PMN
  • Inicio
  • Sobre Nosotros
  • Productos
    • Galvanize
      • ACL Robotics
      • RiskBond
      • ComplianceBond
      • ControlsBond
      • AuditBond
      • FraudBond
      • ThirdPartyBond
      • ITGRCBond
    • Refinitiv
    • Terranova
    • Unimate RPA
  • Soluciones
    • Automatización
    • GRC
    • Transformación Digital
  • Blog
  • Contacto
  • Solicitar Presupuesto
  • Inicio
  • Sobre Nosotros
  • Productos
    • Galvanize
      • ACL Robotics
      • RiskBond
      • ComplianceBond
      • ControlsBond
      • AuditBond
      • FraudBond
      • ThirdPartyBond
      • ITGRCBond
    • Refinitiv
    • Terranova
    • Unimate RPA
  • Soluciones
    • Automatización
    • GRC
    • Transformación Digital
  • Blog
  • Contacto
  • Solicitar Presupuesto
  •  

Prevención de Fraude

Home / Posts Tagged "Prevención de Fraude"

Tag: Prevención de Fraude

Seguimiento de Fraude con Análisis de Datos

Un estudio de 2020 de PricewaterhouseCoopers encontró que el 47% de las empresas tuvieron al menos una incidencia de fraude en los dos años anteriores, con un promedio de seis casos por empresa. El fraude de clientes fue el más común, seguido del delito cibernético, la apropiación indebida de activos, el soborno y la corrupción. Los incidentes se dividieron casi en partes iguales entre perpetradores internos y externos.

Con la naturaleza desestabilizadora de la pandemia de COVID-19, la probabilidad de fraude es aún más frecuente. Un informe de la Asociación de Examinadores de Fraude Certificados (ACFE) encontró que el 77% de las empresas encuestadas en agosto de 2020 experimentaron un aumento en la actividad fraudulenta desde el inicio de la pandemia, y el 92% espera que el fraude aumente en los próximos 12 meses.

El análisis de datos y los controles automatizados pueden detectar señales de advertencia que las personas pasan por alto.

Por ejemplo:

Entradas del libro mayor

Las entradas del libro mayor deben analizarse de cerca para detectar posibles fraudes o errores.

1. Identifique y busque palabras clave sospechosas.

2. Estratifique las cuentas del libro mayor.

3. Busque cantidades atípicas de asientos diarios.

Gastos de negocio

Los gastos en áreas como viajes y entretenimiento son a menudo donde se pueden manipular números a través de múltiples métodos. Aquí hay algunas formas de monitorear el fraude en el seguimiento de gastos:

4. Analice el gasto medio por departamento.

5. Compruebe si hay reclamaciones de reembolso sospechosas.

6. Identifique las compras divididas.

7. Esté atento a los altos gastos de comidas en grupo.

8. Encuentra cantidades redondas.

9. Identifique reclamaciones duplicadas.

10. Desactive las tarjetas de empresa inactivas.

Nómina de sueldos

11. Señale aumentos salariales sospechosos.

12. Identifique a los empleados fantasmas que todavía están en la nómina.

Pagos a proveedores

Los pagos a los contratistas abundan por comportamientos fraudulentos, ya que tanto el proveedor como un empleado, puede canalizar dinero a través de facturas falsas o infladas. Evite el fraude de proveedores y los descuidos de facturación:

13. Separe la creación y facturación de proveedores.

14. Marque las facturas duplicadas.

15. Esté atento a los cambios frecuentes en los detalles del proveedor.

16. Identifique coincidencias entre los detalles del proveedor y del empleado en su tabla maestra.

17. Encuentre compras sin orden de compra por encima del límite estipulado.

18. Seguimiento de recibos generales.

Clientes

Los errores de fraude y contabilidad también pueden causar problemas al trabajar con sus clientes. Verifique la contabilidad precisa con sus clientes:

19. Valide los límites de crédito del cliente.

20. Identificar clientes sancionados.

Hay muchas formas de identificar fraudes y errores contables dentro de su empresa, pero si solo está revisando las transacciones manualmente, es probable que se pierda muchas.

Para detectar con precisión y remediar rápidamente el fraude antes de que tenga un impacto importante en su organización, es imprescindible implementar los mejores análisis de su clase que puedan contemplar el 100% de sus datos financieros (en lugar de pruebas de muestra) para identificar automáticamente las señales de alerta.

Su conjunto de herramientas debe integrarse con conjuntos de datos internos y externos, incluido su ERP, sistema de nómina, etc. Sumado a datos gubernamentales y registros públicos que se pueden utilizar para verificar la precisión de sus datos.

Es ideal un sistema de entrega continua, que le proporcione instantáneamente alertas sobre posibles infracciones, que pueda utilizar reglas personalizadas y activadores diseñados para su industria. Al implementar aprendizaje automático avanzado, sus equipos de contabilidad, cumplimiento y TI tendrán una sólida inteligencia disponible para ayudarlos a mantener segura su organización.

null
FraudBond

¡Descubra la solución a la medida de sus necesidades!

Brindamos soluciones de Software líderes a nivel mundial para la automatización de sus procesos de trabajo.

Más información
  • pmn
  • 26 enero, 2021
  • More

¿Son efectivas sus medidas de control y gestión de riesgo?

Una vez que haya establecido los controles para administrar los riesgos, ¿cómo sabe que están funcionando?

El análisis de datos permite examinar sus riesgos y procesos de control más de cerca, y reducir las instancias de fallas de control. Algo que su sistema ERP no puede entregar. Un paso a menudo que falta en el monitoreo de riesgos y controles es detenerse para evaluar qué funciona bien y qué no.

“Los líderes en nuestra industria aplican docenas de pruebas automatizadas a través de transacciones en cada área de proceso de negocio de manera regular para obtener información sobre el estado de su proceso”.

El análisis de datos ha transformado totalmente la evaluación de riesgos

Utilice el análisis de datos para examinar cada transacción en una población completa de datos (por ejemplo, cada actividad registrada que tuvo lugar dentro de un proceso financiero o comercial) para determinar si:

  1. La transacción cumple con los procedimientos de control establecidos.
  2. Puede haber riesgos y problemas sin un control efectivo.

Puede hacerlo probando cada transacción de varias maneras. Por ejemplo, se puede examinar un monto de pago a un proveedor para determinar que:

  • El proveedor es válido, está debidamente aprobado y no está duplicado en el archivo maestro de proveedores; no incluido en una lista de personas / entidades excluidas, o en una lista de no pago; o en una base de datos de personas expuestas políticamente.
  • El pago coincide con una factura, los registros de bienes recibidos y una orden de compra debidamente aprobada, y no ha habido intentos de eludir los controles de aprobación (por ejemplo, dividiendo los pagos en cantidades más pequeñas justo por debajo de un umbral de aprobación).
  • Los pagos no se han duplicado debido a cambios erróneos o deliberados en los detalles del número de factura.

Estos son solo algunos ejemplos, pero el análisis de datos se puede utilizar de innumerables maneras para probar una variedad de controles internos y crear una cobertura de datos del 100%. Todos estos análisis, y muchos más, se pueden configurar y ejecutar en minutos. También se pueden automatizar y repetir, diseñados para ejecutarse regularmente.

Los líderes en nuestra industria aplican docenas de pruebas automatizadas similares a través de transacciones en cada área de proceso de negocio de manera regular para obtener información sobre el estado de su proceso.

Mire grandes volúmenes de datos para encontrar tendencias extrañas o predecir el rendimiento.

Otro uso importante del análisis y monitoreo de datos es examinar todas las transacciones que tuvieron lugar dentro de un proceso comercial determinado para encontrar problemas y áreas de mejora. Sus datos pueden revelar respuestas a preguntas como:

  1. ¿Por qué los pagos de horas extras o gastos de viaje son inusualmente altos en una oficina específica?
  2. ¿Por qué a un proveedor se le paga el doble que a otros proveedores por el mismo tipo de artículo?
  3. ¿Por qué una cuenta previamente inactiva se utiliza de repente para una serie de entradas de diario?
  4. ¿Qué tendencias indican un problema que empeora constantemente?
  5. ¿Qué resulta ser un problema mucho menor de lo que se pensó originalmente?

¿Por qué no confiar solo en los controles del sistema ERP?

En un mundo ideal, todas las aplicaciones de procesos de negocios tendrían controles integrados que evitarían que se realicen transacciones incorrectas, inválidas o sospechosas. Pero esto no siempre sucede.

También es posible que no pueda configurar su ERP para que coincida con su proceso, especialmente cuando se trata de un servicio comercial compartido y puede tener varios impactos posteriores.

Cuando se realiza el análisis de datos y el monitoreo de transacciones después del hecho, es relativamente sencillo detectar dónde están ocurriendo las debilidades de control primario. Las transacciones problemáticas se pueden identificar y abordar rápidamente. Las debilidades de control que permitieron que ocurriera el problema pueden fortalecerse para evitar una recurrencia. Una gran ventaja: el análisis y la supervisión de las transacciones pueden convertirse en un nivel de control adicional, reforzando los controles que ya están implementados y compensando los controles basados ​​en ERP que no funcionan.

null
RiskBond

¡Descubra la Solución a la Medida de sus Necesidades!

Brindamos soluciones de Software líderes a nivel mundial para la automatización de sus procesos de trabajo.

Más información
  • pmn
  • 12 mayo, 2020
  • More

Cómo el aprendizaje automático facilita los trabajos de GRC

El aprendizaje automático y la inteligencia artificial (IA). Se han convertido en palabras de moda en múltiples sectores, incluido el sector de gobierno, riesgo y cumplimiento (GRC). Pero, ¿qué es lo que realmente significa, y cómo se vincula con los profesionales de GRC?

El objetivo de la IA es permitir que las máquinas inteligentes piensen y actúen como humanos. Por otro lado, el aprendizaje automático es un subconjunto de IA. Su objetivo es conseguir que los sistemas aprendan de los datos, identifiquen patrones, y tomen decisiones sin ayuda humana. Básicamente, se trata de que las computadoras aprendan y se adapten, sin necesidad de ser programadas.

En resumen, el aprendizaje automático utiliza sus experiencias para buscar patrones y aprender de ellos. La IA utiliza sus experiencias para adquirir conocimientos / habilidades e información sobre cómo aplicar ese conocimiento en nuevas circunstancias.

El aprendizaje automático ha sido adoptado ampliamente. Esto se debe principalmente a su capacidad para resolver los problemas comerciales críticos que enfrentan muchas organizaciones globales.

“Un beneficio importante del aprendizaje automático es la capacidad de eliminar la subjetividad de calificación de riesgo”.

Entonces, ¿cómo ayuda el aprendizaje automático a GRC?

El aprendizaje automático tiene aplicaciones muy importantes en una variedad de configuraciones y funciones de GRC. Vemos algunos de estos en el libro electrónico de Galvanize, Aprendizaje automático para profesionales de la gobernanza , pero aquí hay algunos ejemplos:

  • Gestión de riesgos y oportunidades en función de factores más avanzados, estimaciones y respuestas.
  • Identificar patrones de fraude y desperdicio, extraer datos financieros y utilizar técnicas predictivas para desarrollar controles más efectivos.
  • La comprensión y la prevención exitosa de las ciberamenazas mediante el análisis de los datos y el aprendizaje automático respecto a los ataques.
  • Hacer un mejor uso de las tecnologías de cortesía como la automatización de procesos robóticos para mejorar la gestión, decisiones basadas en la informática refinada y la mejora de los algoritmos.

Obviamente, hay muchas más posibilidades, pero nos vamos a centrar en cómo ayuda a la gestión de riesgos. Mediante el análisis de grandes conjuntos de datos en tiempos cortos, el aprendizaje automático está cambiando la forma en la que se evalúan los riesgos. Los siguientes son algunos ejemplos:

La determinación de la solvencia

Los prestamistas pueden determinar la solvencia crediticia de los prestatarios potenciales al examinar conjuntos de datos como su huella digital. Esto se ha vuelto más común para la evaluación de los prestatarios con poco o ningún historial de crédito. Varias compañías utilizan la tecnología en sus sistemas para examinar fuentes de datos alternativas (como el uso de redes sociales, el historial de navegación y los GPA) para generar puntajes de crédito más precisos. Un estudio del MIT encontró que esto podría reducir las pérdidas bancarias de clientes morosos hasta en un 25%.

Identificar riesgos operacionales

El riesgo operacional está presente en todas las organizaciones, a partir de una pequeña empresa a una corporación global. Aquí hay un par de formas en que el aprendizaje automático puede ayudar con el riesgo operativo:

  • Amenazas de ciberseguridad. Se puede utilizar el análisis estadístico y algoritmos para detener las amenazas antes de que causen daños. Por ejemplo, la tecnología anti-spam utiliza para protegerse contra los spammers el análisis de la lengua en millones de mensajes para detectar amenazas potenciales.
  • Intentos de lavado de dinero. El costo del cumplimiento contra el lavado de dinero (AML) se estima en $ 23.5 mil millones por año, solo en EEUU. La agrupación de las técnicas utilizadas o la funcionalidad que las transacciones representan, pueden descubrir los intentos de lavado de dinero.

Distribuyendo recursos

Utilizando los datos del pasado a las transacciones de proyecto de un período a otro, los gestores de riesgos pueden determinar dónde dirigir los recursos. El aprendizaje automático ayuda a los gerentes de riesgo predecir automáticamente qué sucursales son propensas a fallar una auditoría, y cuales son susceptibles de pasar. Esto les permite concentrar sus esfuerzos en lugares que necesitan más atención. 

Escenarios modelos

Los gestores de riesgos pueden alterar los datos de entrada para averiguar el impacto que podría tener sobre los resultados previstos (por ejemplo, cómo se podría aumentar o disminuir las puntuaciones de riesgo). La tecnología puede explorar una multitud de modelos, permitiendo a los profesionales de GRC hacer predicciones y continuar repitiéndolas y refinándolas.

Eliminar la puntuación subjetiva de riesgo

Un beneficio importante del aprendizaje automático es la capacidad de eliminar la subjetividad de calificación de riesgo. La alimentación de datos en los sistemas y el uso de un modelo para determinar el riesgo basadas en datos, evita el proceso manual y humano de la puntuación de riesgo, que es a menudo inexacta.

El aprendizaje automático no es un concepto nuevo. Una gran cantidad de tiempo, esfuerzo, y la investigación ha entrado en el desarrollo y la construcción de esta modalidad. Que eleva los procesos y sistemas existentes, mejora la asignación de recursos, y libera a su personal para centrarse en las cosas que requieren atención humana real.

null
ControlsBond

¡Descubra la Solución a la Medida de sus Necesidades!

Brindamos soluciones de Software líderes a nivel mundial para la automatización de sus procesos de trabajo.

Más información
  • pmn
  • 3 enero, 2020
  • More

Últimas Novedades

PMN, sponsors de CIGRAS 2024
julio 29, 2024
PMN, sponsors de CIGRAS 2024
Por qué invertir en un software de gobierno corporativo
abril 14, 2023
Por qué invertir en un software de gobierno corporativo
El Nuevo Director de Auditoría
octubre 19, 2022
El Nuevo Director de Auditoría

Buscador

Somos una empresa integradora de servicios y herramientas de TI creada bajo la filosofía de aportar valor a los proyectos de nuestros clientes mediante la comercialización de soluciones tecnológicas líderes a nivel mundial.


Datos de Contacto
  • Av. Dr. Luis Alberto de Herrera 1248. WTC - Torre III Piso 12. Montevideo - Uruguay
  • +598 2623 6656
  • info@pmn.com.uy

Próximos Eventos
¡No hay eventos!

Redes Sociales

Cotizaciones