Análisis de Patrones
Como un complemento a los anteriores artículos TÉCNICAS DE DETECCIÓN DE FRAUDES I y TÉCNICAS DE DETECCIÓN DE FRAUDES II a continuación tenemos un artículo breve sobre el Análisis de Patrones.
Un patrón es una serie de características que se van repitiendo en el tiempo, por ejemplo en un campo autonumérico el patrón será que existen incrementos de 1, por tanto todos los datos de este campo deberán ajustarse a estos incrementos, para verificar esto se hacen pruebas como detección de faltantes o verificación de secuencia.
Un patrón derivado del modelo Entidad Relación será la definición de campos claves que tienen por características que no se repiten por tanto se pueden aplicar pruebas de duplicados/repetidos a estos campos.
Otro patrón del modelo Entidad Relación será la existencia de llaves foráneas que existan en la tabla maestra, lo contrario significaría la existencia de registros huérfanos por ejemplo ventas realizadas por vendedores que no existen o cobro de sueldos por empleados inexistentes.
El análisis de patrones se pueden aplicar no solamente a los datos en general, sino también a datos específicos, por ejemplo a los depósitos/retiros que realiza un cliente en una institución financiera, se podrán definir patrones de montos máximos, mínimos, promedio, días y horas de retiro habituales, y ya hablando de ATM (Cajeros Automáticos) establecer de que ATMs habitualmente realiza los retiros. También podemos establecer patrones para las operaciones que realizan los funcionarios en el aplicativo, por ejemplo un cajero por sus funciones no realizará registro de nuevos clientes, esta actividad la realizará un funcionario de plataforma.
sábado, 9 de enero de 2010
TÉCNICAS DE DETECCIÓN DE FRAUDES II
TÉCNICAS VISUALES
En el anterior artículo de Técnicas de Detección de Fraudes I se puso énfasis en La Ley de Benford – Análisis de Frecuencia digital, utilizando estas técnicas se pueden lograr resultados impresionantes, sin embargo estos deben ir acompañados (para cuestiones legales y facilitar la comprensión de las conclusiones a personas que no son del área como Abogados, Jueces ciudadanos, Fiscales, etc.) de gráficos que ilustren los resultados, mostrando los elementos relacionados involucrados en un hecho “irregular”, recordando la frase “Un gráfico vale más que mil palabras”.
El análisis visual ayudará al FRAUDITOR a entender los elementos (cosas y personas), los eventos y la interrelación que existen entre ellos, todo esto en forma gráfica.
Una práctica muy recomendable al aplicar este tipo de técnicas es crear una representación gráfica de un hecho normal o regular y luego preparar otra gráfica para el hecho anormal, irregular o fraude.
Las técnicas visuales pueden ser generadas con programas tan conocidos como el Excel, Visio o también pueden realizarse representaciones animadas o reconstrucción de los hechos con programas como Flash u otros programas de diseño animado en 3D.
Si bien el artículo trata sobre Técnicas de detección de fraude, las Técnicas visuales se pueden utilizar antes (Diseño Controles), durante (Auditorias Contínuas) y después de ocurrido el fraude (Auditorias Forenses, Peritajes Contable-Informáticos), de la misma forma que se utilizan los procedimientos analíticos en Auditoria Financiera.
1. ANÁLISIS DE TENDENCIAS
El siguiente ejemplo es la representación de la evolución de las cuentas 183 que son las partidas pendientes de imputación (según el Manual de cuentas SBEF), estas cuentas tienen como característica recibir la imputación de aquellas transacciones a las cuales no se puede identificar plenamente, como máximo deben permanecer con saldo 30 días. En el gráfico podemos visualizar que en el transcurso de 4 años estas cuentas presentaron saldos, por ejemplo la cuenta 183.07 Operaciones por liquidar tiene un comportamiento por demás anormal y las demás cuentas no se quedan atrás.
2. FLUJOGRAMAS
Al diseñar procedimientos operativos se hace uso de los flujogramas, a tiempo de hacer una evaluación de Control Interno relativas a pruebas de cumplimiento, también podemos utilizarlos. En temas de fraude nos pueden servir para graficar la diferencia que existe entre un hecho normal y un fraude. A continuación presentamos la gráfica de la siguiente situación.
Una Institución Financiera cuenta con un Sistema de Información Financiera por módulos que no están completamente integrados a la contabilidad, en el análisis se verán los módulos de CAJAS (CJ), CAJAS DE AHORROS (CA) y CONTABILIDAD (CO), al final de cada día se realiza el posteo de los módulos Cajas y Caja de Ahorro a Contabilidad, este proceso se realiza en el Servidor de cada sucursal (el encargado es el Jefe de Sucursal) y luego se consolida la información en la oficina central.
Proceso Irregurlar – Fraude Cometido por el Jefe de Sucursal
El siguiente gráfico nos muestra un proceso irregular de retiro de dinero por parte del Jefe de Sucursal (retiros de cuentas de familiares y amigos), los cuales antes de contabilizarse eran revertidos y antes de enviar la información de la sucursal a la central. Para evitar el descuadre contable se utilizaban las cuentas Partidas Pendientes de Imputación. En este proceso vale la pena hacer resaltar la concentración de funciones en una sola persona Reversiones, Contabilidad, Administración del Sistema de Información.
3. LINEAS DE TIEMPO
Este tipo de análisis nos permite visualizar en el tiempo varios elementos y al mismo tiempo interrelacionar sucesos, personas, empresas y llegar a formarnos una idea global de la evolución de los hechos y cómo podríamos haber prevenido ciertas situaciones, en el ejemplo tenemos que durante 3 años por lo menos el Jefe de Sucursal no salió de vacaciones.
4. OTRAS REPRESENTACIONES VISUALES
Finalmente podemos utilizar la combinación y adecuación de una gran variedad de representaciones visuales de la realidad que se utilizan en diferentes ámbitos profesionales, desde la Contabilidad, Administración e Informática, los cuales se mencionan a continuación:
Gráficos para representar datos numéricos
- Columnas (apilado, 3D)
- Barras (apilada)
- Lineas / Tendencias
- Circular (3D)
- XY (Dispersión)
- Areas
- Anillos
- Radial
- Superficie
- Burbujas
- Cotizaciones
Gráficos para administración de proyectos
- Diagramas PERT
- Diagramas Gantt
- Linea de tiempo
Gráficos estadísticos
- Gráficos basados en el análisis de regresión (lineal y logarítmica)
- Gráficos basados en el análisis de correlación
- Gráficos basados en el análisis de dispersión
- Gráficos de agrupamiento (claustering)
Gráficos para el modelado de datos:
- Diagrama de contexto
- Diagrama de flujo de datos
- Diagrama Entidad – Relación
- Diagrama de transición de estados
- Diagrama de estructuras
- Diagramas de flujo
o Diagramas de Nassi-Shneiderman
o Diagramas de Ferstl
o Diagramas de Hamilton-Zeldin
o Diagramas de análisis de problemas
o Diagramas HIPO
o Diagramas IPO
Gráficos para el modelado de procesos y datos: UML
- Diagramas de casos de usos
- Diagramas de estados
- Diagramas de secuencias
- Diagramas de colaboraciones
- Diagramas de actividades
- Diagramas de componentes
- Diagramas de distribución
Diagramas de flujo en Visio
- Diagramas de auditoria
- Diagramas de Causa – Efecto
- Diagramas de funciones (Segregación de Funciones)
En el anterior artículo de Técnicas de Detección de Fraudes I se puso énfasis en La Ley de Benford – Análisis de Frecuencia digital, utilizando estas técnicas se pueden lograr resultados impresionantes, sin embargo estos deben ir acompañados (para cuestiones legales y facilitar la comprensión de las conclusiones a personas que no son del área como Abogados, Jueces ciudadanos, Fiscales, etc.) de gráficos que ilustren los resultados, mostrando los elementos relacionados involucrados en un hecho “irregular”, recordando la frase “Un gráfico vale más que mil palabras”.
El análisis visual ayudará al FRAUDITOR a entender los elementos (cosas y personas), los eventos y la interrelación que existen entre ellos, todo esto en forma gráfica.
Una práctica muy recomendable al aplicar este tipo de técnicas es crear una representación gráfica de un hecho normal o regular y luego preparar otra gráfica para el hecho anormal, irregular o fraude.
Las técnicas visuales pueden ser generadas con programas tan conocidos como el Excel, Visio o también pueden realizarse representaciones animadas o reconstrucción de los hechos con programas como Flash u otros programas de diseño animado en 3D.
Si bien el artículo trata sobre Técnicas de detección de fraude, las Técnicas visuales se pueden utilizar antes (Diseño Controles), durante (Auditorias Contínuas) y después de ocurrido el fraude (Auditorias Forenses, Peritajes Contable-Informáticos), de la misma forma que se utilizan los procedimientos analíticos en Auditoria Financiera.
1. ANÁLISIS DE TENDENCIAS
El siguiente ejemplo es la representación de la evolución de las cuentas 183 que son las partidas pendientes de imputación (según el Manual de cuentas SBEF), estas cuentas tienen como característica recibir la imputación de aquellas transacciones a las cuales no se puede identificar plenamente, como máximo deben permanecer con saldo 30 días. En el gráfico podemos visualizar que en el transcurso de 4 años estas cuentas presentaron saldos, por ejemplo la cuenta 183.07 Operaciones por liquidar tiene un comportamiento por demás anormal y las demás cuentas no se quedan atrás.
2. FLUJOGRAMAS
Al diseñar procedimientos operativos se hace uso de los flujogramas, a tiempo de hacer una evaluación de Control Interno relativas a pruebas de cumplimiento, también podemos utilizarlos. En temas de fraude nos pueden servir para graficar la diferencia que existe entre un hecho normal y un fraude. A continuación presentamos la gráfica de la siguiente situación.
Una Institución Financiera cuenta con un Sistema de Información Financiera por módulos que no están completamente integrados a la contabilidad, en el análisis se verán los módulos de CAJAS (CJ), CAJAS DE AHORROS (CA) y CONTABILIDAD (CO), al final de cada día se realiza el posteo de los módulos Cajas y Caja de Ahorro a Contabilidad, este proceso se realiza en el Servidor de cada sucursal (el encargado es el Jefe de Sucursal) y luego se consolida la información en la oficina central.
Proceso Irregurlar – Fraude Cometido por el Jefe de Sucursal
El siguiente gráfico nos muestra un proceso irregular de retiro de dinero por parte del Jefe de Sucursal (retiros de cuentas de familiares y amigos), los cuales antes de contabilizarse eran revertidos y antes de enviar la información de la sucursal a la central. Para evitar el descuadre contable se utilizaban las cuentas Partidas Pendientes de Imputación. En este proceso vale la pena hacer resaltar la concentración de funciones en una sola persona Reversiones, Contabilidad, Administración del Sistema de Información.
3. LINEAS DE TIEMPO
Este tipo de análisis nos permite visualizar en el tiempo varios elementos y al mismo tiempo interrelacionar sucesos, personas, empresas y llegar a formarnos una idea global de la evolución de los hechos y cómo podríamos haber prevenido ciertas situaciones, en el ejemplo tenemos que durante 3 años por lo menos el Jefe de Sucursal no salió de vacaciones.
4. OTRAS REPRESENTACIONES VISUALES
Finalmente podemos utilizar la combinación y adecuación de una gran variedad de representaciones visuales de la realidad que se utilizan en diferentes ámbitos profesionales, desde la Contabilidad, Administración e Informática, los cuales se mencionan a continuación:
Gráficos para representar datos numéricos
- Columnas (apilado, 3D)
- Barras (apilada)
- Lineas / Tendencias
- Circular (3D)
- XY (Dispersión)
- Areas
- Anillos
- Radial
- Superficie
- Burbujas
- Cotizaciones
Gráficos para administración de proyectos
- Diagramas PERT
- Diagramas Gantt
- Linea de tiempo
Gráficos estadísticos
- Gráficos basados en el análisis de regresión (lineal y logarítmica)
- Gráficos basados en el análisis de correlación
- Gráficos basados en el análisis de dispersión
- Gráficos de agrupamiento (claustering)
Gráficos para el modelado de datos:
- Diagrama de contexto
- Diagrama de flujo de datos
- Diagrama Entidad – Relación
- Diagrama de transición de estados
- Diagrama de estructuras
- Diagramas de flujo
o Diagramas de Nassi-Shneiderman
o Diagramas de Ferstl
o Diagramas de Hamilton-Zeldin
o Diagramas de análisis de problemas
o Diagramas HIPO
o Diagramas IPO
Gráficos para el modelado de procesos y datos: UML
- Diagramas de casos de usos
- Diagramas de estados
- Diagramas de secuencias
- Diagramas de colaboraciones
- Diagramas de actividades
- Diagramas de componentes
- Diagramas de distribución
Diagramas de flujo en Visio
- Diagramas de auditoria
- Diagramas de Causa – Efecto
- Diagramas de funciones (Segregación de Funciones)
TECNICAS DE DETECCIÓN DE FRAUDES I
ANALISIS DE FRECUENCIA DIGITAL Y LA LEY DE BENFORD
Artículo publicado en la revista NOBOSTI
Las técnicas de detección de fraudes utilizadas por el FRAUDITOR (Auditor Investigador de Fraudes) son variadas y muchas de ellas no tan nuevas, algunas son bastante simples y otras algo complicadas, la complicación de estas técnicas se sobrelleva con la gran cantidad de programas que tenemos disponibles en el mercado desde una hoja de cálculo (Microsoft Excel), programas de base de datos (Access, MySQL, Informix, SQL Server, Oracle), programas estadísticos (SPSS, Minitab), programas de mineria de datos (Clementina, Darwin, Enterprise Miner, Intelligent Miner), programas de extracción, análisis de datos y detección - prevención de fraudes (IDEA, ACL, Gestor AUDISIS, DATAS), otros ( TOAD, Sistema de Auditoria Seguridad y Control - SAS).
Dentro de estas técnicas podemos mencionar las siguientes:
* Análisis Estadístico: Análisis de regresión, análisis de correlación, análisis de dispersión, La Ley de Benford – Análisis de Frecuencia digital.
* Patrones: Secuencias, investigación de faltantes y duplicados, análisis histórico de tendencias, análisis de ratios.
* Técnicas de análisis visual: Análisis de relaciones, análisis de líneas de tiempo, gráficos de agrupamiento (clustering)
* Procedimientos analíticos de auditoria: Análisis vertical y horizontal de las cuentas de balance y de resultados; Análisis de indices/ratios historicos.
Los resultados de estas técnicas no necesariamente indican que existe fraude en un grupo de datos analizados, simplemente nos dan indicaciones donde poner mayor atención en el análisis, los resultados los tendremos que valorar de acuerdo a las particularidades de nuestro negocio, por ejemplo puede ser que existan transacciones en Depósitos a Plazo Fijo que las realiza el “Administrador de Base de Datos” (ABD), entonces una vez detectadas estas transacciones de carácter operativo debemos investigarlas mas a fondo, es decir determinar que tipo de operaciones son, en que fechas se realizan y creo que lo mas importante si existe autorización formal para que el ABD las realice y la revisión de la normativa interna relacionada.
En el presente articulo nos centraremos en el Análisis de Frecuencia Digital y La Ley de Benford.
Para los ejemplos que se plantearan, nos referiremos a la siguiente estructura de datos de una tabla que almacena los transacciones en ventanilla (caja) de una entidad financiera del segundo semestre de la gestión 2007:
ANÁLISIS DE FRECUENCIA DIGITAL
Consiste en agrupar los datos en función a una variable para luego realizar operaciones de totalización como: contar, sumar, promediar, encontrar el máximo o mínimo, calcular la desviación estándar o la varianza.
Ejemplo: La variable elegida será “Usuario” y la operación de totalización será un simple conteo, es decir iremos contando cuantas transacciones realizo cada usuario en el segundo semestre del 2007, obtenemos los siguientes resultados:
De este resultado podemos comenzar ya una investigación tomando en cuenta los valores extremos el mínimo y el máximo, o solamente comparar los usuarios que tenemos en el resultado con la planilla de sueldos del segundo semestre 2007. Esta misma información la podemos hacer mes por mes e ir acumulando un histórico por usuario para determinar tendencias de cantidad de transacciones por cada usuario y realizar su grafico respectivo:
Del anterior grafico podemos determinar la evolución en cantidad de transacciones por cada usuario y verificamos que los usuarios admin, dvargas y hrosales no son usuarios habituales en caja en ninguno de los meses analizados respecto de los usuarios rrivero, mmarco, froca y lvaca; otra revisión adicional podría consistir en revisar los perfiles de estos 3 usuarios y poner especial énfasis en la autorización para realizar las 2 transacciones que realiza el usuario genérico “admin” y que funcionario lo utiliza, asimismo se deberá realizar una revisión de las Políticas, Normas y Procedimientos (PNPs) sobre el ciclo de vida de los identificadores de usuarios.
De acuerdo al criterio del FRAUDITOR, este podrá combinar los otros operadores de totalización, analizarlos y concluir sobre la base de sus resultados. Asimismo como en este caso no solamente elegimos una técnica y nos centramos únicamente en la elegida, sino que mas bien la integramos con otras técnicas, tal es el caso del Análisis de Frecuencia Digital que se puede combinar con las técnicas de Análisis de Correlacion, Análisis de dispersión y Generar información histórica para realizar Análisis de Tendencias, Análisis de Ratios, Análisis de Regresión.
Como mencionamos líneas arriba, este tipo de técnicas las podemos realizar con diversas herramientas, entre ellas podemos citar:
En Excel a través de las Tablas y Gráficos Dinámicos con las limitaciones que tiene esta herramienta de 65.536 registros hasta la versión 2003 y 1.048.576 registros en la versión Vista.
En Access mediante las Consultas de Tablas de Referencias Cruzadas.
En IDEA y ACL se puede calcular a través de opciones de Totalización de campos.
LEY DE BENFORD
De esta técnica podemos comentar que no es nada nueva, puesto que tiene su origen el año 1881 enunciada por Simon Newcomb y posteriormente el año 1930 por Frank Benford quien era un físico de la General Electric. En 1994 Mark Nigrini utiliza esta Ley para detectar posibles fraudes e irregularidades en datos fiscales y para detectar contabilidades contaminadas.
La Ley de Benford en términos sencillos dice que aquellos números de la vida real que empiezan por el dígito 1 ocurren con mucha más frecuencia que el resto de números. Esta Ley plantea que la ocurrencia de los dígitos en una serie de datos pueden predecirse. Ningrini define la Ley de Benford como aquella que predice la frecuencia esperada de aparición de los dígitos en series de numeros. Otra forma de enunciarla es: los primeros dígitos de los números no se distribuyen de manera equiprobable. Los resultados que arroja esta Ley respecto a la probabilidad de ocurrencia de los dígitos es la siguiente:
Como toda Ley, para que sea aplicable deben cumplirse ciertas condiciones:
* El conjunto de datos debe estar formado por magnitudes medibles de un mismo fenómeno, es decir las transacciones de caja de una entidad, importes de gastos familiares, los votos obtenidos por un candidato en las diferentes mesas de sufragio.
* No debe existir una limitación de máximo y mínimo, es decir debe ser una variable cuantitativa sin restricciones. En el caso de “Moneda”, los resultados de nuestro análisis no tendrían sentido, puesto que este campo solo puede asumir dos valores 1 o 2.
* Los datos no deben ser números asignados por ejemplo los números de teléfono de Santa Cruz comienzan siempre con 3, los de Cochabamba con 4, estos conjuntos de datos no se ajustan a la Ley de Benford.
* Debe haber un mayor numero de valores pequeños que grandes, es decir el cumplimiento de “La Ley de Pareto” que dice que generalmente el 80% del importe total se encuentra en el 20%
Recomendaciones:
* El tamaño del conjunto de datos debe ser mayor a 1.000 elementos para establecer conclusiones de auditoria para la prueba del primer digito y para la prueba de los 3 primeros dígitos se recomienda al menos 10.000 datos.
* El valor máximo entre el mínimo (diferente de cero) debe ser por lo menos 100.
* Preferiblemente analizar datos generados en periodos largos de tiempo (una o varias gestiones fiscales por ejemplo) que sobre cortos (un dia por ejemplo).
* Lo ideal es trabajar con datos que registren 4 o mas dígitos, aunque con 3 dígitos se pueden obtener excelentes resultados.
* La Ley de Benford es de escala invariante, se puede utilizar esta Ley independientemente de su escala de medida, es decir si trabajamos en metros o millas tendríamos el mismo resultado, en términos financieros es independiente de la moneda en la cual expresemos los importes.
* Utiliza programas que incluyen esta Ley dentro de sus opciones como son el IDEA, ACL, DATAS, Auriga, aunque si uno no dispone de estas, con una planilla Excel podría ser suficiente con las limitaciones inherentes del Excel.
Ejemplo: La variable analizada será “Importe” considerando que todas las transacciones están en una misma moneda. Los resultados del ejemplo tomado versus la Ley de Benford se expresan en la siguiente tabla y luego se realiza su grafica correspondiente:
Para el primer digito de un conjunto de datos se toma la probabilidad de ocurrencia del primer digito según La Ley de Benford, de tal manera que si esta cantidad esperada y la real muestran una diferencia significativa es un indicador de que los datos son posiblemente inventados, errados o fraudulentos. Con el ejemplo de transacciones de caja, para el primer digito significa que existirán mas transacciones que comiencen con el numero 1 que transacciones que comiencen con el numero 9, realizando los cálculos tenemos que 15.430 transacciones tienen como primer digito 1 y solamente 1.230 transacciones tienen como primer digito 9.
De los resultados anteriores tenemos para el primer digito 5 una probabilidad de ocurrencia según la Ley de Benford de 7.92 % y tenemos que con los datos actuales tenemos un 11.76 %, esta diferencia es una alerta de un posible fraude o irregularidad en las operaciones que comienzan con el digito 5 en su importe. Las diferencias que indican posibles fraudes pueden ser diferencias en más o en menos respecto la Ley de Benford. Para confirmar o afinar los resultados podemos realizar análisis adicionales como son la prueba del segundo digito, tercer digito, primeros 2 dígitos, primeros 3 digitos y la prueba de los 2 ultimos digitos.
La Ley de Benford y los numeros aleatorios
Si aplicamos La Ley de Benford a una serie de números generados aleatoriamente, la Ley no se cumple, puesto que todos los dígitos tendrán la misma probabilidad de ocurrencia (equiprobables).
Ejemplo: Se generaron datos aleatorios (la misma cantidad que los analizados en el ejemplo anterior 47.634) con Excel teniendo como resultado el siguiente grafico cuyos primeros dígitos tienen una probabilidad de ocurrencia de entre 10% y 11%, verificando que la Ley no se cumple para estos datos, algunos llaman a esto el grado de Benforicidad, es decir cuan aplicable es La Ley de Benford a un conjunto de datos.
Aplicaciones de esta Ley se hicieron en procesos eleccionarios: Elecciones de Ecuador (Noboa, Correa, Roldos, Viteri, Rosero, Villacis), Elecciones de Presidente de los EEUU (2004), Referéndum de Venezuela (2004), Presidente de México (Julio 2006)
Finalmente concluir que las herramientas son solo eso, herramientas y no reemplazan la experiencia y criterio del FRAUDITOR. Parafraseando el dicho “El genio es 10% inspiración y 90% de trabajo” decimos “El Frauditor utiliza 10 % de técnicas y herramientas y 90 % de criterio profesional”. Para las investigaciones forenses (informática y auditoria) no solamente se deben considerar los resultados de las técnicas y herramientas, también y quizás lo mas importante es considerar la validez de los resultados obtenidos y su debido respaldo para fines legales, considerar por ejemplo garantizar la cadena de custodia de la evidencia, diferenciar la evidencia persuasiva (auditoria) de la evidencia conclusiva (legal).
Artículo publicado en la revista NOBOSTI
Las técnicas de detección de fraudes utilizadas por el FRAUDITOR (Auditor Investigador de Fraudes) son variadas y muchas de ellas no tan nuevas, algunas son bastante simples y otras algo complicadas, la complicación de estas técnicas se sobrelleva con la gran cantidad de programas que tenemos disponibles en el mercado desde una hoja de cálculo (Microsoft Excel), programas de base de datos (Access, MySQL, Informix, SQL Server, Oracle), programas estadísticos (SPSS, Minitab), programas de mineria de datos (Clementina, Darwin, Enterprise Miner, Intelligent Miner), programas de extracción, análisis de datos y detección - prevención de fraudes (IDEA, ACL, Gestor AUDISIS, DATAS), otros ( TOAD, Sistema de Auditoria Seguridad y Control - SAS).
Dentro de estas técnicas podemos mencionar las siguientes:
* Análisis Estadístico: Análisis de regresión, análisis de correlación, análisis de dispersión, La Ley de Benford – Análisis de Frecuencia digital.
* Patrones: Secuencias, investigación de faltantes y duplicados, análisis histórico de tendencias, análisis de ratios.
* Técnicas de análisis visual: Análisis de relaciones, análisis de líneas de tiempo, gráficos de agrupamiento (clustering)
* Procedimientos analíticos de auditoria: Análisis vertical y horizontal de las cuentas de balance y de resultados; Análisis de indices/ratios historicos.
Los resultados de estas técnicas no necesariamente indican que existe fraude en un grupo de datos analizados, simplemente nos dan indicaciones donde poner mayor atención en el análisis, los resultados los tendremos que valorar de acuerdo a las particularidades de nuestro negocio, por ejemplo puede ser que existan transacciones en Depósitos a Plazo Fijo que las realiza el “Administrador de Base de Datos” (ABD), entonces una vez detectadas estas transacciones de carácter operativo debemos investigarlas mas a fondo, es decir determinar que tipo de operaciones son, en que fechas se realizan y creo que lo mas importante si existe autorización formal para que el ABD las realice y la revisión de la normativa interna relacionada.
En el presente articulo nos centraremos en el Análisis de Frecuencia Digital y La Ley de Benford.
Para los ejemplos que se plantearan, nos referiremos a la siguiente estructura de datos de una tabla que almacena los transacciones en ventanilla (caja) de una entidad financiera del segundo semestre de la gestión 2007:
ANÁLISIS DE FRECUENCIA DIGITAL
Consiste en agrupar los datos en función a una variable para luego realizar operaciones de totalización como: contar, sumar, promediar, encontrar el máximo o mínimo, calcular la desviación estándar o la varianza.
Ejemplo: La variable elegida será “Usuario” y la operación de totalización será un simple conteo, es decir iremos contando cuantas transacciones realizo cada usuario en el segundo semestre del 2007, obtenemos los siguientes resultados:
De este resultado podemos comenzar ya una investigación tomando en cuenta los valores extremos el mínimo y el máximo, o solamente comparar los usuarios que tenemos en el resultado con la planilla de sueldos del segundo semestre 2007. Esta misma información la podemos hacer mes por mes e ir acumulando un histórico por usuario para determinar tendencias de cantidad de transacciones por cada usuario y realizar su grafico respectivo:
Del anterior grafico podemos determinar la evolución en cantidad de transacciones por cada usuario y verificamos que los usuarios admin, dvargas y hrosales no son usuarios habituales en caja en ninguno de los meses analizados respecto de los usuarios rrivero, mmarco, froca y lvaca; otra revisión adicional podría consistir en revisar los perfiles de estos 3 usuarios y poner especial énfasis en la autorización para realizar las 2 transacciones que realiza el usuario genérico “admin” y que funcionario lo utiliza, asimismo se deberá realizar una revisión de las Políticas, Normas y Procedimientos (PNPs) sobre el ciclo de vida de los identificadores de usuarios.
De acuerdo al criterio del FRAUDITOR, este podrá combinar los otros operadores de totalización, analizarlos y concluir sobre la base de sus resultados. Asimismo como en este caso no solamente elegimos una técnica y nos centramos únicamente en la elegida, sino que mas bien la integramos con otras técnicas, tal es el caso del Análisis de Frecuencia Digital que se puede combinar con las técnicas de Análisis de Correlacion, Análisis de dispersión y Generar información histórica para realizar Análisis de Tendencias, Análisis de Ratios, Análisis de Regresión.
Como mencionamos líneas arriba, este tipo de técnicas las podemos realizar con diversas herramientas, entre ellas podemos citar:
En Excel a través de las Tablas y Gráficos Dinámicos con las limitaciones que tiene esta herramienta de 65.536 registros hasta la versión 2003 y 1.048.576 registros en la versión Vista.
En Access mediante las Consultas de Tablas de Referencias Cruzadas.
En IDEA y ACL se puede calcular a través de opciones de Totalización de campos.
LEY DE BENFORD
De esta técnica podemos comentar que no es nada nueva, puesto que tiene su origen el año 1881 enunciada por Simon Newcomb y posteriormente el año 1930 por Frank Benford quien era un físico de la General Electric. En 1994 Mark Nigrini utiliza esta Ley para detectar posibles fraudes e irregularidades en datos fiscales y para detectar contabilidades contaminadas.
La Ley de Benford en términos sencillos dice que aquellos números de la vida real que empiezan por el dígito 1 ocurren con mucha más frecuencia que el resto de números. Esta Ley plantea que la ocurrencia de los dígitos en una serie de datos pueden predecirse. Ningrini define la Ley de Benford como aquella que predice la frecuencia esperada de aparición de los dígitos en series de numeros. Otra forma de enunciarla es: los primeros dígitos de los números no se distribuyen de manera equiprobable. Los resultados que arroja esta Ley respecto a la probabilidad de ocurrencia de los dígitos es la siguiente:
Como toda Ley, para que sea aplicable deben cumplirse ciertas condiciones:
* El conjunto de datos debe estar formado por magnitudes medibles de un mismo fenómeno, es decir las transacciones de caja de una entidad, importes de gastos familiares, los votos obtenidos por un candidato en las diferentes mesas de sufragio.
* No debe existir una limitación de máximo y mínimo, es decir debe ser una variable cuantitativa sin restricciones. En el caso de “Moneda”, los resultados de nuestro análisis no tendrían sentido, puesto que este campo solo puede asumir dos valores 1 o 2.
* Los datos no deben ser números asignados por ejemplo los números de teléfono de Santa Cruz comienzan siempre con 3, los de Cochabamba con 4, estos conjuntos de datos no se ajustan a la Ley de Benford.
* Debe haber un mayor numero de valores pequeños que grandes, es decir el cumplimiento de “La Ley de Pareto” que dice que generalmente el 80% del importe total se encuentra en el 20%
Recomendaciones:
* El tamaño del conjunto de datos debe ser mayor a 1.000 elementos para establecer conclusiones de auditoria para la prueba del primer digito y para la prueba de los 3 primeros dígitos se recomienda al menos 10.000 datos.
* El valor máximo entre el mínimo (diferente de cero) debe ser por lo menos 100.
* Preferiblemente analizar datos generados en periodos largos de tiempo (una o varias gestiones fiscales por ejemplo) que sobre cortos (un dia por ejemplo).
* Lo ideal es trabajar con datos que registren 4 o mas dígitos, aunque con 3 dígitos se pueden obtener excelentes resultados.
* La Ley de Benford es de escala invariante, se puede utilizar esta Ley independientemente de su escala de medida, es decir si trabajamos en metros o millas tendríamos el mismo resultado, en términos financieros es independiente de la moneda en la cual expresemos los importes.
* Utiliza programas que incluyen esta Ley dentro de sus opciones como son el IDEA, ACL, DATAS, Auriga, aunque si uno no dispone de estas, con una planilla Excel podría ser suficiente con las limitaciones inherentes del Excel.
Ejemplo: La variable analizada será “Importe” considerando que todas las transacciones están en una misma moneda. Los resultados del ejemplo tomado versus la Ley de Benford se expresan en la siguiente tabla y luego se realiza su grafica correspondiente:
Para el primer digito de un conjunto de datos se toma la probabilidad de ocurrencia del primer digito según La Ley de Benford, de tal manera que si esta cantidad esperada y la real muestran una diferencia significativa es un indicador de que los datos son posiblemente inventados, errados o fraudulentos. Con el ejemplo de transacciones de caja, para el primer digito significa que existirán mas transacciones que comiencen con el numero 1 que transacciones que comiencen con el numero 9, realizando los cálculos tenemos que 15.430 transacciones tienen como primer digito 1 y solamente 1.230 transacciones tienen como primer digito 9.
De los resultados anteriores tenemos para el primer digito 5 una probabilidad de ocurrencia según la Ley de Benford de 7.92 % y tenemos que con los datos actuales tenemos un 11.76 %, esta diferencia es una alerta de un posible fraude o irregularidad en las operaciones que comienzan con el digito 5 en su importe. Las diferencias que indican posibles fraudes pueden ser diferencias en más o en menos respecto la Ley de Benford. Para confirmar o afinar los resultados podemos realizar análisis adicionales como son la prueba del segundo digito, tercer digito, primeros 2 dígitos, primeros 3 digitos y la prueba de los 2 ultimos digitos.
La Ley de Benford y los numeros aleatorios
Si aplicamos La Ley de Benford a una serie de números generados aleatoriamente, la Ley no se cumple, puesto que todos los dígitos tendrán la misma probabilidad de ocurrencia (equiprobables).
Ejemplo: Se generaron datos aleatorios (la misma cantidad que los analizados en el ejemplo anterior 47.634) con Excel teniendo como resultado el siguiente grafico cuyos primeros dígitos tienen una probabilidad de ocurrencia de entre 10% y 11%, verificando que la Ley no se cumple para estos datos, algunos llaman a esto el grado de Benforicidad, es decir cuan aplicable es La Ley de Benford a un conjunto de datos.
Aplicaciones de esta Ley se hicieron en procesos eleccionarios: Elecciones de Ecuador (Noboa, Correa, Roldos, Viteri, Rosero, Villacis), Elecciones de Presidente de los EEUU (2004), Referéndum de Venezuela (2004), Presidente de México (Julio 2006)
Finalmente concluir que las herramientas son solo eso, herramientas y no reemplazan la experiencia y criterio del FRAUDITOR. Parafraseando el dicho “El genio es 10% inspiración y 90% de trabajo” decimos “El Frauditor utiliza 10 % de técnicas y herramientas y 90 % de criterio profesional”. Para las investigaciones forenses (informática y auditoria) no solamente se deben considerar los resultados de las técnicas y herramientas, también y quizás lo mas importante es considerar la validez de los resultados obtenidos y su debido respaldo para fines legales, considerar por ejemplo garantizar la cadena de custodia de la evidencia, diferenciar la evidencia persuasiva (auditoria) de la evidencia conclusiva (legal).
Suscribirse a:
Entradas (Atom)
