Forensic Data Analytics: Anomaly Detection in ERP-DatenZiel des Forensic Accounting ist die Identifizierung von Transaktionen innerhalb großer Datenmengen, welche Hinweise auf dolose oder fehlerhafte Aktivitäten geben. Üblicherweise werden zur Ermittlung solcher Transaktionen nur bereits bekannte Fraud-Muster herangezogen, die unternehmensspezifische Besonderheiten außer Acht lassen.
Wir erläutern, wie Clustering und Outlier-Detection-Methoden zur Identifizierung unbekannter Fraud-Muster in einem unternehmensspezifischen Umfeld genutzt werden können. Anhand von SAP-FI-Daten zeigen wir die Anwendung solcher Methoden zur Ermittlung von Anomalien in Zahlungen. Wir geben außerdem ein Beispiel einer grafischen Benutzeroberfläche für eine solche Analyse.
Skills
Interesse an forensischer Datenanalyse, Grundkenntnisse in der Analyse großer Datenmengen sind von Vorteil.
Lernziele
Vermittlung von Grundlagen des forensischen Datenanalyseprozesses, insbesondere der Analyse mit Hilfe von Clustering- und Outlier-Detection-Methoden und der Interpretation von Analyseergebnissen anhand einer grafischen Benutzeroberfläche.
// Referent
//
Christina Heider
ist forensische Datenanalystin bei PwC in Stuttgart. Sie beschäftigt sich hauptsächlich mit der Analyse von strukturierten Daten aus ERP-Systemen, insbesondere SAP. Dabei liegt ihr Fokus auf der Entwicklung und Anwendung von Methoden, die Auffälligkeiten in Buchhaltungsdaten identifizieren und dolose Handlungen aufdecken.