Professional Documents
Culture Documents
A
11
Propuesta de enfoque para una gestin
eficaz del riesgo de fraude e irregularidades
o La Guia del Programa Anti-fraude contendr los siguientes aspectos:
Mecanismos para identificar y actualizar los riesgos de irregularidades.
Mecanismos internos de control para impedir y en su caso detectar irregularidades.
La descripcin de los controles de la entidad y el nivel de proceso.
Comunicacin e informacin de Riesgos de fraude en la organizacin y
procedimientos para comunicar sobre las ofensas cometidas o les acusaciones
existentes.
Procedimientos de supervisin del programa Anti-Fraude: identificacin de comits
o profesionales responsables del programa.
Protocolos de respuesta: les sanciones, como proceder cuando un fraude ha sido
descubierto por alguien en el seno de la organizacin o ha sido denunciado por un
tercero.
Inventario de los riesgos y controles de fraude.
12
Propuesta de enfoque para una gestin
eficaz del riesgo de fraude e irregularidades
o Por su parte, el Programa Anti-Fraude debera contener:
Estndares y procedimientos para prevenir y detectar las conductas delictivas.
Una supervisin adecuada de los estndares y procedimientos por parte de los
administradores, as como la delegacin de la supervisin cuotidiana del modelo por
parte de un directivo.
Una delegacin adecuada de las funciones de control dentro de cada uno de los
sectores de riesgo: dotacin de medios y autoridad adecuada, as como del acceso
directo a los rganos de gobierno.
Una comunicacin efectiva de los estndares y procedimientos a todos los empleados
mediante programas de formacin e informacin.
Procesos de monitorizacin y control de los estndares y procedimientos. Incluye
posibilidades de denuncia interna y canales de denuncia externa.
Medidas que incentiven y medidas disciplinarias.
Reaccin post-delictiva: realizacin de investigaciones corporativas internas
13
Propuesta de enfoque para una gestin
eficaz del riesgo de fraude e irregularidades
o Algunas tareas claves para el xito de la Gestin Eficaz del Riesgo de Fraude:
Concienciacin en la Alta Direccin y los miembros del Consejo de Administracin.
Coordinacin entre el persona clave de la sociedad, sus auditores y los asesores
legales de la empresa.
14
Propuesta de enfoque para una gestin
eficaz del riesgo de fraude e irregularidades
1.- Cul es el alcance del problema?
2.- La Reforma Penal en Espaa. Requisitos adicionales de
cumplimiento por parte de las personas jurdicas
3.- Propuesta de enfoque para una gestin eficaz del riesgo de
fraude e irregularidades
4.- Herramientas para la prevencin y la deteccin de fraude
ndice
o Entre las herramientas para la Prevencin y la Deteccin de Fraude encontramos
las siguientes:
Corporate Intelligence
Data Analysis
Programas de trabajo automatizados
Ley de Benford
Lneas ticas
16
Herramientas para la prevencin y la
deteccin de fraude
o Inteligencia = Conocimiento previo a procesos de decisin
o Herramientas de conocimiento disponibles:
Informa
Axesor
SABI
Dun & Brandstreet
Lexis Nexis
Amadeus
One Source
Alacra
ASNEF
Registro Mercantil
Registros de la propiedad
Registro Civil
Pginas Amarillas/Blancas
Callejeros de municipios
Direccin General de Trfico
Registro de Embarcaciones de
recreo
Hemerotecas
Internet
Redes y Asociaciones
internacionales
17
Corporate Intelligence (Definicin):
Herramientas para la prevencin y la
deteccin de fraude
o Casos ms frecuentes de uso del Corporate Intelligence:
Investigaciones de conflictos de inters
Anlisis de estructuras societarias complejas
Conocimiento de los perfiles de un empleado, cliente o proveedor
Obtencin de los registros de sociedades en todo el mundo, incluyendo
parasos fiscales
Localizacin de activos
Identificacin de activos o sociedades relacionadas con una persona o grupo
de personas
Relacin de incrementos patrimoniales personales con situaciones de fraude
18
Herramientas para la prevencin y la
deteccin de fraude
Data Analysis (Definicin del anlisis de datos):
Por anlisis de datos entendemos la actividad de transformar un conjunto de datos
con el objetivo de extraer informacin til, que pueda ser tratada con tal de obtener
unas conclusiones adecuadas.
En funcin de la tipologa de los datos y de la cuestin planteada, puede involucrarse
la aplicacin de mtodos estadsticos, ajustes de curvas, seleccin de determinados
subconjuntos de datos, y otras tcnicas.
El xito del anlisis de datos radica en:
Herramientas para la prevencin y la
deteccin de fraude
Diferentes fuentes de
informacin (internas
y externas)
Utilizacin de
diferentes tecnologas
Equipos mixtos de
empleados internos y
consultores externos
19
Data Matching vs Data Mining
Data Matching Data Mining
Identificar incumplimientos de los
procesos (p.ej. Pedidos vs facturas, o
gastos vs pagos, etc.).
Identificar datos coincidentes o
ausencia de datos en contenidos de
informacin de diferentes reas (p.
ejemplo nmeros de cuentas de
empleados que coinciden con los
nmeros de cuentas corrientes de
proveedores).
Obtencin de ficheros para ser
utilizados en las pruebas de Data
Mining.
Identificacin de pautas de
comportamiento irregulares.
Anlisis del comportamiento de los
datos mediante la aplicacin de
diferentes pruebas estandarizadas
(concentracin de datos per fecha,
valor, gaps, duplicidades, etc.)
Anlisis del comportamiento de las
fechas (frecuencia de los pagos, de
los importes, etc.).
Ley de Benford
20
Herramientas para la prevencin y la
deteccin de fraude
Ejemplo: Deteccin de Conflictos de inters
Seleccin de claves
o Seleccin de los parmetros clave:
Nombre, DNI, calle, cdigo postal, ciudad, telfono, CC, e-mail, etc.
o Preparacin de cada parmetro:
Eliminar el prefijo del telfono
Fuzzy matching, agrupacin directa e indirecta de nombres y direcciones
21
Herramientas para la prevencin y la
deteccin de fraude
Ejemplo: Deteccin de Conflictos de inters
Seleccin de parmetros (2)
o Ejemplo Nombres (nombre + apellido en el mismo campo)
Dividir el nombre completo en diferentes palabras
Fuzzy matching de les palabras. Juan y Joan se tratara como la misma
palabra
Indirect matching algorithm de las palabras para relacionar las diferentes
formas de un nombre o un apellido. Ejemplo: Joe, Jose, Josefa, Josefina
Comparar las diferentes palabras que componen un nombre para encontrar
coincidencias:
-Evitar el problema del orden del nombre
-Permite utilizar un factor de coincidencia diferente dependiendo de
parmetros como la frecuencia de cada nombre
22
Herramientas para la prevencin y la
deteccin de fraude
Ejemplo: Deteccin de Conflictos de inters
Definicin de entidades
o Concatenacin de parmetros para definir cada entidad
o Ejemplos de parmetros concatenados para la entidad Persona
Nombre + DNI
DNI + Calle + Telfono
Nombre + CC + Telfono
o Indirect matching algorithm para unir todos los parmetros que se
refieren a la misma persona/grupo de personas
o Ejemplos de entidades definidas:
Persona
Direccin
Telfono
CC
23
Herramientas para la prevencin y la
deteccin de fraude
Ejemplo: Deteccin de Conflictos de inters
Definicin de entidades (2)
Nom DNI Direcci Ciutat Telfon
Vctor
Benedito
34567876F Los Tilos, 14 Madrid 91 555 67 01
Benedicto
Vctor
54567870X c/Tilos n 14 Madrid 932 234 562
Benedicto
Hernndez
34567876F c/Cobre, 27 1 vila 91 555 67 01
Vctor
Benedito
78345621V Avinguda Castilla, 32 Segovia 656 787 654
24
Herramientas para la prevencin y la
deteccin de fraude
Ejemplo: Deteccin de Conflictos de inters
Creacin de Redes Sociales
o Concatenacin de entidades para definir una Red Social
Persona + Direccin
Persona + Telfono
Persona + CC
Persona + Pliza de Seguro Mdico
o Ejecutar un algoritmo de networking que agrupe las entidades directa e
indirectamente relacionadas
25
Herramientas para la prevencin y la
deteccin de fraude
Programas de trabajo automatizados
o Los programas de trabajo automatizados son una herramienta que combina la
funcionalidad del software de Data Analysis, con ciertas rutinas (scripts) pre-
programadas especialmente diseadas per ayudar en:
La Investigacin de Red flags o alertas de fraude y debilidades de control
de manera proactiva
La Investigacin de alertas de fraude cuando existen indicios de fraude o
conductas irregulares (accin reactiva)
o Los scripts de estos programas de trabajo se encuentran generalmente
agrupados en diferentes mdulos o reas, en forma de bateras de prueba
26
Herramientas para la prevencin y la
deteccin de fraude
o La Ley de Benford fue descubierta en el ao 1881 per el astrnomo
Simon Newcomb, que detect que la frecuencia del dgito 1 como
primer dgito de cualquier magnitud de la naturaleza era superior a las
frecuencias de otros dgitos, si bien no lleg a demostrarlo
matemticamente.
o En los aos 30, Frank Benford fsico de General Electric, detect al
observar que en los libros con las tablas de logaritmos las pginas de los
nmeros que comenzaban por 1 y 2 estaban ms sucias y gastadas
que las pginas finales. Benford investig con diferentes conjuntos de
datos, y prob y comprob empricamente la validez de la afirmacin de
Newcomb.
27
Herramientas para la prevencin y la
deteccin de fraude
o La Ley de Benford no vara a cambios de escala, es decir un cambio de
escala no afecta a les frecuencias esperadas.
o En 1994, Nigrini fue el primero en utilizar el anlisis de las frecuencias
de los dgitos como mecanismo analtico para detectar posibles
situaciones de fraude o irregularidades.
28
Herramientas para la prevencin y la
deteccin de fraude
o En poblaciones de datos que cumplan
una serie de caractersticas, cada
dgito presenta una cierta probabilidad
de ocurrencia.
o La Ley de Benford permite identificar
posibles errores, detectar fraudes
potenciales, incumplimiento de
controles y otras irregularidades.
o La tabla de frecuencias de la
distribucin del primer dgito es la
siguiente:
Primer dgit Freqncia
1 30,10%
2 17,61%
3 12,49%
4 9,69%
5 7,92%
6 6,69%
7 5,80%
8 5,12%
9 4,58%
29
Herramientas para la prevencin y la
deteccin de fraude
o Canal que permite gestionar las denuncias de forma confidencial,
respecto las conductas ilcitas o no ticas dentro de las empresas, con el
objetivo de detectar y controlar los riesgos de fraude.
o Los principios generalmente aceptados de Buen Gobierno y el Control y
la Prevencin del Fraude establecen que las empresas deben establecer
una serie de pautas, criterios e instrumentos tendentes a velar por la
transparencia y seguridad de la actividad que desarrollan.
30
Herramientas para la prevencin y la
deteccin de fraude
Lneas ticas: Definicin
Los empleados son los primeros en conocer
Pasado
o El castigo disuade
o Sin denuncias la mayora de los
fraudes u otros comportamientos
no ticos permaneces ocultos
Presente/Futuro
o Se incentivan las denuncias
o Publicidad canal de la
Comunicacin
o Protegen el anonimato de los
denunciantes
Establecimiento de las Lneas
tiques bajo la siguiente
estructura
Informador
Hotline
Hotfax
Hotmail
Hotpost
Comunicacin
Evaluacin
de la
denuncia
Indicios
S
No
Investigacin
31
Herramientas para la prevencin y la
deteccin de fraude