Betrug mithilfe von Datenanalyse verhindern

Galvanize

Galvanize

Da Betrüger immer raffinierter werden und die Menge an globalen Daten exponentiell zunimmt, gilt die Datenanalyse heute mehr denn je als entscheidendes Instrument zur Bekämpfung der steigenden globalen Betrugsfälle.

Wussten Sie, dass Unternehmen aufgrund von Betrugsfällen jährlich 2,1 Billionen USD weltweit verlieren? Das ist mehr als das gesamte BIP Brasiliens – die achtgrößte Volkswirtschaft!

Es steht außer Frage, dass Betrugssysteme ausgefeilter geworden sind. Betrüger finden ständig neue Wege, um technische Werkzeuge zu manipulieren. Für die Betrugsbekämpfung investieren Unternehmen und Regierungen auf der ganzen Welt massiv in Technologien und Ressourcen.

Tatsächlich ergab eine kürzlich von PwC durchgeführte Umfrage, dass 44% der Befragten planen, in den kommenden zwei Monaten die Ausgaben für die Prävention von Betrug und Wirtschaftskriminalität zu erhöhen. Die Umfrage ergab, dass der größte Teil dieses Geldes in hochentwickelte Betrugserkennungssoftware sowie in Datenanalyse- und Automatisierungswerkzeuge fließt.

Datenanalyse – unerlässlich für die Erkennung und Vorbeugung von Betrugsfällen

Die weltweit produzierte Datenmenge nimmt ständig zu—und nichts deutet auf eine Verlangsamung hin. Dadurch wird es immer schwieriger, Betrugsindikatoren aufzudecken. Interne Kontrollen allein reichen in diesem Umfeld nicht aus. (Und Mitarbeiter verwenden zunehmend raffiniertere Methoden, um diese Kontrollen zu umgehen.)

Die manuelle Überprüfung all dieser Daten ist äußerst kostspielig und zeitaufwändig – und für große globale Unternehmen schlicht unmöglich. Mit der Datenanalyse erhalten Sie jedoch einen schnellen Überblick über Ihre Geschäftsabläufe und können leicht Detailinformationen anzeigen. Dies beschleunigt die Überprüfungen und liefert detailliertere und umfassendere Informationen als rein manuelle Prozesse.

Vorteile und Anwendungen der Datenanalyse zur Betrugserkennung

  • Automatische Durchsuchung aller von Ihnen durchgeführten Transaktionen (100%) nach Betrugsindikatoren.
  • Leichte Verknüpfung, Standardisierung und einfacher Vergleich von Daten aus verschiedenen Systemen.
  • Schnelle Identifizierung von Betrugshandlungen, bevor diese in die Schlagzeilen der Presse geraten.
  • Neuausrichtung der Ressourcen, um die Bemühungen um Aufdeckung auf tatsächlich verdächtige Transaktionen zu konzentrieren.
  • Genauere Berechnung der Auswirkungen von Betrugshandlungen.
  • Deutliche Reduzierung von Stichprobenfehlern sowie Verbesserung der internen Kontrollen.
  • Zeitersparnis durch Automatisierung von sich wiederholenden Tests.

Stichproben reichen nicht mehr aus

Viele Kontrolltestmethoden wie z.B. die Stichprobenprüfung haben gravierende Mängel.

  • Man kann z.B. die Auswirkung von Kontrollfehlern nicht umfassend messen.
  • Man kann kleinere Anomalien leicht übersehen — die im Laufe der Zeit zu umfangreichen Betrugsfällen werden können.
  • Mit Stichprobenprüfungen kann man keine Warn-Muster erkennen oder sie dienen lediglich dazu, regulatorische Anforderungen zu erfüllen.

Die Durchführung von Stichprobenprüfungen von Daten ist zwar durchaus ein gültiger Prüfungsansatz, sie ist allerdings für die Aufdeckung von Betrugshandlungen nicht besonders effektiv. Das liegt daran, dass betrügerische Transaktionen generell nicht zufällig auftreten.

Um interne Kontrollen effektiv testen und überwachen zu können, müssen Unternehmen alle relevanten Transaktionen analysieren - was ohne Datenanalyse und Automatisierung kaum möglich ist.

„Die proaktive Datenüberwachung führte zu 52% weniger Verlusten und Betrugsfällen, die in der Hälfte der Zeit erkannt wurden.“—Association of Certified Fraud Examiners

Arten von Analysetests

Im Wesentlichen gibt es zwei Arten von Analysetests: Ad-hoc- und repetitive/kontinuierliche Tests.

Ad-hoc-Tests

Ad-hoc-Tests zielen darauf ab, eine Antwort auf eine geschäftsspezifische Fragestellung zu erhalten. Mit Ad-hoc-Tests können Sie Ihre Daten durchsuchen und analysieren. Sie können sich die Transaktionen ansehen und erkennen, ob irgendetwas auf einen Betrug hindeutet oder ob es Möglichkeiten für einen Betrug gibt.

Aber dieser Ansatz ist immer noch sehr manuell und zeitaufwändig. Und wenn Anomalien dieser Art relativ häufig auftreten oder ein bestimmtes Risiko besteht, mit dem Sie sich nicht wohl fühlen, möchten Sie vielleicht auf wiederkehrender Basis Untersuchungen durchführen, was uns zu der zweiten Art von Tests bringt.

Wiederholte/kontinuierliche Tests

Die wiederholte oder kontinuierliche Analyse zur Betrugserkennung erfordert die Einrichtung von Skripten, die mit großen Datenmengen arbeiten, um Anomalien zu erkennen, sobald sie auftreten. Diese Methode kann die Gesamteffizienz, Konsistenz sowie die Qualität Ihrer Betrugserkennungsprozesse wirklich verbessern.

Die Automatisierung von Tests offensichtlicher Problem- oder Risikobereiche wie z.B. die Nutzung von Einkaufskarten ermöglicht es Ihren Teams, andere Bereiche zu untersuchen, in denen etwas schief gehen könnte, oder sich auf Aufgaben und Projekte zu konzentrieren, die viel Zeit und manuelles Eingreifen erfordern.

„Laut einem Bericht der Association of Certified Fraud Examiners läuft ein typischer Betrugsfall über einen Zeitraum von 16 Monaten, bevor er aufgedeckt wird.“

Umstellung auf kontinuierliche Überwachung

Die Vorteile, Betrugsfälle schnell zu erkennen, liegen auf der Hand, und eine rechtzeitige Risikominderung ist ein überzeugendes Argument für die kontinuierliche Analyse und Prüfung von Transaktionen.

Sobald man einen Test zur Aufdeckung eines bestimmten Betrugsindikators entwickelt hat, ist es sinnvoll, die Analyse regelmäßig zu wiederholen. Wie oft Sie den Test durchführen, hängt dabei von Ihren Zielen und der Größe Ihres Unternehmens ab.

Bei der Überwachung von Zahlungs- und Umsatzvorgängen kann es beispielsweise sinnvoll sein, automatisierte Tests täglich durchzuführen. In Bereichen wie Einkaufskarten, Reise- und Bewirtungskosten und Gehaltsabrechnungen müssen Sie Tests möglicherweise nur wöchentlich oder monatlich durchführen, und Sie sollten sie an die Zahlungsfrequenzen anpassen.

Der Wechsel von einer Reihe von auf Ad-hoc-Basis durchgeführten betrugsspezifischen Datenanalysen auf die kontinuierliche Überwachung bereitet keinerlei Schwierigkeiten. Unter der Voraussetzung, dass Fragen des Datenzugangs, der Datenvorbereitung und -validierung thematisiert wurden und die Tests erwiesenermaßen wirksam sind, müssen bei einem Wechsel zu einer kontinuierlichen Überwachung die Tests lediglich automatisiert werden. Danach könnten Sie dann auch einen automatisierten Workflow für Gegenmaßnahmen einrichten.

Durch bestimmte Tests aufgedeckte Ausnahmen werden dann automatisch an bestimmte Personen zur Überprüfung weitergeleitet. Die Benachrichtigung über risikoreiche Ausnahmen kann an Mitglieder einer höheren Führungsebene weitergeleitet werden. So können Sie sicher sein, dass Probleme markiert und weiterverfolgt werden.

Einstieg in die Datenanalyse zur Betrugserkennung

Dies ist eine Einführung in die Art und Weise, wie die Datenanalyse die Erkennung und Prävention von Betrug unterstützen kann. Weitere Informationen zu diesem Thema, darunter die Einrichtung von Programmen für die Betrugsanalyse, die verschiedenen Analysearten sowie 20 gängige Tests, finden Sie in unserem E-Book Mit Datenanalyse Betrug erkennen und verhindern.

E-Book:

Mit Datenanalyse Betrug erkennen und verhindern

Themen in diesem E-Book:

  • Wichtige Überlegungen beim Umsetzen eines erfolgreichen Programms zur Betrugsbekämpfung.
  • Die effektivsten Datenanalysetechniken zum Aufdecken und Verhindern von Betrugsfällen.
  • Praktische Analysetests zum sofortigen Durchführen in verschiedenen Geschäftsbereichen.

E-Book herunterladen

Verwandte Beiträge

lang="de-DE"
X

Galvanize ist jetzt Teil von Diligent.

Um über die neuesten Produktangebote, Forschungen und GRC-Ressourcen auf dem Laufenden zu bleiben, oder sich bei Ihren Galvanize-Produkten anzumelden, besuchen Sie bitte www.diligent.com

Diligent besuchen Anmeldung