deteccion fraude con picalo detectlets
Post on 07-Aug-2018
216 Views
Preview:
TRANSCRIPT
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
1/51
Detección de Fraude
Herramientas para unamejor detección de fraude
RD 2015/11/05Ing. Carlos Carrion
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
2/51
Detección de Fraudere!es Historias de fraude
"s#uema de la !isión de Herramientas
$r#uitectura de %icalo
"jemplo de Código & como tra'aja
Direcciones futuras de in!estigación
(olicitud de $&uda
Detect)ets con %icaloRD 2015/11/05
Ing. Carlos Carrion
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
3/51
Dos *ipos de Fraude"n FAVOR de la +rgani,ación
- )a manipulación de los estadosfinancieros para acer !er mejor a laempresa ante las partes interesadas.
- *am'ien llamada fraude de $dministración o de "F F( Financial(tatements .
RD 2015/11/05Ing. Carlos Carrion
"n CONTRA de la +rgani,ación- Ro'o de acti!os de información etc.- *am'i n llamada fraude de "mpleado o
de Consumo.
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
4/51
Reporte de $CF" so're Fraude & $'uso
"studio de 2.1/2 a3os con 2 40 fraudes
totali,aron 15 'illones de dólares.- "l costo del Fraude a las organi,aciones en
6($ supera los 7800 'illones anualmente.
- Costos de Fraude & a'uso asumido porempleadores en promedio es de 97 al diapor empleado.
- )a organi,ación pierde en promedio cercadel 4: de sus ingresos totales anualesde'ido a fraude & a'uso cometido por suspropios empleados.
RD 2015/11/05Ing. Carlos Carrion
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
5/51
"studio de por "rnst ;
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
6/51
Costo del Fraude- )as p rdidas por fraude reducen ingreso
neto de forma directa.
- (i el margen de 'eneficio es del 10: losingresos de'en aumentar en 10 !eces lasp rdidas para recuperar el efecto a losingresos netos.
• % rdidas 71 illón• Ingresos 71 illón
RD 2015/11/05Ing. Carlos Carrion
– Ingresos 7100100:
– Bastos 90
90: – Ingreso Eeto7 1010:
– Fraude 1 – Restante.. 7 9
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
7/51
Costo del Fraude? "jemplos
Fa'ricante de $utomó!iles.
• Fraude 78>4 millones• argen de eneficio 10:• Ingresos necesarios 78.>4 illones• "n 720 000 por auto
21 000 autos
RD 2015/11/05Ing. Carlos Carrion
anco de escala ma&or.
–
Fraude 7100 millones – argen de eneficio 10: – Ingresos necesarios 71 illón – "n 7100 por a3o de cuenta corriente10 millones de cuentas nue!as
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
8/51
Caso reciente de Fraude
- Bran fraude de 72.4 'illones a lo
largo de 9 a3os.• $3o 1 7400 mil• $3o > 78 millones• $3o 5 7 0 millones• $3o @ 7400 millones•
$3o 9 72.4 'illones- "n los a3os & 9 cuatro de los
'ancos mGs grandesestu!ieron in!olucrados &perdieron mGs de 7500millones.
RD 2015/11/05Ing. Carlos Carrion
$lgunas de las organi,aciones in!olucradas? erril )&nc C ase .%.organ 6nion an of (Jit,erland Credit )&nnaise (umitomo & otros.
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
9/51
Cada %ersona tiene un precio
$'ra am )incoln una !e, ec ó a un om're
fuera de su oficina mu& enojadorec a,ando un so'orno sustancial. KCadaom're tiene su precioL eAplicó )incoln K&
el se esta'a acercando al mioL.
RD 2015/11/05Ing. Carlos Carrion
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
10/51
*ra'ajadores (uperHumanosResumen de Horas Eormal "Atras Do'le "Atra para
periodo de 2 semanas independiente de factura o tarjeta
de tiempos.)os tra'ajadores iniciaron sesión de oras en 2 tarjetas detiempo para tra'ajos simultGneos.
RD 2015/11/05Ing. Carlos Carrion
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
11/51
"jemplos de Detección en 'ase a DatosComo Eegocios Familiares?
+rdenes de tra'ajo autori,ados por el comprador.
Cargos a factura autori,ados por el comprador.+rdenes de tra'ajo entregadas al e#uipo contratista.
RD 2015/11/05Ing. Carlos Carrion
Resultados de determinación?Consejo declaró #ue los so'ornos se esta'an produciendocon una determinada empresa.(e in!estigó & determinaron cual comprador autori,ó lostra'ajos."l e#uipo contratista & el comprador de la compa3=a eranfamiliares.
uc as !eces son atrapados por delación directa oindirecta por ej. su piscina & ostentación.
$nGlisis de Datos?Incrementos sistemGticos en los costos.%icos inesperados en el gasto.)os aumentos solamente en una parte de una tendencia.
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
12/51
%lataforma de In!estigaciónHistoria Contable:
1980 Declaración de ("C 6($ (ecurities and "Ac ange Commission ?)os contadores pueden lograr detectar eAageraciones de gran!alor en los acti!os & las ganancias #ue resulten de fraude porcolusion o de otra forma.
(eries de Conta'ilidad !ersión 1980
RD 2015/11/05Ing. Carlos Carrion
1941? K(i las die, normas auditor=a a ora aceptadas fueronsatisfactorias para su propósito no tendr=amos las peticionesde orientación para eAtender la responsa'ilidad auditorespara la detección de irregularidades #ue a ora encontramosen nuestra literatura profesional.
199@ ($( 2.
2002 ($( 99.
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
13/51
Historia de Investigación del Fraude:
"Acelente re!isión de la literatura por Eiesc Jiest, ( ult, ;Mim'elman 2000 ?
- Nui n comete fraude.- anderas rojas- "spacio de eApectati!as- "Apectati!as del auditor
- *eor=a de uegos entre $uditor & la Berencia- Relaciones $uditor/Cliente- Oaloración del Riesgo & $&udas en la Decisión- Factores gerenciales #ue afectan el fraude
RD 2015/11/05Ing. Carlos Carrion
%lataforma de In!estigación
l f d ó
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
14/51
Fraude EF utilizando Análisis de Relación
- Hansen et al 1994 desarrolló un modelo generali,ado derespuesta cualitati!a desde las fuentes internas.- Breen & C oi 199@ usaron redes neuronales para clasificar
casos fraudulentos.- (ummers & (Jeen& 199 identificaron Fraude "F usando
información interna & eAterna.- enis 1999 desarrolló un modelo %ro'it utili,andorelaciones radios para identificación de fraude.- ell & Carcello 2000 desarrolló un modelo de regresión
logistica para identificar fraude.- *ra'ajos actuales por cPee por Cecc ini & por $l'rec t.- Einguno a encontrado la K'ala de plataL usando
información eAterna para identificar fraude.
- Fraude de Berencia "F o F( es mu& dif=cil de encontrar.RD 2015/11/05
Ing. Carlos Carrion
%lataforma de In!estigación
%l f d I ! i ió
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
15/51
Cuales son las cuatro grandes acciones a realizar!
- Cada firma parece tener diferentes grupos de tra'ajo para ladetección de fraude.
- EingQn modelo de mejores prGcticas a emergido.
- $uditores de *I reali,an prue'as de control en sistemas deempresas sin detección de fraude.
- Reuniones con ill *itera de ";
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
16/51
"or#ue NO se encuentra el $raude!
- *iempo limitado"l recurso mGs precioso es la atención a 'rindar.- Historia
6so intensi!o de muestreo falta de detalles.Falta de istórico de instrucción en la detección de fraudes
- "sca,a eAperiencia en los s=ntomas de fraude.
- Falta de erramientas espec=ficas para fraude.
- u& pocas a'ilidades de anGlisis.
- Falencia de eAperiencia en tecnolog=a aplicada.
- $uditores encuentran 20 a >0 : de fraude.
RD 2015/11/05Ing. Carlos Carrion
%lataforma de In!estigación
Reporte $CF" 2008
%l t f d I ! ti ió
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
17/51
Ha% una $or&a &e'or!
RD 2015/11/05Ing. Carlos Carrion
%lataforma de In!estigación
Re#uerimientos de tiempo ra,ona'le
Integración de I$ & $utoDetección
$l alcance de la ma&or=a de los $uditoresEo se re#uieren a'ilidades t cnicas ele!adas
Facilidad de Integración en diferentes
es#uemas de 'ases de datos
Costo "fecti!o
%lataforma de In!estigación
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
18/51
"istas de (etección )(ectec*ets+
- 6n Detect)et codifica?Información de 'ase en es#uema.
Detalle de un indicador espec=fico del es#uema. $sistente de interfa, para #ue usuario !a&a a tra!esde la selección de entrada.
$lgoritmo codificado en formato standar.(eguimiento de KComo interpretar los resultadosL.
- )a entrada es una o mas o'jetos de ta'la.
- )a salida es una o mas o'jetos de ta'la.
RD 2015/11/05Ing. Carlos Carrion
%lataforma de In!estigación
%lataforma de In!estigación
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
19/51
(e&ostración de (ectec*et
- anipulación de ofertas cuando una sola persona se encarga & prepara todas las compras & !entas.
- D ( ( $ccess &(N) +racle (N) (r! %ostBre- (oftJare $C) o ID"$ o %icalo
- Construir los Cimientos de la $plicación
%ermite control total de la plataforma.
%ermanecer como Código )i're mejor #ue tratar el programa en una plataforma particular. (oporta indoJs 6niA )inuA ac. %ermitir uso anidado dentro de una plataforma ma&or. )a preferencia ma&oritaria & personal es %&t on.
RD 2015/11/05Ing. Carlos Carrion
%lataforma de In!estigación
%lataforma de (oporte %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
20/51
Ar#uitectura "ICA*O
RD 2015/11/05Ing. Carlos Carrion
%lataforma de (oporte %IC$)+
Rutinas Ei!el >? (istema "Aperto+ntolog=as 'asado en Reglas & )ógica
%ara descru'rir inteligentemente fraude en conjuntos de datosusando rutinas Detect)et Ei!el 2
)icencias diferentes $sistente Detec)et
del Interfa, Brafico de 6suarioa )i'reria Detect)et
Código )i're%lataforma cru,ada delinterfa, grafico a usuar io
Código )i'reRutinas Ei!el 2? Detec)etsanderas Rojas "spec=ficas
anipulación +fertas (o'ornos& otros s=ntomas
Diferentes licenciasRutinas Ei!el 1? $nGlisis de ase
(ort (earc (elect "Apresion *endencia etcCódigo )i're
%lataforma de (oporte %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
21/51
Ar#uitectura "ICA*O
RD 2015/11/05Ing. Carlos Carrion
%lataforma de (oporte %IC$)+
%lataforma de (oporte %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
22/51
Co&o (etect*ets dirigen el "roble&a
RD 2015/11/05Ing. Carlos Carrion
%lataforma de (oporte %IC$)+
Tie&,o *i&itado:- Detect)ets pro!een un asistente interfa, para ejecuciónrGpidaS #ue pueden ser encadenados & automati,ados en ungran sistema.
Alto Costo:- Detect)ets estGn 'asados como (oftJare de Código
)i're colocGndolos a disposición de pe#ue3as & grandesempresasS permitiendo ademGs crear un entorno comunitariopara detección de fraude.
Escaza E-,eriencia en s.nto&as de $raude:- Detect)ets pro!ee una gran li'rer=a de rutinas disponi'les
para #ue los auditores se encarrilen & caminen a tra!es del
proceso de detección.
%lataforma de (oporte %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
23/51
Co&o (etect*ets dirigen el "roble&a
RD 2015/11/05Ing. Carlos Carrion
%lataforma de (oporte %IC$)+
Falta de /erra&ientas es,ec.$icas de $raude:- %icalo pro!ee una solución a'ierta #ue se puede mejorar
cada !e,S colocando un juego de erramientas espec=ficas defraude en manos de auditores.
0u% ,ocas Habilidades de Análisis:- Detect)ets codifica totalmente los algoritmos & los
decodifica permitiendo al auditor permanecer en el ni!elconceptual mejor #ue en el ni!el de implementación.
Falencia de e-,eriencia en tecnolog.a a,licada:- Detect)ets pro!ee una solución modo asistente #ue es
fGcil de utili,arS %icalo permite un interfa, de usuario tipo"Acel.
Ei!el 1 de %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
24/51
Estructuras de (atos
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 de %IC$)+
0ódulo 1i&,le
0ódulo 2en$ord
0ódulo de Tabla Cruzada
0ódulo de 2ase de (atos
0ódulo Financiero
0ódulo de Agru,a&iento
0ódulo de Tendencia
*ibrerias "%t/on
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
25/51
Estructuras de (atos )(ata 1tructures+
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 %IC$)+
El ob'eto Tabla )Table+:- "s la estructura de datos 'Gsica. %icalo pro!ee una
solución a'ierta #ue puede mejorar cada !e, colocando un juego de erramientas espec=ficas de fraude en manos deauditores.
- Casi todas las rutinas de entrada & salida de ta'las lespermite ser encadenadas. - (us m todos inclu&en? Clasificación sort operaciones de
columna operaciones de fila importar/eAportar desde o aformatos de teAto delimitado o "Acel..
Ti,os de Colu&na inclu%e:- )ógico ooleano "ntero Integer %unto Flotante
Floating %oint Fec a Date Fec a*iempo Date*imeCadena de caracteres (tring .
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
26/51
0ódulo 1i&,le )1i&,le 0odule+
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 %IC$)+
"rovee co&o o,eraciones básicas:- untura joining 'Qs#ueda eAacta matc ing 'Qs#ueda
ineAacta fu,,& matc ing & selección select .
Con las siguientes sentencias:- colTjoin colTleftTjoin colTrig tTjoin
- colTmatc colTmatc Tsame colTmatc Tdiff - compareTrecords customTmatc customTmatc Tsame customTmatc Tdiff descri'e eApressionTmatc
findTduplicates findTgaps.
- fu,,&searc fu,,&matc fu,,&coljoin. - getTunordered join leftTjoin rig tTjoin - select selectT'&T!alue selectToutliers selectToutliersT, selectTnonoutliers selectTnonoutliersT,
selectTrecords soundeA soundeAcol.
- sort etc.
10
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
27/51
0ódulo 2en$ord )2en$ords 0odule+
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 %IC$)+
"rovee análisis de la cantidad de valores seg3n la$or&ulación de 2en$ord:
calc4ben$ord:- Calcula la pro'a'ilidad para un simple d=gito.
get4e-,ected:- Calcula la pro'a'ilidad para un nQmero total.
anal%ze:- $nali,a un entero conjunto de datos data set & Calcularesumen de resultados.
2F
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
28/51
0ódulo de Tabla Cruzada )CrossTable 0odule+
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 %IC$)
"rovee resu&en agru,ado de datos ,or caracter.sticas:
,ivot:- (imilar a la función "Acel de ta'la llamada %IO+*.
,ivot4table:- Reali,a el pi!ote de ta'la & mantiene resultados en un
diccionario mejor #ue en cuadr=cula.,ivot4&a,4detail:
- Reali,ar el pi!ote de ta'la & mantiene resultados en unaforma mu& detallada usando un diccionario.
CT
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
29/51
0ódulo de 2ase de (atos )(ata2ase 0odule+
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 %IC$)
"rovee cone-ión % o,eracioned a 2ases de (atos:
OdbcConnection:- Conecta a cual#uier ase de Datos con es#uema +D C.
"ostgre15*Connection:- Conecta a 'ase de datos %ostgre(N).
0%15*Connection:- Conecta a 'ase de datos &(N)
$demGs inclu&e !arias funciones de a&uda a consultas #uer&tales como creacion #uer& creation anGlisis de resultdados
results anal&sis
(2
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
30/51
0ódulo Financiero )Financial 0odule+
RD 2015/11/05Ing. Carlos Carrion
Ei!el 1 %IC$)
Calcula varias ,ro,orciones o razones )radios+ $inancieras
,ara a%udar en el análisis de estados $inancieros:
Current Radio: Indice de )i#uide,5uic6 Radio: Indice de )i#uide, Inmediata
Net7or6ing Ca,ital: Capital de *ra'ajo EetoReturn on Assets ROA: Retorno so're $cti!osReturn on e#uit% ROE: Retorno so're Ingresos %ropiosReturn on co&&on e#uit%: Retorno so're patrimonio comQn"ro$it 0argin: argen de eneficioEarnings ,er s/are: Banancias a Distri'uir Assets turnover: Rotación de $cti!osInventor% turnover: Rotación de In!entarios(ebt to E#uit%: Deuda a %atrimonio"rice Earnings: *asa de Banancias so're %recio
FN
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
31/51
0ódulo Financiero )Financial 0odule+
RD 2015/11/05Ing. Carlos Carrion
$)
Calcula varias ,ro,orciones o razones )radios+ $inancieras
,ara a%udar en el análisis de estados $inancieros:
Current Radio: Indice de )i#uide,5uic6 Radio: Indice de )i#uide, Inmediata
Net7or6ing Ca,ital: Capital de *ra'ajo EetoReturn on Assets ROA: Retorno so're $cti!osReturn on e#uit% ROE: Retorno so're Ingresos %ropiosReturn on co&&on e#uit%: Retorno so're patrimonio comQn"ro$it 0argin: argen de eneficio
Earnings ,er s/are: Banancias a Distri'uir Assets turnover: Rotación de $cti!osInventor% turnover: Rotación de In!entarios(ebt to E#uit%: Deuda a %atrimonio"rice Earnings: *asa de Banancias so're %recio
FN
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
32/51
0ódulo Financiero )Financial 0odule+
RD 2015/11/05Ing. Carlos Carrion
)
Calcula varias ,ro,orciones o razones )radios+ $inancieras
,ara a%udar en el análisis de estados $inancieros:Current Radio:- Indice de )i#uide,? $cti!oTCorr / %asi!oTCorr
5uic6 Radio:- Indice de )i#uide, Inmediata
"feCaj an U CAC / %asi!oTCorr
Net7or6ing Ca,ital:- Capital de *ra'ajo Diferencia del $cti!o & %asi!ocorrientes
$cti!oTCorr V %asi!oTCorr
Return on Assets ROA:
- Retorno so're $cti!osIn reso Eeto / *otal $cti!os
FN
Ei!el 1 %IC$)+FN
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
33/51
0ódulo Financiero )Financial 0odule+
RD 2015/11/05Ing. Carlos Carrion
)
Return on e#uit% ROE:- Retorno so're Ingresos %ropios
IngresoTEeto / %atrimonio
Return on co&&on e#uit%:- Retorno so're patrimonio comQn
IngresoTEeto V Di!idendoT%refrd / %atrimonio -onoT%refrd
"ro$it 0argin:- argen de eneficio
6tilidadTEeta / OentasEarnings ,er s/are:
- Banancias a Distri'uir IngresoTEeto V Di!idendoT%refrd /
%romedioT%ondT$ccn
FN
Ei!el 1 %IC$)+FN
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
34/51
0ódulo Financiero )Financial 0odule+
RD 2015/11/05Ing. Carlos Carrion
)
Assets turnover:
- Rotación de $cti!os Oentas / *otalT$cti!os
Inventor% turnover:- Rotación de In!entarios
Oentas / In!entario CostoTOentas / In!entarioT%romedio
(ebt to E#uit%:- Deuda a %atrimonio
*otalT%asi!os / *otalT$cti!os V *otalT%asi!os
"rice Earnings:- *asa de Banancias so're %recio OalorT ercadoT$ccion / BananciasTDistri'uir
FN
Ei!el 1 %IC$)+8R
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
35/51
0ódulo de Agru,a&iento )8rou,ing 0odule+
RD 2015/11/05Ing. Carlos Carrion
)
Estrati$ica con detalles el $ondo de 15* 8RO9" 20antiene las tablas de detalle &e'or #ue su&arizarlas
strati$%:- "stratifica una ta'la en E nQmero de ta'las.
strati$%4b%4e-,ression:- "stratifica una ta'la utili,ando una eApresión ar'itraria.
strati$%4b%4value:- "stratifica so're unos !alores Qnicos.strati$%4b%4ste,:
- "stratifica 'asado en esta'lecer rango num rico.strati$%4b%4date:
- "stratifica 'asado en un rango de fec as.1u&&arizing e s similar a (N) BR+6% < pero permite
cual#uier tipo de función a ser utili,ada para torali,ar BR+6%< generalmente solo permite sum stde! mean etc .
"sto puede ser reali,ado en las mismas formas #ue laestratificación.
8R
Ei!el 1 %IC$)+T(
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
36/51
0ódulo de Tendencias )Trending 0odule+
RD 2015/11/05Ing. Carlos Carrion
Varias $or&as de analizar tendencias % ,atrones en el
tie&,ocusu&:
- * cnica suma acumulada para deteccion de puntos decam'io en tendencias.
/ig/lo;4slo,e:- todo de pronóstico %untoT$lto/%untoT ajo de !alores.average4slo,e:
- todo de la recta con pendiente promedio.regression:
- *endencia de medición eAtrema con proAimidad a lamedia de la siguiente medición./ands/a6e4slo,e:
- $proAimación por enlace de puntos cercanos.
T(
Ei!el 1 %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
37/51
*ibrer.as "%t/on
RD 2015/11/05Ing. Carlos Carrion
*engua'e de ,rogra&ación ,oderoso % $ácil con unaco&unidad signi$icativa en l.nea
- *iene soporte Orientado a Ob'etos *otal.
- Rutinas de anipulación & $nGlisis de Te-to .
- Rutinas de malla para sitios ;eb .- Rutinas de $nGlisis de correos e&ai< .
- Benerador de n3&eros aleatorios .
- ConeAión con casi todas las 2ases de (atos .
- antenimiento & (esarrollo de sitios Je'.
- Innumera'les librerias disponi'les en l=neacasi todas código a'ierto .
Detect)ets con %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
38/51
En version = >? a&biente 7indo;s
RD 2015/11/05Ing. Carlos Carrion
Agru,ados en base a los casos de $raude a,ortadosE&,lo%ees:
- Casos de fraude in!idi!idual colecti!a para regir lanómina & pagos de onorarios en la empresa.
"a%&ents:
- (ituaciones de los c e#ues emitidos #ue pueden producirdolo o diferencias en contra."rocure&ent:
- (ospec as de fraude en las rdenes de compra.ṕ"roducts:
- Des!iaciones en precio rotación & calidad de productos#ue la empresa re#uiere.Vendors:
- Casos de pro!eedores & sus datos #ue potencialmentees necesario anali,ar & registrar.
E"A
RV
Detect)ets con %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
39/51
RD 2015/11/05
Ing. Carlos Carrion
E&,lo%ees )E&,leados+
C/e#ueo del I( de e&,leado contra .ndice de di$untos:- Casos de datos de fallecidos siendo utili,ados.
C/e#ueo de validez del n3&ero se seguridad social:- (ituaciones de irregular o error num de seguridad social.
E&,leados con au&ento de /oras e-tras:- Incremento desmesurado de tiempo eAtra registrando.E&,leados sin vacaciones utilizadas o d.as de en$er&edad:
- %or indicios de alguien mu& sano o #ue es fantasma.C/e#ues ,agados des,u@s de Fec/a de cierre nó&ina:
- Casos de ajuste o cam'ios #ue pueden ser sospec osos"agos at.,icos #ue a,arecen en el "ago Total a e&,leado:- oti!os #ue no se aplican o no eAisten para pagar.
Valor escandaloso ,agado ,or algo irrelevante:- 6so de nómina para pagos sospec osos de alto !alor.
Detect)ets con %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
40/51
RD 2015/11/05
Ing. Carlos Carrion
Agru,ados en base a los casos de $raude a,ortados
"
Detect)ets con %IC$)+
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
41/51
RD 2015/11/05
Ing. Carlos Carrion
"a%&ents )"agos+
C/e#ues cancelados $uera de secuencia:- (altos en la numeración consecuti!a de c e#ues.
C/e#ues ,agados a E$ectivo o Cas/:- Casos en nom're 'eneficiario con sentido de efecti!o.
Co&,aración de Cuentas de (e,ósito (irecto:- %ara !erificar otros pagos reali,ados 'ajo mismo moti!o.
Re&bolsos de gastos du,licados:- (ospec as en reponer !alores pagados pre!iamente.
8astos &@dicos $acturados ,ero no realizados:- Incidencias de facturas m dicas so're algo no ejecutado.
"agos realizados a $acturas con secuencia sos,ec/osa:- 6so de secuencias de factura sospec osas.Totales de Factura % "ago di$erentes:
- Casos de #ue se paga diferente !alor al total de factura.(e&asiados c/e#ues anulados:
- %uede causar reuso de c e#ue para pagar otros !alores.
"
Detect)ets con %IC$)+$
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
42/51
RD 2015/11/05
Ing. Carlos Carrion
Agru,ados en base a los casos de $raude a,ortados
A
Detect)ets con %IC$)+
A
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
43/51
RD 2015/11/05
Ing. Carlos Carrion
"rocure&ents )Ad#uisiciones o Co&,ras+
O$ertas ace,tadas des,u@s de $ec/a acordada:- (ospec as de preferencia de ciertas ofertas.O$ertas esti&adas con variación signi$icativa en ,recios de
,roducto:- %recios por item en ofertas aparecen altos al comparalos.
O$ertas re&ovidas durante la revisión t@cnica:- (ospec as de preferencia de ciertas ofertas.Resu&en ,or ,roveedor:
- +frecer parGmetros de ofertas & pro!eedores #ue ganan.O$ertas con id@nticos &ontos en detalle ,or ite&:
- (ospec a de ma#uillaje de ofertas 'asada en otras.O$ertas con ,recios de ite&s #ue son ,orcentual&ente
derivados de otra o$ertas:- 6so posi'le de ofertas para preparar ganadora.
A
Detect)ets con %IC$)+) d AB
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
44/51
RD 2015/11/05
Ing. Carlos Carrion
"rocure&ents )Ad#uisiciones o Co&,ras+
Cone-iones entre o$ertantes:- Casos de colusión o mismos ofertantes con diferente
nom're.O$ertas e-cesiva&ente altas en valor:
- (ospec as de preferencia de ciertas ofertas.A,ellidos de O$ertantes si&ilar al de Evaluadores:- %ara tapar conflicto de intereses aparecen parientes.
Instru&ento de 1eguridad Incre&ental:- $ tra!es de secuenciamiento !er si ma#uillan ofertas.
9lti&o o$ertante ganador:- +frecer parGmetros de ofertas ganadoras & patrón.03lti,les O$ertas en &is&o d.a:
- isma fec a aparecen ofertas ela'oradas & entregadas.
AB
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
45/51
Detect)ets con %IC$)+" & )Ad# i i i C & A
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
46/51
RD 2015/11/05
Ing. Carlos Carrion
"rocure&ents )Ad#uisiciones o Co&,ras+
O$erta si&,le en ,ro%ecto con e-ceso del u&bral del total,or ,roveedor:
- Rotura de oferta para ofrecer preferencia a ganador.Veri$icar total de o$erta con total del detalle de $actura:
- %osi'le suma diferente del detalle con total oferta.O$erta ganadora a,enas &enor:
- Casos de ma#uillaje de ofertas & fa!oritismos.O$erta ganadora NO es la o$erta con &as ba'o valor:
- (ospec a de preferencia a pro!eedor.O$erta ganadora NO con &enor total ,or ,roveedor:- %ara esta'lecer patrón de posi'le colusión.
A=
Detect)ets con %IC$)+Agru ados en base a los casos de $raude a ortados
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
47/51
RD 2015/11/05Ing. Carlos Carrion
Agru,ados en base a los casos de $raude a,ortados
R
Detect)ets con %IC$)+" d t )" d t + R
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
48/51
RD 2015/11/05Ing. Carlos Carrion
"roducts )"roductos+
Incre&ento anor&al en ,recios de ,roducto:- %ara detectar aumento de precio sin justificación.
Co&,aración de ,recios con ,roductos si&ilares:- "n misma categor=a 'usca diferencias eAtremas de
precio entrel ellos.Retornos o devoluciones e-cesivas:
- $ tra!es de los costos & los precios determina eAceso dede!oluciones.
(evoluciones signi$icativas de ,roducto:- Indicador de fraude determinado por cantidad de
de!oluciones.
R
Detect)ets con %IC$)+Agru ados en base a los casos de $raude a ortados
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
49/51
RD 2015/11/05Ing. Carlos Carrion
Agru,ados en base a los casos de $raude a,ortados
V
Detect)ets con %IC$)+Vendors )"roveedores+ V
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
50/51
RD 2015/11/05Ing. Carlos Carrion
Vendors ) roveedores+
Co&,arar (atos de E&,leado con los de "roveedor usandoCoincidencia "arcial:- %ara detectar relación de identificación entre "mpleado &
pro!eedors por le!es diferencias en datos.Crear n3&eros ba'o *e% de 2en$ord:
- $ modo de ejemplo genera m nQmeros de n digitosregidos por la )e& de enford.Hallar 8ru,os de n3&eros $abricados o inventados:
- $ tra!es de le& de enford para n digitos por columna &estratifica para anali,ar si cumple o no.
Encontrar "roveedores con n3&eros de $actura secuencial:- (ospec a de secuencias factura por pro!eedor "roveedores ,agados #ue tienen (irecciones % correo
dis,erso:- (ospec a de u'icación f=sica a pro!eedores.
V
-
8/19/2019 Deteccion Fraude con PICALO DetectLets
51/51
top related