeritud juhtumikorralduse süsteem, mis võimendab sotsiaalmeediat

Juhtumikorralduse süsteem võimaldab uurijal teada saada kõigist uurimisega seotud olulistest leidudest ning see võib olla nii struktureeritud kui ka struktureerimata teave. Mõõdikud on pettuse indikaatorid ja see võib olla abiks võrdlemisel organisatsiooni või võrgustiku tasandil.

  • Tulevikku suunatud analüüsilahendused

Ettevõtted peaksid alati otsima täiendavaid andmeallikaid ja integreerima need praeguse pettuste avastamise programmiga, et luua kõige tõhusam ja tõhusam pettuste avastamise programm. See aitab teil likvideerida kõik uued pettused, mis võivad tulevikus tekkida.

Järeldus

Pettused suurenevad, kui teie ettevõtte tehingumaht suureneb. Tehnoloogia areng on teie ettevõtte pluss ja miinus, kuna see avab petturitele uusi võimalusi. analüütika pettuste tuvastamiseks võib mängida väga olulist rolli pettuste varajases staadiumis tuvastamisel ja teie ettevõtte kaitsmisel suurte kaotuste eest. Teie ettevõtte jaoks pettuseanalüütika saamiseks ei nõua palju aega ja ressursse. Alustage väikese pettuste avastamise projektiga ja alustage siis laiendamist. See võib võtta nii vähe kui paar nädalat.

Kategooria:

Suured andmed