企业反舞弊:开启数据分析的力量


企业反舞弊:开启数据分析的力量



商业舞弊行为的精细度和复杂度正在不断升级,实施者可能是企业内部员工,也可能涉及外部人士;但无论策划多么周密,依然会在各类企业数据中留下一些蛛丝马迹。如果能对此进行充分监测和有效分析,抓住数据背后各种值得警惕的异常现象,将给企业的舞弊预防工作带来重要帮助。

但面对喷薄而出的海量数据,传统的抽样方法很难有效应对,而数据分析技术则能帮助企业很好地补上这块短板——使企业有能力快速监测和比较来自不同系统的相互孤立的大量数据源,有效分析每一笔交易,在早期就发现潜在的舞弊迹象,并了解可能的风险规模,第一时间采取预防工作。从本质上来说,它帮助反舞弊人员实现了与数据的紧密结合。

从实际应用的角度看,数据分析技术在企业预防舞弊工作中所扮演的角色多种多样,从协助企业对各个系统中的数据进行定期监测、评估和归类,到识别需要特别注意的交易记录,再到利用可视化方式为相关人员提供后续行动指引。下面我们就通过化险集团曾经遇到过的一个实际案例,一起来看看一站式数据分析解决方案在实践中是如何发挥作用的。

reshaping-business

 
 
 
 
 
 

 

 一家大型跨国保险集团总部想在子公司内建立数据监测和分析机制,对内外勾结、骗取保险金等欺诈行为做到尽早发现和预防。但除了基本的常规警示,集团总部并没有其它数据管理的有效手段,于是向化险集团寻求帮助。

根据客户的具体情况和需求,我们制定了“三步走”计划。


识别和搜集相关数据集


首先是了解企业的相关数据集。通过与IT、财务、数据等相关部门的合作,我们得以:

  • 了解与索赔、保单、保险代理、佣金支付等相关的各类数据系统
  • 识别有用的字段以及它们之间的关联
  • 明确数据的存储方式和上传频率

通过以上工作,我们确定了可获得反舞弊分析所需基础信息的数据源,并制定了计划——每周从多个源系统中提取相关数据,并进行聚合处理,为之后的分析工作做好准备。

评估可疑交易,确定优先等级

在数据搜集完成后,我们又将保险行业欺诈较为常见的做法和套路纳入考虑。通过合并数据集并有效使用分析技术来分析多个数据源,我们从中发现了不少异常情况,例如:

  • 同一方定期提出索赔
  • 与某些车辆遭窃相关的集中索赔
  • 专注于某些被保险人的代理商和内部员工

我们通过40多项风险测试,从海量记录中识别出多起可疑交易,在此基础上建立了风险矩阵,根据影响大小(交易金额)和风险评分(交易中存在欺诈行为的可能性,参考因素包括数据源的可靠性以及欺诈测试的有效性)对所有交易进行优先级排序,如下图示例。每个圆圈代表一项可疑交易,而白色虚线框内则是建议企业重点筛查的部分。风险矩阵可帮助企业将资源优先投入到影响和风险较高的事务中。 

 reshaping-business-

将数据可视化以提供行动指引

在对数据进行搜集和分析的基础上,我们开发了一个数据展示面板(Dashboard),将相关数据可视化,为反舞弊人员进一步深入调查可疑交易提供有利条件。

reshaping-business-3
可视化数据面板示例


我们还针对每一项风险警示提供了详细介绍。通过这些细节,反舞弊人员可以进行更有针对性的后续调查

reshaping-business-4
风险警示详解示例


最后,我们为企业管理层定制了另一个交互式数据面板,针对重点领域提供更为简练的分析结果,便于其充分了解子公司所存在的欺诈风险敞口。


在两年的监测期内,我们帮助该客户发现了668宗可疑交易,潜在风险金额达到600万美元。客户总部在我们的帮助下,得以在早期就对各类异常行为进行介入调查,尽早消除风险。

上述案例虽有一定的行业特殊性,但保险行业的复杂性、庞杂的数据源和数据量级使其不失为展现数据分析处理复杂问题的上佳选择。除了保险行业,化险集团还帮助许多其它行业的客户在特定风险领域实现了对各种舞弊行为的监测和预防。行业不同,关注点不同,数据结构也各异,但对数据分析的应用趋势是不变的。

根据我们的经验,数据监测和分析解决方案的成功实施取决于企业数据的可用性和可靠性、解决方案和企业系统的集成性,以及其自身不断进化以适应快速发展的舞弊模式的能力。此外,数据分析所指出的异常情况也并不代表其中一定存在着舞弊行为,后续仍需要企业投入足量资源进行针对性调查,识别其中确实存在问题的部分,提前采取措施以预防风险——将数据分析和传统审查手段紧密结合,是合规新时代下主动出击、减少舞弊风险的有效手段。

 

联系我们

如您希望获得更详细的信息,或针对某一话题与我们进行更深入的交流,请联系我们

control-risks-wechat-qrcode

关注化险集团微信公众号。我们将持续与您分享及时的全球风险动态和前沿的深度洞察报告,助您妥善应对风险,把握市场机遇。