你可在此了解如何保护你的商业利益及受益人. ...
本网站使用cookie，以确保我们给您最好的用户体验. cookie协助导航，分析流量和我们的营销工作，如我们的 隐私政策.
The ACFE Anti-欺诈 Playbook declares that fraud is happening at your organization; you just don’t know it, 然后，它提供了从最佳实践和主要指导中提取的十个“策略”，旨在帮助降低欺诈风险. 一个最佳实践是使用数据分析来发现欺诈行为.
该手册断言，数据分析是一种强大的欺诈预防手段, 侦查工具, 使其成为有效和全面的欺诈风险管理计划的重要组成部分.
作为利用数据分析来预防和检测欺诈的一部分, 你必须理解并组织所有相关数据. 准备用于分析的数据包括数据提取和整合以及数据清理.
数据提取和整合就是收集相关数据, 选择必要的记录和变量，并集成或合并来自多个数据源的记录. 使用多个数据源的一个挑战是，有些数据可能是组织和格式化的(结构化)，而有些数据可能是定性的(非结构化)。.
应该使用数据清理:删除不需要的观察值, 修复结构错误, 处理丢失的数据和管理不需要的异常值.
准备用于分析的数据可能很耗时. 然而, 这是一项有价值的投资，在数据分析项目开始时确保数据准备好进行分析是必要的. ETL(提取, 变换, 加载)软件，如IDEA或Alteryx，旨在协助在数据准备阶段.
评估潜在欺诈的下一步是对数据本身进行实际分析. 这可以通过使用统计工具，如Alteryx、Excel或Power BI来完成. 在数据被分析之后, 可以使用Tableau或Power BI等数据可视化软件来理解和交流数据.
知道如何将所有不同的数据片段整合到一个内聚的最终分析产品中，从而防止和检测欺诈是非常具有挑战性的. 施耐德唐斯的专业人员在数据分析项目中使用上述软件有多年的经验，并帮助许多组织防止了这种情况, 发现或调查欺诈行为.
如果您对欺诈风险有疑问或担忧, 或者想讨论使用数据分析作为评估潜在欺诈的一种方式, 请联系 汤姆·普拉特 or 布莱恩•韦伯斯特.