You are on page 1of 25

EMPLEADOS

E.1 Chequea nmero de Seguridad Social contra Indice de Fallecidos.


Este Detectlet comprueba los nmeros de Seguro Social de los empleados contra una base de datos de los
malos nmeros (por lo general un ndice de muertos o Archivo Maestro de Fallecidos proporcionada por el
Gobierno u otra entidad SSN).
** NOTA: Debe tener una conexin de base ya establecidos antes de ejecutar esste DetectLet. (consultar la
documentacin Picalo sobre cmo hacer una conexin de base de datos).
Para obtener ms informacin sobre la compra de la base de datos ms actualizada de los nmeros de Seguro
Social registradas a las personas que han fallecido, consulte el sitio web de la Administracin del Seguro
Social. (http://www.ssa.gov)
E.2 Chequear validez del numero de Seguridad Social.
Muchos registros de empleados contienen nmero de seguro social de un empleado por razones de impuestos
y otros propsitos. En algunos casos, un registro de empleado con un nmero de seguro social vlido, puede
indicar un registro de empleado falso. Un nmero de seguro social invlido en un registro de empleado indica
una entrada de datos incorrecto o una entrada fraudulenta. Este Detectlet busca todos los empleados que
tienen nmeros de seguro social invlidos (tanto por formato y valor).
El DetectLet pasa por el siguiente proceso:
- Compara el SSN de cada registro con el nmero formateado de seguro social personal ('000-00-0000')
- Comprueba que cada componente de la serie est dentro del rango apropiado, de la siguiente manera (al 5
de abril de 2008): Primeros 3 dgitos: 001 - 772, Segundos 2 dgitos: 01 - 99, los ltimos 4 dgitos: 0001 9999.
Los empleados que se devuelven de este DetectLet pueden ser registros de empleados fantasmas,
posiblemente utilizados por otros empleados para obtener cheques de pago adicionales u otros fines
fraudulentos.
E.3 Empleados con aumento de horas extras.
Los empleados autorizados a informar pago de horas extras pueden tomar ventaja de la falta de control de la
gestin al reportar las horas extras que nunca se trabajaron en realidad. A medida que el empleado empieza a
darse cuenta de que las horas extras reportados van sin control, el empleado puede empezar a reportar las
horas extraordinarias cada vez ms exageradas.
Este DetectLet encuentra empleados que tienen patrones de reportar aumento de las horas extraordinarias.
Estos empleados y sus desembolsos relacionados con la nmina deben ser investigados para verificar que
horas extras reportadas cuadran con horas extras de trabajo efectivo.

E.4 Encontrar empleados con numero de Seguridad Social de fallecido.


Este DetectLet compara todos sus empleados con el Indice de Fallecidos de la Seguridad Social SSDI (Social
Security Death Index) para ver si alguno de ellos est utilizando nmeros de SS de personas fallecidas.
Para usarlo, se debe tener una clave de licencia vlida para el servicio Web Social Security Death Index de
CDYNE.
Slo se tiene que escoger la tabla que contiene la informacin de los empleados y de la columna que contiene
su nmero de seguro social, escribiendo su clave de licencia, y este detectlet har el resto!
(Se puede comprar el acceso a este servicio web en http://www.cdyne.com)
E.5 Encontrar empleados sin dias de vacacin aplicados o sin licencia mdica.
El fraude de nmina es una tctica comn utilizada por los estafadores para robar dinero de una organizacin.
Este fraude involucra comnmente el uso de empleados falsos en el sistema de nmina, tambin conocido
como 'empleados fantasma'.
Estos empleados fantasma pueden ser empleados que terminaron su empleo, o completamente no fueron
empleados. Hay varios signos que ayudan a indicar cuando un empleado es fantasma frente a un empleado
legtimo.
Uno de esos signos involucra el uso de das de vacaciones o de licencia por enfermedad. La mayora de los
estafadores que utilizan empleados fantasma para cometer fraude de nmina no tienen en cuenta el hecho de
que estos empleados tambin tienen das de enfermedad y das de vacaciones registradas con sus nombres.
Un signo comn de un empleado fantasma es que ellos nunca han tenido un solo da de vacaciones o de
permiso por enfermedad.
Este DetectLet busca a travs de los registros de tiempo libre de los empleados e identifica cualquier
empleado que no ha utilizado sus vacaciones o das de enfermedad. Teniendo en cuenta que muchas
empresas exigen a sus empleados tomar vacaciones, un empleado sin un solo da de descanso ser un
candidato muy probable de ser fraudulento.
Este DetectLet pasa por las siguientes etapas: - Recuperar todos los empleados que han tomado 0 de
vacaciones y cero das de enfermedad.
E6 Encontrar cheques de pago despus de la fecha de terminacin de servicios.
Los empleados que cometen fraude en contra de su organizacin a menudo usan el sistema de nmina para
crear empleados falsos y sacar provecho de los cheques recibidos por estos empleados falsos (tambin
conocidos como empleados fantasma).
Un mtodo comn utilizado por los estafadores es utilizar la cuenta de nmina de un empleado despedido
para captar fondos de la nmina no devengados.
Con el fin de identificar este tipo de fraude, este DetectLet compara la fecha de finalizacin con el ltimo da
que un cheque de pago fue recibido por cada empleado. Si la fecha de ltimo cheque de sueldo es
significativamente mayor a la fecha final de empleo, una bandera roja se eleva.
Con el fin de determinar si existe este tipo de fraude, el DL pasa por las siguientes etapas: - Buscar todos los
cheques de pago con fecha posterior a la fecha de terminacin de servicios Estratificar los Resultados por
empleado.

E.7 Pagos con aumentos atipicos en el total pagado.


Los fraudes de nmina suceden a menudo en pequeas cantidades en dlares. El sueldo de un empleado
puede ser cambiado despus de una cantidad aprobada se haya establecido. O bien, el salario por hora puede
ser cambiado para inflar el total del pago a un empleado.
Este DL ayuda a los investigadores a encontrar saltos inusualmente grandes en el pago total de (NO la tasa de
pago por hora o por semana). Esto se hace porque un cambio en el pago total es ms pertinente a un negocio
que un cambio en la tasa de pago, ya que el pago total es lo que realmente se paga a un empleado y la tasa de
pago podra permanecer inalterada pero el pago total podra ser cambiado. As engaar un investigador que
slo se ve en la informacin de tasa de pago
Los datos de ejemplo a continuacin se abrir una tabla de ejemplo de nmina que se puede utilizar para
familiarizarse con el funcionamiento de este Detectlet. Cada fila representa un pago a un empleado. La
columna total del pago es la cantidad pagada al empleado por el perodo de pago representado desde la fecha
inicial hasta la fecha final. EmployeeID identifica cada fila, conectando esa fila (o pago) a un determinado
empleado.
E.8 Tasas de pago escandalosas para cualquier tipo de obra.
Sistemas como la nmina son fcilmente instalados para utilizar porque operan peridicamente y parecen tan
sencillos y fiables. Algunos contratistas pueden enfocar al sistema de nmina de una empresa por esas
mismas razones. Se ha dado que una empresa que contrata a varios cientos de contratistas de un proyecto o
contrato determinado, como electricista, o grupo de electricistas, intentaran conseguir tarde o temprano el
fraude de nmina mediante el aumento de su precio por hora, con la esperanza de que a nadie le preste
atencin.
Auditores de sistemas deben estar en la bsqueda de signos de este tipo de fraude de nmina.
E.9 Valores atpicos incluidos en pago total.
Fraudes Nmina suceden a menudo en pequeas cantidades. Pago a un empleado puede ser cambiado
despus de que se ha establecido una cantidad aprobada. O bien, el salario por hora se puede cambiar para
inflar el total del pago a un empleado.
Este DetectLet ayudar a los investigadores a encontrar saltos inusualmente grandes en el pago total (NO la
tasa de pago por hora o por semana). Esto se hace porque un cambio en el pago total es ms pertinente a un
negocio que un cambio en la tasa de pago, ya que el pago total es lo que realmente se paga a un empleado y
la tasa de pago podra permanecer inalterada pero el pago total podra ser cambiado. As s puede engaar un
investigador que slo ve en la informacin de tasa de pago.
Los datos de ejemplo a continuacin es con una tabla de nmina que se puede utilizar para familiarizarse con
el funcionamiento de este Detectlet. Cada fila representa un pago a un empleado. La columna total del pago
es la cantidad pagada al empleado por el perodo de pago representado entre fecha inicial hasta la fecha finan.
EmployeeID identifica cada fila, conectando esa fila (o pago) a un determinado empleado.

PAGOS
P.1 Cheques cancelados estn fuera de secuencia.
La manipulacin de cheques tiene varias formas, uno de los ms comunes es el uso de los cheques fuera de
secuencia. La presencia de cheques cancelados puede indicar uso no autorizado de cheques, cheques
fraudulentos que se ocultan, y/o cantidades siendo alteradas.
Este DetectLet busca los cheques que han sido cancelados fuera de secuencia (es decir, el actual rango de
cheques que se utiliza est en los 200s, mientras que un cheque cancelado est en el conjunto de los 400s).
Los cheques que resultan de este DetectLet deben ser investigados. Lugares clave para buscar ms seales de
manipulacin de cheques pueden ser a travs de quin tiene acceso al almacenamiento de los cheques, quien
tiene la autoridad para escribir y firmarlos, y quin es responsable de la conciliacin bancaria. Como nota al
margen, estas habilidades deben ser siempre separadas - incluso en la organizacin ms pequea.
P.2 Los cheques a efectivo.
Este Fraude de Adquisiciones puede ocurrir cuando el nombre de un proveedor es "Cash o Efectivo" o
contiene la palabra "cash o efectivo". Tener un nombre "Cash" permite que cualquiera pueda cobrar un
cheque directamente. Del mismo modo, un cheque que tiene un nombre que contenga la palabra "cash o
efectivo" es ms fcil cobrar para alguien.
Este DetecLet analiza la tabla proveedor seleccionando los nombres de los proveedores que contienen la
palabra cash o efectivo.
El DetecLet pasa por el siguiente proceso:
- Busca en la columna Nombre de la tabla segn la columna seleccionada por el usuario
- Crea una nueva tabla conteniendo el ID y el nombre del proveedor en cuyo contenido est la cadena "Cash".
P.3 Comparar cuentas de depsito directo.
Los empleados que cometen fraude en contra de su empleador a menudo usan el sistema de nmina para
crear empleados falsos y sacar provecho de estos cheques preparados de manera fraudulenta.
En algunos casos, el empleado falso tendr la misma direccin que el empleado que comete el fraude o
tendr las iniciales o nombres similares del empleado. Dado que muchas empresas han trasladado al depsito
directo de cheques de pago, la bsqueda de un estafador que saca provecho mediante empleado falso,
dndoles la misma informacin de depsito directo no es raro.
Este DetecLet compara la informacin de depsito directo de cada empleado mediante la bsqueda de los dos
empleados que comparten el mismo nmero de ruta bancaria y nmero de cuenta, y establece banderas a
ellos por posible fraude.
Este DetectLet pasa por el siguiente proceso: - Analiza travs de cada cuenta y saca el nmero de cuenta y
nmero de ruta. - Compara cada entrada con todos los dems entradas en la tabla. - Despliega las entradas
coincidentes con los IDs de empleado asociados con cada uno. - Ordena los resultados por nmeros de cuenta
para hacer notar que empleados con otros se relacionan.

P.4 Los Reembolsos Duplicados de Gastos.


Un fraude comn es que un empleado presente un reembolso de gastos en el sistema ms de una vez. A
menudo, el empleado va a esperar unos cuantos das, semanas o incluso meses. Muchas empresas procesan
tantos reembolsos que un duplicado podra deslizarse y pasar desapercibido, especialmente si los dos
rembolsos estn separados por una gran cantidad de tiempo.
Este DetecLet hace lo siguiente: - compara cada registro de la tabla con todos los dems registros - Devuelve
todos los registros coincidentes exactamente en el precio.
Columnas necesarias incluyen: - fecha de reembolso - Nmero de identificacin de empleado o identificacin
- montos de reembolso.
Es posible que los reembolsos con exactamente mismo monto podran ser vlidos (es decir, las compras
similares a intervalos regulares en el tiempo). Sin embargo, la posibilidad de tal conincidencia exacta no sera
tan probable. Por lo tanto, las coincidencias resultantes de este DetecLet no garantizan que el fraude est
ocurriendo, sino simplemente indican la posibilidad de fraude y dar lugar para comenzar una investigacin
ms a fondo.
P.5 Encontrar Facturas Duplicadas.
Un fraude comn ocurre cuando una empresa presenta sus facturas mltiples veces con la esperanza de que la
empresa que recibe la pagar varias veces.
Este DetectLet toma un archivo de factura (o archivo similar de facturacin) e identifica las facturas que se
han presentado ms de una vez por un proveedor determinado.
En la tabla de resultados, todas las facturas duplicadas son identificadas junto con los proveedores que les
suministraron.
P.6 Encontrar examen mdico facturado pero no realizado.
A veces, los mdicos tratan de extraer dinero de las compaas de seguros o del gobierno facturando para
pruebas mdicas que prescriben pero nunca se realizaron.
Este DetectLet busca para tales incidencias.
P.7 Encontrar Facturas con identificacin Secuenciales
Un fraude comn ocurre cuando un empleado crea una empresa ficticia y enva facturas u otros proyectos de
ley para la organizacin. Ya que la compaa no es real y la organizacin es su nico cliente, este tipo de
facturas de proveedores falsos suelen ser secuenciales. Es decir, las facturas de un proveedor falso a menudo
comienzan con ID 1000, luego 1001, a continuacin 1002, y as sucesivamente.
Este DL toma un archivo de factura (o archivo similar de facturacin) y lleva a cabo los siguientes pasos en
l: - Estratifica el archivo en tablas individuales para cada proveedor. - Explora cada tabla individual y
determina la cantidad de facturas que son secuenciales. - Calcula un porcentaje de las facturas que tienen
nmeros secuenciales. Este porcentaje se aade a la tabla de resultados. - Cuando se exploran todas las
tablas, se ordena por el porcentaje la tabla de resultados.
En la tabla resultante, aquellos proveedores con un alto porcentaje de nmeros de factura secuenciales
pueden ser proveedores falsos. Por supuesto, puede haber razones legtimas que los proveedores tengan un
solo cliente, pero se plantea la sospecha y solicita un anlisis ms detallado.

P.8 Totales de Factura y Pago diferentes.


Un posible fraude en una empresa es que un empleado escriba un cheque por una cantidad mayor que el
necesario para pagar a un proveedor. Por ejemplo, una factura del departamento de compras podra mostrar
que $500 era para ser enviado a un determinado proveedor. El empleado a cargo de escribir el cheque podra
escribirlo con un adicional de $100. A continuacin, podra conseguir que el proveedor le diera el dinero en
efectivo o en forma similar de contragolpe. Este fraude se encontr al comparar los totales de las tablas de
compra y de pago.
Este DL totaliza primero las tablas de compras y de pagos, y compara sus montos. Si no hay discrepancia,
entonces no hay resultados para mostrar y el fraude es inexistente. (Nota: Si el perodo de tiempo cubierto
por ambas tablas es diferente entonces este DL no funcionar. Cada entrada en la tabla de compras debe tener
una entrada correspondiente en la tabla de pagos.)
Si hay un inconsistencia entre las dos tablas entonces las dos se comparan y los registros diferentes se
encuentran y se muestran como resultantes. Las dos tablas se comparan en base a un nmero de factura
correspondiente o algo similar. Esto es necesario para unir las dos tablas.
La tabla de Compras requiere:
- Nmero de factura, o algo similar
- Importe de la factura
La tabla de Pagos requiere:
- Una columna de nmero de cheque para Identificacin
- Nmero de factura que corresponde a las mismas facturas como la tabla de compras
- Monto del cheque
P.9 Demasiadas Facturas Anuladas.
Un fraude posible se produce cuando un procesador de pagos se asocia con demasiados cheques anulados.
Un cheque puede ser anulado por una variedad de razones. En un caso, un cheque se anula despus de hacer
un cheque electrnico on-line para bienes o servicios. Un cheque tambin se anula despus de hacer un pago
de cheque electrnico a travs del telfono. El nmero de cheque, nmero de cuenta y nmero de ruta se
utilizan para hacer la compra, y, despus de que el cheque electrnico es recibido, el pagador anula el cheque.
En un entorno de empresa, un procesador de pagos puede anular cheques despus de hacer los pagos a los
proveedores, pero, a veces, un procesador de pagos puede adquirir bienes para su propio beneficio, y anular
los cheques como si fueran parte de la compra de bienes para la empresa .
Este DL cuenta el nmero de cheques anulados por procesador de pagos, ordena la lista de todos los
procesadores de cheque por el nmero de cheques anulados, y presenta el procesador de pagos, nmero de
cheques anulados, y una lista de los cheques anulados.

PROCESO DE COMPRAS
A.1 Oferta aceptada despus de plazo
Los empleados encargados de compras pueden entretener con una agenda personal al dirigir el trabajo hacia
un proveedor especfico. Pueden hacerlo si estn recibiendo sobornos por parte del proveedor, teniendo
familiares o amigos que puedan beneficiarse como resultado, o muchas otras razones. Cuando esto sucede, la
empresa sufre exceso de pago de los servicios o bienes. Adems, los proveedores en esta situacin pueden
estar menos dispuestos a asegurar la calidad.
En el proceso de licitacin, la mayora de las organizaciones que solicitan ofertas imponen un plazo para la
presentacin de ofertas. Los compradores que reciben sobornos informarn al proveedor "especial" de los
detalles de las ofertas recibidas despus de la fecha lmite de ofertas. El proveedor puede entonces enviar el
precio de la oferta ms baja que todas las ofertas ya recibidas. Este DL busca los contratos que se adjudicaron
a proveedores fuera de plazo de las ofertas. Cada oferta aceptada despus de la fecha lmite se debe investigar
ms para determinar el fraude.
A.2 Estimaciones de las ofertas con una variacin significativa en los precios de los productos.
Este DL utiliza un anlisis z-score para detectar la diferencia de precios de los productos similares en
diferentes contratos. Varios artculos similares aparecen en los diferentes contratos. Los artculos de cada
contrato pueden ser comparados entre s para ver si los precios por artculo varan mucho de un contrato a
otro.
Artculos con grandes variaciones son claramente motivos de preocupacin. Una puntuacin z-score se
utiliza para encontrar esas variaciones a travs de varios contratos diferentes.
A.3 Ofertas son removidas durante la revisin tcnica.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esto mantiene los precios bajos y aumenta la calidad. Las ofertas se evalan en una revisin
tcnica y financiera. La evaluacin financiera es objetiva y busca la oferta ms baja. La evaluacin tcnica es
subjetiva para ver si la oferta cumple los estndares de calidad para el proyecto. Todos los licitadores estn al
tanto de los requisitos tcnicos y la mayora de los oferentes disean una oferta en base a las normas tcnicas.
Durante la evaluacin tcnica, las ofertas se pueden eliminar de manera fraudulenta de modo que slo una o
unas pocas ofertas puedan pasar para la evaluacin financiera. Esto permite que una empresa o individuo
fraudulentamente pueda seleccionar la empresa que quiere ganar el proceso de licitacin.
Este DetectLet busca proyectos que tienen una tasa inusualmente alta de eliminacin tcnica de ofertas.

A.4 Resumen Total de las Ofertas por el Proveedor


La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Los compradores pueden querer evitar este control cuando estn recibiendo sobornos de un
determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por muchas otras
razones.
En general, se podra esperar ver una variedad de diferentes proveedores ganando sus ofertas. Normalmente,
el precio es el factor ms importante en la determinacin de los ganadores de la licitacin. Un proveedor
especfico no es probable que gane toda oferta. Sin embargo, si un proveeedor estaba ganando licitaciones en
las que no era la oferta ms baja, o si el proveedor estaba ganando toda oferta, podra ser debido al fraude.
Este DetectLet analiza las ofertas y totaliza cada posicin de la oferta del proveedor-- monto total de las
ofertas, porcentaje de las ofertas ms bajas, porcentaje de victorias al total de las ofertas, porcentaje de veces
en que la oferta era la ms baja y ganadora tambin.
El DetectLet pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. Estratifica el archivo en una tabla para cada proveedor conteniendo todas sus ofertas - Calcula el nmero de
veces que el proveedor gan, fue el ms bajo, y el nmero de ofertas que hizo - Calcula un porcentaje para
cada uno. - Ordena los resultados por el porcentaje.
A.5 Ofertas con montos idnticos en partidas individuales.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Los compradores pueden querer evitar este control cuando estn recibiendo sobornos de un
determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por muchas otras
razones.
Una de las maneras de fabricar ofertas adicionales es copiar y luego cambiar ligeramente una sola oferta para
asemejarse a varias ofertas de diferentes empresas. Un comprador carga la verdadera oferta en una hoja de
clculo y crea una nueva columna para la segunda oferta. El o ella copia los valores de la columna de la
oferta de bienes y luego cambia uno o dos elementos de lnea con grandes montos. Puesto que los elementos
de lnea son cambiados con grandes montos, el total de la oferta es significativamente diferente de la oferta
real.
Este DL busca ofertas con artculos de lnea que tienen muchos elementos de lnea como copias exactas de
las dems ofertas. Se supone que tiene potencialmente miles de proyectos con 2 o ms ofertas por cada
proyecto.
El DL pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. - Calcula el
nmero de elementos de lnea entre las ofertas competidoras que son idnticos. - Crea un valor de "porcentaje
similar" dividiendo el nmero de lneas idnticas por el nmero total de lneas en la oferta. - Ordena los
resultados por el porcentaje.
Los proyectos con un nmero significativo de partidas idnticas pueden ser fraudulentos.
La tabla de ejemplo de entrada contiene las siguientes cuatro columnas: - Contrato: El ID de contrato Oferente: La Identificacin del postor - hay tres oferentes en cada una de las ofertas ejemplo. - Artculo: La
Identificacin del rubro. La mayora de los contratos tienen lneas de artculos. - Importe: El monto de cada
partida o elementos de lnea.
En el conjunto de datos ejemplo, el contrato # 1 ha sido fabricado. Las lneas de artculo entre las ofertas son
casi idnticas.

A.6 Ofertas con Lneas de Artculo que son Porcentaje exacto de Otra Oferta.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Los compradores pueden querer evitar este control cuando estn recibiendo sobornos de un
determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por muchas otras
razones.
Una de las maneras de fabricar ofertas adicionales es copiar y luego cambiar ligeramente una sola oferta para
parecerse a varias ofertas de diferentes empresas. Un comprador carga la verdadera oferta en una hoja de
clculo y crea una nueva columna para la segunda oferta. Cada partida de la segunda oferta es un cierto
porcentaje por encima de la primera oferta. Si cada lnea de artcilo es un porcentaje especfico por encima de
la oferta ganadora, los elementos de lnea probablemente fueron calculados.
Este DL busca ofertas con lneas de artculo que son todos el mismo porcentaje por encima de la oferta
ganadora. Se supone que potencialemente tiene miles de proyectos con 2 o ms ofertas por cada proyecto.
El DL pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. - Calcula la
diferencia porcentual entre las lneas de artculos de cada oferta. - Calcula la media y la desviacin estndar
de las diferencias, lo que resulta en un valor promedio y desviacin estndar nicos para cada proyecto. Ordena los resultados por la desviacin estndar.
Los proyectos con un valor muy pequeo de desviacin estndar tienen diferencias casi idnticas entre las
lneas de artculos. Se recomienda centrarse en los registros que tienen pequeas diferencias.
La tabla de entrada de ejemplo contiene las siguientes cuatro columnas: - Contrato: El ID de contrato Oferente: La Identificacin del postor - hay tres oferentes en cada una de las ofertas ejemplo. - Artculo: La
Identificacin del rubro. La mayora de los contratos tienen lneas de artculo. - Importe: El monto de cada
partida o lnea de artculo.
En el conjunto de datos ejemplo, el contrato # 1 ha sido fabricado. Las cantidades entre las ofertas son
porcentajes exactos el uno del otro.
A.7 Las Conexiones o coincidencias partiales entre los Ofertantes.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esto mantiene los precios bajos y aumenta la calidad. Un fraude comn es para los licitadores
crear empresas ficticias para que puedan presentar mltiples ofertas o inflar el nmero de ofertas presentadas.
Este DetectLet busca los licitadores que tienen informacin similar con otros oferentes (el mismo nmero de
telfono, misma direccin, etc.)

A.8 Ofertas Excesivamente Altas


Uno esperara que un proveedor minimize el monto de su oferta para que no sea una oferta excesiva por
encima de su competidor ms cercano, aunque sea una oferta suficiente para ganar el contrato. Ciertamente,
parece ilgico que un proveedor oferte con ms de su costo esperado para completar el proyecto.
Una forma comn de la Manipulacin de Licitaciones, sin embargo, es la Oferta Complementaria. De
acuerdo con el Departamento de Justicia de Estados Unidos, "una Oferta Complementaria (tambin conocido
como oferta "Cubierta" o de "Cortesa") se produce cuando algunos competidores estn de acuerdo en
presentar ofertas que, o bien son demasiada altas para ser aceptadas o contener trminos especiales que no
sern aceptables para el comprador. Estas propuestas no tienen por objeto asegurar la aceptacin del
comprador, pero no son ms que diseados para dar la apariencia de una verdadera licitacin. esquemas de
licitacin complementarias son las formas ms frecuentes de manipulacin de licitaciones, y defraudan a los
compradores creando la apariencia de competencia para ocultar secretamente los precios inflados, (Fijacin
de precios, manipulacin de licitaciones, y esquemas de asignacin de mercado: Qu son y qu buscan?,
Departamento de Justicia de USA http://www.usdoj.gov/atr/public/guidelines/211578 .htm).
Los sntomas asociados con este tipo de fraude incluyen proveedores que presenten ofertas que son mucho
ms altas que las listas de precios publicadas, las ofertas anteriores por las mismas empresas, o ingeniando
las estimaciones de costos.
Tener en cuenta que no todas las ofertas altas son prueba de la manipulacin de licitaciones. Algunas pueden
ser errores de estimacin sincera por parte del proveedor, o incluso un intento por parte del proveedor a
presentar una oferta que saben no sern aceptados, pero lo hacen con el fin de permanecer en la lista del
comprador de los proveedores activos. Como siempre, se requiere ms investigacin para determinar si ha
ocurrido o no fraude.
Este DetectLet analiza las ofertas de los proveedores y los compara con la estimacin de costos del
comprador. Una oferta puede considerarse excesiva si se trata de un porcentaje determinado por encima de la
estimacin. El porcentaje de corte ser introducido por el usuario, lo que indica el nivel al que una oferta se
considera demasiado elevada en comparacin con la estimacin de costos del comprador.
El DetectLet pasa por un proceso para determinar cuanto por encima las ofertas estan sobre los costos
estimados por el departamento de compras o costos.
A.9 Encontrar Apellidos de Ofertantes similares a los de Evaluadores de Ofertas.
Este DetectLet busca oferentes con apellidos similares a los del comit de evaluacin de las ofertas. Tales
vnculos familiares potenciales podran indicar un conflicto de intereses en el proceso de toma de decisiones.
A.10 Instrumento de Seguridad Incremental.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esto mantiene los precios bajos y aumenta la calidad. Las empresas hacen colusin con las
dems para tener un ofertante ganador por rotacin entre ellos para engaar a la organizacin al hacer pensar
de han recibido ofertas vlidas. Las empresas que hacen colusin discuten sus ofertas entre s y tienen un
ofertante bajo, entre ellos escogido basado en un ciclo de rotacin. La empresa que va a ganar a menudo tiene
que hacer el trabajo de preparar las ofertas de las otras empresas y el pago del instrumento de seguridad.
Cuando un proyecto tiene ofertas con colusin, donde los instrumentos de seguridad son del mismo banco y
con orden incremental, el fraude es probable.
Este detectlet busca los nmeros de instrumentos de seguridad que son incrementales entre s dentro de un
mismo proyecto.

A.11 Ultimo Ofertante es Ganador.


La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Los compradores pueden querer evitar este control cuando estn recibiendo sobornos de un
determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por muchas otras
razones. A veces, cuando los compradores quieren un proveedor especfico para ganar, dan esa informacin
privilegiada a ese proveedor. Generalmente, esta informacin es sobre las dems ofertas. Cuando un
proveedor conoce los montos de las ofertas de los otros proveedores, son capaces de bajar oferta y ganar
contratos.
Los sntomas asociados con este tipo de fraude incluyen proveedores que consistentemente ganan y son con
la ltima oferta a ser recibida.
Este DetectLet analiza las ofertas y totaliza la historia de licitaciones de cada proveedor mediante el clculo
del nmero total de ofertas y el porcentaje de veces que el proveedor gana y es con la ltima oferta recibida.
El DL pasa por el siguiente proceso: - Estratificar el archivo en una tabla para cada proyecto. - Identificar la
oferta ganadora y la ltima oferta que se recibi. - Totaliza el nmero de veces que cada vendedor: 1) Es el
Ganador 2) Es el ltimo ofertante (por fecha) 3) Es tanto el ganador y el ltimo ofertante. - Calcular
porcentajes de los datos. - Ordena la tabla por el porcentaje de tanto ganador y ltimo ofertante.
Los proveedores que son consistentemente el ltimo ofertante y ganador pueden estar recibiendo informacin
privilegiada.
A.12 Mltiples Ofertas en el Mismo Da.
Los compradores (que trabajan para la organizacin) pueden querer dirigir el trabajo hacia un oferente
especfico. Pueden hacerlo si estn recibiendo sobornos de un determinado proveedor, tienen familiares o
amigos que a los que quieren canalizar el trabajo, o por muchas otras razones. Cuando esto sucede, la
empresa sufre prdidas econmicas por exceso de pago de los servicios o bienes. Adems, los licitadores que
estn seguros de ganar estn menos inclinados para asegurar la calidad.
La mayora de las organizaciones darn un perodo de varios meses para los proveedores hacer una oferta en
un proyecto o contrato. Si un nmero relativamente pequeo de proveedores presentan ofertas, es poco
probable que habr ms de una oferta en un solo da. La actividad fraudulenta puede no ser completamente
descubierta por esta DetectLet pero sern levantadas banderas rojas que se puede utilizar en conjuncin con
otras investigaciones para identificar reas problemticas.

A.13 Las Compras Mltiples Ligeramente Bajo Umbral.


La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esta competencia mantiene los precios bajos y aumenta la calidad. Sin embargo, para los
pequeos proyectos, las ofertas mltiples no vale la pena el trabajo y esfuerzo. Por lo tanto, las
organizaciones no requieren licitacin para proyectos bajo un monto especfico. Las organizaciones
solucionan este "lmite" o "monto umbral", basados en el monto de la gestin de riesgo que est dispuesto a
asumir por el ahorro de tiempo y energa.
Los compradores (que trabajan para la organizacin) pueden querer evitar este control cuando estn
recibiendo sobornos de un determinado proveedor, tienen familiares o amigos que quieren canalizar el
trabajo hacia, o por muchas otras razones. Para ello, los compradores van a informar a los proveedores del
monto lmite para que puedan ofertar justamente bajo el. A veces, los compradores van a dividir las ofertas o
compras en varias ofertas que todas caen por debajo del lmite.
Este DetectLet busca para proyectos que estn ligeramente por debajo del umbral o lmite dado.
El DetectLet pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. Identifica los proyectos que tienen una sola oferta. - Calcula la diferencia entre el umbral y el monto de la
oferta y - Selecciona aquellas ofertas que se encuentran ligeramente por debajo del umbral o lmite.
- Clasifica ...
==== ==== TODO
Las empresas con un nmero significativo de ofertas ligeramente por debajo del lmite pueden ser
corrompidas.
La tabla de entrada ejemplo contiene las siguientes cuatro columnas: - Proyecto: La Identificacin del
Proyecto - Proveedor: La Identificacin del Proveedor - Identificacin de la licitacin de la empresa
ofertante. - Oferta: El ID nico de la oferta - Importe: El monto total de cada oferta.
==== ==== TODO
En el conjunto de datos ejemplo con varios proyectos slo tienen una oferta. Si establece el umbral de 70.000
a continuacin, encontrar al menos la oferta # 18.

A.14 Las Compras Mltiples ligeramente Menores al Umbral Total por Proveedor.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esto mantiene los precios bajos y aumenta la calidad. Sin embargo, para los pequeos
proyectos, ofertas mltiples no son necesarios. Organizaciones fijarn un "lmite" o "monto umbral" en
cuanto al monto de un proyecto que puede costar antes que se requieran mltiples ofertas.
Los compradores (que trabajan para la organizacin) puede querer evitar este control cuando estn recibiendo
sobornos de un determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por
muchas otras razones. Para ello, los compradores van a informar a los vendedores del monto lmite para que
puedan ofertar justamente bajo el. A veces, los compradores van a fraccionar las ofertas o compras en varias
ofertas que todas caigan por debajo del lmite.
Este DetectLet busca los proyectos que estn ligeramente por debajo del lmite con umbral determinado y
que no superen el umbral. En l se totalizan los datos por proveedor.
El DetectLet pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. Identifica los proyectos que tienen una sola oferta. - Calcula la diferencia entre el umbral y el monto de la
oferta y selecciona aquellas ofertas que se encuentran ligeramente por debajo del lmite con umbral. Totaliza las conclusiones o resultaados por Proveedor
Las empresas con un nmero significativo de ofertas ligeramente por debajo del lmite pueden ser corruptas.
La tabla de entrada ejemplo contiene las siguientes cuatro columnas: - Proyecto: La Identificacin del
proyecto - Proveedor: La Identificacin del proveedor - Identificacin de la licitacin de la empresa
ofertante. - Oferta: El ID nico de la oferta - Importe: El monto total de cada oferta. ==== ==== TODO
En el conjunto de datos ejemplo, varios proyectos slo tienen una oferta. Si se stablece el umbral de 70.000 a
continuacin, se encontrar al menos la oferta # 18.
A.15 Modelo de bajo retirada postor.
Cuando se retiran las ofertas por montos inferiores al ganador, puede ser un indicio de fraude. Este tipo de
fraude sucede cuando conspiradores retraen su oferta ya que es inferior, de modo que un ganador elegido con
un mayor monto de oferta obtendr el contrato. Es un tipo de supresin de ofertas.
A.16 La Rotacin del Ganador.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esto mantiene los precios bajos y aumenta la calidad. Algunas empresas pueden hacer
colusion con otros para tener un ofertante ganador rotando entre ellos para engaar a la organizacin y hacer
pensar de que han recibido ofertas vlidas. Las empresas que hacen colusin discutirn sus ofertas entre s y
tendrn un oferente de bajo valor escogido entre ellos basado en un ciclo de rotacin.
Este DetectLet busca las empresas que siempre ofertan contra otros y que tienen un ganador en rotacin.

A.17 Precios similares en las ofertas.


En el proceso normal de licitacin, los ofertantes son ajenos a los montos de las ofertas presentadas por los
otros licitadores para un contrato especfico. Esto se hace para que en el proceso de licitacin resulten ofertas
veraces.
Una vez recibidas todas las ofertas, se someten a una prueba de normas para asegurarse de que estn a la
altura de las strandars requeridos para el contrato. Todas las ofertas que pasan a continuacin, van a una
ronda de seleccin financiera en la cual se selecciona la oferta con el precio ms bajo.
Todas las ofertas que son extremadamente similares o exactas en la naturaleza son bastante sospechosas ya
que el proceso de licitacin y los precios son bien reservados. Este DetectLet pondr a prueba a cualquier
oferta que es el 99,9 por ciento similar. Esto significa que cuando el precio de oferta menor se divide por el
precio de oferta mayor, el porcentaje resultante es del 99,9 por ciento o ms.
A.18 Proyectos de Oferta Simple que excedan del Umbral.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Esto mantiene los precios bajos y aumenta la calidad. Sin embargo, para los pequeos
proyectos, ofertas mltiples no son necesarios. Organizaciones fijarn un lmite o umbral de cunto puede
costar un proyecto antes de que se requieren mltiples ofertas.
Los compradores (que trabajan para la organizacin) puede desear evitar este control cuando estn recibiendo
sobornos de un determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por
muchas otras razones. La forma ms sencilla de evitar este control es simplemente ignorarlo.
Este DetectLet busca proyectos que tienen slo una oferta y devuelve aquellas ofertas que cuestan ms que el
lmite con umbral determinado.
El DL pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. - Identifica los
proyectos que tienen una sola oferta. - Calcula la diferencia entre el umbral y el monto de la oferta. - Ordena
los resultados por el ID de proyecto project_id.
Las empresas con un nmero significativo de las ofertas simples que rompen el lmite pueden ser corruptas.
La tabla de entrada ejemplo contiene las siguientes cuatro columnas: - Proyecto: La Identificacin del
proyecto - Proveedor: La Identificacin del proveedor - Identificacin de la licitacin de la empresa
ofertante. - Oferta: El ID nico de la Oferta- Importe: El monto total de cada oferta.
En el conjunto de datos ejemplo varios proyectos slo tienen una oferta. Si se establece el umbral de 70.000 a
continuacin, se encontrar al menos la oferta # 18.

A.19 Verificar Total de la Oferta con los Subtotales de Partidas.


La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Los compradores pueden querer evitar este control cuando estn recibiendo sobornos de un
determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por muchas otras
razones.
Cuando las empresas envan una solicitud de oferta, envan un formulario detallado que tiene varias de lnea
de artculo que se requieren para una oferta especfica. Con el mismo formulario que se enva a todos los
proveedores de licitacin, cada oferta es fcilmente comparada. Estas lneas de artculo entonces se suman
para obtener un total general. Este total es el factor principal en la seleccin de la oferta ganadora. A veces,
ya sea por error o por fraude, el nmero ingresado como monto total no es el mismo nmero que el agregado
total de todas las lnea de artculo.
Este DetectLet analiza las ofertas y verifica que el total de cada oferta es igual al monto total que calcula
sumando todas los montos de las lineas de artculo.
El DL pasa por el siguiente proceso: - Aadir todos los montos de detalle de partidas individuales para cada
oferta. - Compara la cantidad recin calculada con el monto total existente. - Calcular la diferencia de estas
dos ofertas. - Ordena los resultados por la diferencia.
Los proyectos con una diferencia significativa entre el total real y el total registrado puede ser fraudulento.
A.20 Oferta ganadora Apenas Menor.
En el proceso de licitacin, los ofertanes son ajenos a los montos de las ofertas presentadas por otros
licitadores para un contrato especfico. Esto se hace para que en el proceso de licitacin resulten ofertas
veraces.
Una vez recibidas todas las ofertas, se someten a una prueba de normas para asegurarse de que estn a la
altura de los standars requeridos para el contrato. Todas las ofertas que pasan a continuacin, van a una ronda
de seleccin financiera en la que se selecciona la oferta con el precio ms bajo.
Un fraude posible es averiguar los otros precios y entonces la oferta con slo un pelo mas alto de la oferta
ms baja. Entonces, siempre y cuando la oferta supera la prueba tcnica, sta ser la elegida.
Este DetectLet comprobar todos los precios de la oferta ms baja de cada contrato con todos los precios que
estn dentro del uno por ciento de las otras. El nmero de contrato con los nmeros de oferta y montos de las
ofertas que se ajusten a este criterio se marcarn y se desplegarn.

A.21 Oferta Ganadora NO es la Oferta ms Baja.


La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Licitacin mantiene los precios bajos y aumenta la calidad. Generalmente, los contratos se
adjudican a la oferta con el precio ms bajo. De vez en cuando, una empresa puede decidir adjudicar el
contrato a un proveedor que no sea la oferta ms baja (debido a otras consideraciones).
Los compradores (que trabajan para la organizacin) pueden querer dirigir el trabajo hacia un oferente
especfico. Pueden hacerlo si estn recibiendo sobornos de un determinado proveedor, tienen familiares o
amigos que quieren canalizar el trabajo, o por muchas otras razones. Cuando esto sucede, la empresa sufre
prdidas econmicas por pagar ms por bienes o servicios. Adems, los licitadores que estn seguros de
ganar son menos inclinados para asegurar la calidad.
Este DetectLet busca los contratos que se otorgaron a los proveedores que no dan la oferta ms baja. Estos
contratos deben ser investigados y verificados por su integridad.
El DetectLet pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. Identifica el contrato ganador. - Identifica el contrato ms Bajo. - Calcula la diferencia entre la oferta
ganadora y la oferta ms baja. - Devuelve las ofertas que ganaron sin ser la oferta ms baja.
Las empresas con un nmero significativo de ofertas ganadoras que no son las ms bajas son sospechosas.
La tabla de entrada ejemplo contiene las siguientes cuatro columnas: - Proyecto: La Identificacin del
proyecto - Proveedor: La Identificacin del proveedor - Identificacin de la licitacin de la empresa
ofertante. - Oferta: El ID nico de la oferta - Importe: El monto total de cada oferta. - Ganador: Identifica la
oferta ganadora
En el conjunto de datos ejemplo varias ofertas fueron ganadas por Proveedor # 9 a pesar de que sus ofertas
no eran las ms bajas.

A.22 Oferta Ganadora NO Totaliza ser la Oferta de ms bajo valor por el Proveedor.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Licitacin mantiene los precios bajos y aumenta la calidad. Generalmente, los contratos se
adjudican a la oferta con el precio ms bajo. De vez en cuando, una empresa puede decidir adjudicar el
contrato a un proveedor que no sea la oferta ms baja (debido a otras consideraciones).
Los compradores (que trabajan para la organizacin) pueden querer dirigir el trabajo hacia un oferente
especfico. Pueden hacerlo si estn recibiendo sobornos de un determinado proveedor, tienen familiares o
amigos que quieren canalizar el trabajo, o por muchas otras razones. Cuando esto sucede, la empresa sufre
prdidas econmicas por pagar ms por bienes o servicios. Adems, los licitadores que estn seguros de
ganar son menos inclinados para asegurar la calidad.
Este DetectLet busca los contratos que se otorgaron a los proveedores que no dan a la oferta ms baja y luego
se totalizan los resultados por proveedor. Cada proveeedor que se adjudic al menos un contrato sin ser la
oferta ms baja estar en la lista.
El DetectLet pasa por el siguiente proceso: - Estratifica el archivo en una tabla para cada proyecto. Identifica el contrato ganador. - Identifica el contrato de ms bajo valor. - Calcula la diferencia entre la oferta
ganadora y la oferta ms baja. - Totaliza los datos por proveedor
Las empresas con un nmero significativo de ofertas ganadoras que no son las ms bajas son sospechosas.
La tabla de entrada ejemplo contiene las siguientes cuatro columnas: - Proyecto: La Identificacin del
proyecto - Proveedor: La Identificacin del proveedor - Identificacin de la licitacin de la empresa
ofertante. - Oferta: El ID nico de la oferta - Importe: El monto total de cada oferta. - Ganador: Identifica la
oferta ganadora
En el conjunto de datos ejemplo varias ofertas fueron ganadas por Proveedor # 9 a pesar de que sus ofertas
no fueron las ms bajas.

A.23 Oferta Ganadora NO es la Oferta ms Baja.


En el proceso de seleccin de ofertas, a menudo hay casos en que una oferta ganadora para un proyecto (es
decir, la mano de obra contratada, construccin, desarrollo de software, etc.) no es la ms baja. Tal vez hay
un razonamiento vlido detrs de la seleccin de un proveedor ms caro, pero en la mayora de los casos, se
busca la oferta ms baja.
Cuando no est seleccionada la oferta ms baja, podra indicar relaciones fraudulentas entre la empresa que
propone y el proveedor elegido. Los proveedores o contratistas ganadores pueden verse favorecidos por
encima de otros en el proceso de seleccin de la oferta. Una razn para esto puede ser que los representantes
de un proveedor ganador estn personalmente conectados o relacionados con alguien dentro de la empresa
que adquiere. Otro caso puede sugerir la presencia de sobornos financieros u otro beneficio al representante
de la empresa que adquiere.
Este DetectLet busca todas las ofertas ganadoras que no fueron la propuesta ofrecida ms baja para un
proyecto.
El DetectLet pasa por el siguiente proceso: - Descompone la lista de proyectos por ID nico proyecto Localiza la oferta ms baja para cada proyecto - Determina si el monto de la oferta ms baja fue la oferta
ganadora - Muestra todos los registros de la licitacin para el proyecto cuya oferta ganadora no fue la ms
baja.
El proceso y las personas involucradas en este proceso de seleccin deben ser verificados y controlados por
las conexiones o actividades fraudulentas.

PRODUCTOS
R.1 Incremento Anormal de los Precios de Productos.
Los sobornos se pueden detectar mediante el anlisis de la Variacin del precio de los productos comprados a
un proveedor especfico durante un perodo de tiempo. Los precios de los productos en general, aumentarn
con el tiempo; Sin embargo, los proveedores que hacen colusin con sus clientes pueden subir cmodamente
precios a un ritmo cada vez mayor y ms alto porcentaje que los de proveedores sin colusin.
A menudo, este fraude pasa desapercibido debido a que muchos precios de los productos aumentan con el
tiempo. La proliferacin de productos y servicios adquiridos tambin puede hacer este fraude difcil de
detectar.
Este DetectLet organiza los datos de compra por fecha y calcula el aumento del precio medio en el tiempo
utilizando una regresin lineal. Si aumento de precios de un proveedor es significativamente mayor que
incremento de los precios de otro fabricante del mismo producto, esto puede ser evidencia de fraude.
Nota:. Este DetectLet asume que las fechas de compra y los precios se han normalizado a lo largo del eje de
tiempo, es decir, la fecha de compra se producen a intervalos regulares (cada dos semanas, etc.) De lo
contrario, los racimos de puntos de datos cronolgicamente juntos se sesgarn al clculo de la pendiente.
Picalo puede hacer esto para el investigador si es necesario.
R-2 Compara Precios con Productos Similares.
La mayora de las organizaciones requieren mltiples ofertas para aumentar la competencia entre
proveedores. Tener este tipo de competencia mantiene los precios bajos y aumento de la calidad. Sin
embargo, para los pequeos proyectos, ofertas mltiples no son necesarios. Organizaciones fijarn un lmite
o umbral de cunto puede costar un proyecto antes de que se requieren mltiples ofertas.
Los compradores (que trabajan para la organizacin) puede querer evitar este control cuando estn recibiendo
sobornos de un determinado proveedor, tienen familiares o amigos que quieren canalizar el trabajo, o por
muchas otras razones. La forma ms sencilla de evitar este control es simplemente ignorarlo.
Este Detectlet compara productos de la misma categora y busca las diferencias extremas de precios entre
ellos.
Este DetectLet pasa por el siguiente proceso: - Estratifica la tabla por productos - Calcula un coste medio de
cada categora de productos - Calcula el precio ms alto permitido antes de que un producto se encuentra en
posicin de multiplicar el precio medio con el porcentaje medio permisible - Compara cada precio del
producto con el precio ms alto permitido - Despliega los resultados.
Si las empresas aparecen consistentemente precios fuera de lo que se esperara pueden estar trabajando con
un empleado que evita el proceso de licitacin adecuado.
R.3 Devoluciones Excesivas.
Los sobornos son acuerdos ilegales entre un comprador y un proveededor. Estos acuerdos muy
probablemente involucran acuerdos relacionados con sobornos financieros o de otro tipo. Tener devoluciones
excesivas sobre un producto determinado es un sntoma de sobornos. Para encontrar devoluciones excesivas
en un producto determinado, este DetectLet analiza el costo de ventas en comparacin con el precio de venta
de los bienes vendidos para un producto determinado.

R.4 Retornos Significativos en los Productos.


Retornos o devoluciones significativas en los productos comprados pueden ser uno de los muchos
indicadores de fraude. Aunque no es un indicador fuerte, puede ayudar a las reas problemticas en forma de
puntos.
Para utilizar esta DetectLet, se requiere tanto una tabla de "compras" y una tabla de "devoluciones".

PROVEEDORES
V.1 Comparar los Empleados con los Proveedores por Coincidencia Difusa.
Un fraude comn es para un empleado dentro de una organizacin crear una empresa ficticia y utilizar su
direccin de casa como base para la compaa. Normalmente, los empleados y los proveedores deben tener
drsticamente diferentes direcciones.
Este DetectLet utiliza el algoritmo de coincidencia difusa para comparar una tabla interna (normalmente el
empleado) y una tabla externa (normalmente el proveeedor).
La coincidencia tpica es la columna direccin con la calle del empleado contra la columna de direccin con
la calle del proveedor. Apenas la rutina logra coincidencia de una sola columna con otra sola columna, es
posible que se desee crear una columna calculada en cada tabla que combina la direccin con la calle, con la
ciudad y estado. Sin embargo, a menudo la direccin con la calle por s sola es suficiente para encontrar
coincidencias con eficacia.
V.2 Crear nmeros de Benford
Genera un nmero natural que se ajusta a la ley de Benford de probabilidades. Tenga en cuenta que no
tendra sentido devolver un nmero que *exactamente* coincide con la distribucin de Benford - el mismo
nmero se volvera a obtener cada vez!
En cambio, este mtodo genera nmeros que *en el tiempo* cumple con Distribucin de Benford. Resultados
individuales pueden estar en lo cierto o muy lejos de los valores esperados. Pero la mayora de ellos estarn
cerca de Benford.
El mtodo slo genera nmeros enteros (sin parte decimal). Esto se debe a partes decimales no se utilizan
normalmente en la distribucin de Benford.
Llamadas repetidas a este mtodo generarn nmeros que parecen ser naturales.
Este mtodo no es para ser utilizado para hacer fraude - slo con fines de deteccin de fraude!

V.3 Encuentra Grupos de Nmeros Fabricados.


Este DetecLet permite encontrar grupos de precios de factura, las tasas de pago, u otros nmeros que no
coinciden con la ley de Benford de probabilidades. En el 1900, Frank Benford descubri que los nmeros
*naturales* generalmente siguen un patrn predecible. Los nmeros naturales (no nmeros al azar o
aleatorios!) son nmeros que ocurren en la naturaleza, como los precios de acciones, precios de factura, tasas
de pago, o resultados de las elecciones.
Siempre y cuando no hay lmites sobrenaturales en un conjunto de nmeros (por ejemplo, una tasa de pago
mxima), la distribucin de Benford da una idea de si los nmeros son naturales. Los humanos generaron
Nmeros que no siguen la distribucin.
Si alguien est fabricando facturas, ofertas, u otros documentos, los montos que generan no seguirn la
distribucin de Benford, suponiendo que el autor no sabe acerca de la ley. Al comparar la diferencia entre los
nmeros reales o actuales contra la distribucion destacada de los empleados, clientes u otras personas que
podran estar fabricando documentos.
Una de las cuestiones que algunos analistas no entienden sobre la ley de Benford es que funciona en conjunto
mejor que en lo especfico. Dados 1000 nmeros, podramos esperar que la mayora de los nmeros (por
ejemplo, 900) seguiran la ley de Benford. Sin embargo, debido al orden natural de las cosas, algunos de los
nmeros no coincidir con la ley de Benford.
Por ejemplo, considere la posibilidad de que usted tiene un archivo de facturas de un nmero de proveedores.
Algunos montos de las facturas van a coincidir con la ley de Benford (de hecho, la mayora de ellos lo har),
pero algunos, obviamente, no. Significa esto que las facturas no coincidentes son fraudulentas? Por supuesto
que no. Algunas facturas simplemente no coincidirn con la ley. Pero *en general*, los montos de la factura
de un proveedor deben coincidir con la ley de Benford.
Una manera de resolver esto es hacer los siguientes pasos de anlisis: - Estratificar el archivo para crear una
tabla separada para las facturas de cada proveedor. - La ley de Benford ejecutar sobre la columna del monto
en la tabla de cada proveedor. - Calcular la media y desviacin estndar de la diferencia para cada proveedor.
Si las facturas de un proveedor *en promedio* no son coincidentes con ley de Benford, el proveedor podra
estar enviando facturas fraudulentas. Mientras algunas de las facturas no coincidirn con Benford, en
promedio, si lo harn.
La conclusin es que la ley de Benford es muy til para encontrar *facturas* individuales fraudulentas. Es
mejor en la bsqueda de fraudulentos en *proveedores*, *clientes*, etc. Se puede generalizar este ejemplo
para muchos otros campos.
La tabla de ejemplo es un archivo de facturas, se redujo a los datos brutos necesarios para este anlisis.
Cuenta con tres columnas: - Proveedor - La Identificacin del proveedor para cada factura - Factura - El
nmero de la factura (no usado especficamente para este anlisis) - Importe - El monto de la factura.
Ejecutar este DetecLet en los datos de ejemplo mediante la seleccin de la columna del Monto como la
columna a analizar. Se comprueba la columna de proveedores como la columna para estratificar. Se puede
seleccionar 2 o 3 dgitos para analizar.
Vendor01 es el proveedor fantasma es estos datos de ejemplo. Estos nmeros de monto son aleatorios y no se
ajustan a la distribucin de Benford.

V.4 Encontrar Proveedores con Facturas Secuenciales.


Un fraude comn es para un empleado dentro de una organizacin para crear una empresa ficticia y enviar
facturas u otros proyectos de ley para la organizacin. Ya que la compaa no es real, la organizacin es su
nico cliente, desde libretas de factura y nmeros de factura por programas informticos son generados
secuencialmente, las facturas de los proveedores fantasmas suelen ser secuenciales. En otras palabras, las
facturas de un proveedor fantasma a menudo comienzan con id 1000, luego 1001, a continuacin, 1.002, y
as sucesivamente.
Este DetecLet toma un archivo de factura (o archivo similar de facturacin) y lleva a cabo los pasos
siguientes en l: - Ordena la tabla de entrada por InvoiceCol. - Estratifica el archivo en tablas individuales
para cada proveedor. - Escanea cada tabla individual y determina cuantas facturas son secuenciales. Calcula un porcentaje de las facturas que tienen nmeros secuenciales. Este porcentaje se aade a la tabla de
resultados. - Cuando se exploran todas las tablas, se ordena la tabla de resultados por el porcentaje.
En la tabla resultante, aquellos proveedores con un alto porcentaje de nmeros de factura secuenciales
pueden ser proveedores fantasma. Por supuesto, puede haber razones legtimas para que los vendedores
tengan un solo cliente, pero plantea la sospecha y se solicita un anlisis ms detallado
V.5 Proveedores Pagados tienen Direccin de Correo Alterna.
La mayora de las empresas tienen una verdadera direccin con calles y no utilizan cajas de la oficina de
correos. Las compaas no comerciales (como fundaciones) que se utilizan para defraudar a otras empresas
por lo general no tienen direcciones de correo real con la calle. En su lugar, utilizan direcciones alternas de
correo (o apartados de correos). El uso de un apartado postal PO.Box permite al autor del fraude a
distanciarse del acto de fraude.
Las compaas legtimas pueden usar cajas de apartado postal PO.Box por diversas razones, por lo que el uso
de un apartado postal Box no es del todo incriminatoria. Sin embargo, las empresas que utilizan direcciones
de correo alterna deben ser verificados por su legitimidad.
Este DetectLet busca todos los proveedores que tienen un apartado postal como direccin.
El DetectLet pasa por el siguiente proceso: - Estratifica la tabla de proveedores a fin de eliminar los
duplicados - Busca las direcciones de todos los proveedores de los principales trminos que indican un
PO.Box.
Los proveedores que se devuelven de esta DetectLet pueden ser proveedores fantasma.

V.6 Proveedores pagados no son proveedores calificados.


Con el fin de asegurar que el trabajo se hace solo por los proveedores reales, las empresas suelen crear listas
de proveedores aprobados. Proveedores aprobados son los vendedores que han sido verificados y de
confianza. Este control ayuda a evitar que los proveedores fantasma defrauden a la compaa.
Un proveedor fantasma es una empresa falsa o no comercial que se utiliza para defraudar a empresas. Estas
empresas ficticias facturar a otras compaas a pesar de no haber proporcionado los bienes o servicios.
Porque las empresas tienen muchos proveedores con los hace negocios, las facturas del proveedor fantasma
se pierden en la pila y son pagadas (mientras no se verifique).
Este DetectLet busca los proveedores que han sido pagados, a pesar que no estan en la lista de proveedores
aprobados.
El DetectLet pasa por el siguiente proceso: - Busca el nombre de cada proveedor pagado en la tabla de
proveedor calificado - Selecciona todos los proveedores que se han pagado y que no estn calificados.
Los proveedores que se devuelven de esta DetectLet pueden ser proveedores fantasma.
V.7 Totaliza Proveedores pagados NO calificados por Proveedor.
Con el fin de asegurar que el trabajo se hace solo con los proveedores reales, las empresas suelen crear listas
de proveedores aprobados. Proveedores aprobados son los vendedores que han sido verificadas y de
confianza. Este control ayuda a evitar que los proveedores fantasma defrauden a la compaa.
Un proveedor fantasma es una empresa falsa o no negocios que se utiliza para defraudar a empresas. Estas
empresas ficticias facturarn a otras compaas a pesar de no haber proporcionado los bienes o servicios.
Porque las empresas tienen muchos proveedores con los que hace negocios, las facturas del proveedor
fantasma se pierden en la pila y son pagadas (mientras no se verifique).
Este DetectLet busca los proveedores que han sido pagados, a pesar que no estan en la lista de proveedores
aprobados.
El DetectLet pasa por el siguiente proceso: - Estratifica los datos por Vendor_Name - Verifica el proveedor
contra la lista de proveedores calificados Totaliza la informacin de pago para los proveedores no
aprobados.
Los proveedores que se devuelven de esta DetectLet pueden ser proveedores fantasma.

V.8 Los pagos a los Proveedores NO aprobados.


Un fraude comn es que los empleados hacen las ventas a los amigos o para establecer un proveedor falso y
barajan en los registros sin que nadie sepa mientras que todo el tiempo el proveedor no est proporcionando
mucho servicio y si la recepcin de los fondos. Este fraude hace que el control de la lista de proveedores sea
muy importante.
Por lo general, las empresas slo ponen proveedores aprobados en su lista de proveedores. Estos son los
vendedores que han sido verificados y autorizados por la empresa para hacer transacciones. Normalmente,
una empresa tiene polticas estrictas para prevenir el fraude de proveedores falsos. Sin embargo todava es un
fraude comn.
Este DetectLet buscar coincidiencias de todos los pagos que una empresa ha hecho a sus proveedores con la
lista de proveedores y mostrar los proveedores que no estaban en la lista de proveedores. Un proveedor que
no est en la lista es probable que sea el fraude, aunque otras razones para esta anormalidad podra ser
posible, talves como un nmero de proveedor incorrectamente ingresado. An as, en general, esta prueba es
un fuerte indicador de fraude.
V.9 Proveedor alza Precios.
Las empresas pueden optar por iniciar un contrato con un proveedor de suministros utilizados de manera
regular. Estos provedores pueden tratar de "escalar" los precios de sus insumos en las facturas a un precio
ligeramente superior y que NO es fcilmente perceptible para el comprador.
Este DetectLet compara el precio unitario de las rdenes de compra para cada lnea de productos contra los
precios de los contratos para el producto. Los resultados se muestran en una tabla que muestra los nmeros
de parte, los precios de contrato, los precios unitarios de lnea de orden de compra, y los ID de proveedor
para aquellos proveedores que escalan sus precios durante el perodo del contrato.

You might also like