Cómo Emplear el Análisis de Datos para
Combatir el Delito Financiero- Maximizar
las Herramientas Analíticas en el
Cumplimi...
Evolución en contexto de Análisis de Datos

Documentacion y
Almacenamiento
• Reportes
• Consultas

Colaborativas

Estadíst...
Beneficios de Herramientas Analíticas
Integrales

En Función del Tiempo
• Conectividad Versátil y Rápida
• Ingestión de Fu...
Características de Tecnologías Analíticas
Característica
• Ingestión Datos
• Interfases
• Latencia
• Integración
• Context...
Desafíos de las Herramientas Analíticas
• Los Datos Masivos, es el nuevo
recurso mundial en proceso de
explotación.
• La t...
Generadores de Cambio
Las herramientas analíticas para la Prevención y
Cumplimiento requieren ajustarse a los siguientes d...
Tendencias
Para el 2015 el 80% de los datos existentes serán inciertos ..
El acelerado ritmo de generación de información ...
Tendencias al 2015..
ANALISIS DE DATOS MASIVOS
Optimiza
Procesos
Entorno
Regulatorio

Movilidad

Social
Media

Integración...
Yuri Alexander Marroquin
ymarroquin@verticescorp.com
(561) 961-9664
Cómo Emplear el Análisis de Datos
para Combatir el Delito Financiero
• Moderador:
Matías Livachof
Forensic Technology Mana...
Objetivos esenciales del uso de
análisis de datos
Identificación, preservación, recuperación, proces
amiento y análisis de...
Fuente de la informacion
Sistema contable de la compañía
(ERP), aplicaciones verticales propietarias o
desarrolladas por o...
Definición de datos
• No estructurada: La encontramos en fuentes tales como documentos, el
web o las suscripciones a servi...
Características del proceso de análisis
de datos
Un proceso que…
• Recolecta diferentes base de datos, relacionadas o no e...
Valor de un reporte de análisis de
datos
• El valor aumenta con su uso
• No es un recurso escaso
• Es fuente de informació...
Ejemplo
Ejemplo
Metodología Forense
• Adquisición, Control de Integridad Contable y
Mapeo de Datos
• Evaluación de indicadores de riesgos ...
Metodología Forense
Sesión I – Análisis de Datos para Combatir el Delito Financiero
Agenda
Tecnología forense para no especialistas: conceptos...
El punto de partida: Qué es la evidencia digital?
Email

Temporales
de Internet

Historial
de chats

Planilla de
cálculo

...
Situación 1. El “Hardware”, o la fuente de evidencia

Identificar medios de almacenamiento de datos
electrónicos: INTERNOS...
Situación 2. Demasiada información

(10 ^21)
Situación 3. La importancia de la respuesta inicial
Seguridad física:
•Locación física de la evidencia
•Quien accedió ante...
Fases del
e-Discovery
La identificación y preservación de
evidencia electrónica
Identificación
Preservación
Análisis

Revisión

Producción
Identificación
Preservación

Análisis

Revisión

Producción

•Origen de la evidencia electrónica: computadoras, celulares,...
Cloud / Nube

Identificación

TAREAS PREVIAS
•Se requiere analizar los contratos de la compañía con el proveedor.
•Aspecto...
E-Discovery

La identificación y preservación de la
evidencia electrónica
BYOD (Bring Your
Own Device)
DESAFIOS:

Identifi...
Identificación
Preservación
Análisis

Revisión

Producción

•Preservación de evidencia a través de herramientas forenses
•...
Identificación
Preservación
Análisis

Revisión

Producción

•Control de Integridad o “autenticación” de la evidencia:
•Dem...
Identificación
Preservación

Análisis

Revisión

Producción

Análisis y revisión
de la evidencia electrónica
•No modificar...
Identificación
Preservación
Análisis

Revisión

Producción

•No modificar la evidencia !!!
•El volumen no es un problema
•...
Identificación

Identificación

Preservación

Análisis

Revisión

Preservación
Producción

Revisión
Identificación

La producción de la evidencia
electrónica

Preservación
Análisis

Revisión

Producción

•No modificar la e...
E-Discovery

Consideraciones finales
Conclusiones:
•Es difícil imaginar una investigación, sin herramientas de tecnología ...
FORENSIC DATA
ANALYSIS
Forensic Data Analysis - Definición
Objetivos esenciales:
Identificación, preservación, recuperación, procesamiento y anál...
Forensic Data Analysis – Características
• Un proceso que…
• Recolecta diferentes base de datos, relacionadas o no entre s...
Archivo nómina de empleados

-

Dato no informado
ID empleado duplicado

Fecha contratación es anterior a fecha de
nacimie...
Archivo de Nómina

Sueldo bruto muy alto

Empleado con más de
un sueldo y diferentes
números de cheque

Números de cheque
...
Metodología
Adquisición, Control de Integridad
Contable y Mapeo de Datos

Evaluación de indicadores de riesgos
de fraude y...
Datos del Cliente

Producto de Entrega

Proceso Analítico

Cuentas por Pagar
Tarjetas de Crédito
Nómina

Creación de perfi...
FORENSIC DATA
ANALYSIS
Obtención de
indicadores según
modalidades
comunes de
fraude
FDA – Indicadores de irregularidades en Asientos Manuales
Análisis - Día de la semana

Importe
registrado

70000
60000
500...
FDA – Indicadores de irregularidades en Asientos Manuales
¿Actividad inusual?
•Usuarios – Actividad mensual
$14,000,000,00...
FDA – Indicadores de irregularidades en Asientos Manuales
Registraciones posteriores a la fecha de cierre contable
14000

...
FDA - Indicadores de irregularidades en Asientos Manuales

M illiones

$800

Importes registrados

Imputaciones manuales e...
FDA - Indicadores de irregularidades en Asientos Manuales
211100 Provisiones

211103 Previsiones

$400.000,00

$2.000.000,...
FDA - Indicadores de irregularidades en Asientos Manuales

Cantidad de líneas

Población inusual de
registraciones con los...
Indicadores que se pueden obtener
•Empresas que no se pudieron obtener su constancia de inscripción de la AFIP:
CUIT
xxxx1...
FDA – Ranking de Asientos Manuales

•

Horarios Nocturnos

•

Asientos desbalanceados

•

Reclasificaciones

•

Fines de s...
Detección Proactiva de Transacciones Inusuales

Modelo de scoring

Bases AML
Datos filiatorios
externos
Información
Credit...
Preguntas
Matías Livachof
Forensic Technology Manager
KPMG Miami
Tel. +1 305 913 2768
e-mail: malivachof@kpmg.com

Raul Saccani
Fore...
Upcoming SlideShare
Loading in …5
×

Mesas Redondas I - Herramientas Analiticas

558 views
291 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
558
On SlideShare
0
From Embeds
0
Number of Embeds
70
Actions
Shares
0
Downloads
3
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide
  • ·         Ventajasqueofrecenlasnuevastecnologías de análisis de datos en comparación con los sistemastradicionales de administración de datos·         ¿Son lasherramientas de análisis de datosvaliosas y útiles solo paralasgrandesorganizaciones o también se puedenbeneficiarlasinstitucionesmáspequeñas?·         Cómolasherramientas de análisis de datospuedenayudar a descubrirpatrones de delitosfinancierosescondidos o emergentes
  • ·         Ventajasqueofrecenlasnuevastecnologías de análisis de datos en comparación con los sistemastradicionales de administración de datos·         ¿Son lasherramientas de análisis de datosvaliosas y útiles solo paralasgrandesorganizaciones o también se puedenbeneficiarlasinstitucionesmáspequeñas?·         Cómolasherramientas de análisis de datospuedenayudar a descubrirpatrones de delitosfinancierosescondidos o emergentes
  • Mesas Redondas I - Herramientas Analiticas

    1. 1. Cómo Emplear el Análisis de Datos para Combatir el Delito Financiero- Maximizar las Herramientas Analíticas en el Cumplimiento
    2. 2. Evolución en contexto de Análisis de Datos Documentacion y Almacenamiento • Reportes • Consultas Colaborativas Estadísticas, Análisis Predictivo • Seguimiento • Worklfow • BI y Gestión Manual Análisis en Tiempo Real Tiempo Real Multicanal - Gestión Batch o CuasiTiempo Real - Gestión en Tiempo Real y Alertas y Bloqueo Preventivo Análisis Masivo (BIG DATA) Generadores de Cambio en la Evolución: • Mayor Volumen de Información a Analizar, de múltiples fuentes y aplicaciones • Diversidad de Patrones Delictivos cuyo dinamismo dificulta su detección y prevención • Expansión de Canales de Servicio, presenciales y virtuales en dispersión geográfica • Necesidad imperativa de mitigación de pérdidas • Entorno Regulatorio de mayor alcance, oportuno y preciso.
    3. 3. Beneficios de Herramientas Analíticas Integrales En Función del Tiempo • Conectividad Versátil y Rápida • Ingestión de Fuentes de Información en Tiempo Real • Acciones del Usuario en forma de Autoservicio (Workflow) • Análisis de Casuística y Alertas con Eficiencia En Función del Resultado • Integridad y Consistencia en las estadísticas y reportes según lo ingerido • Capacidades de Bloqueo e Interrupción según la criticidad del caso (score) • Retroalimentación y Auto-Aprendizaje • Índices aceptables de : Falso Positivo y Porcentaje de Detección En Función del Contexto • Capacidad de Multi Canal, Multi Aplicación, Multi Regulación, Multi Entorno • Descubrimiento o sugerencia de afinamientos • KPI y KRI según unidad de negocio • Identificación de patrones o modus operandi emergentes • Mitigación Eficiente según el balance de Costo-Beneficio
    4. 4. Características de Tecnologías Analíticas Característica • Ingestión Datos • Interfases • Latencia • Integración • Contexto • Escalabilidad • Sofisticación • Exploración • Resultados • Volúmen • Expectativa • Accesibildad • Tipo de Datos • Alcance • Usuarios • Seguridad • Distribución Básica • Uni-fuente • Estándares • Batch • Construíble • Uni-Canal • In-Situ • Reportes • Interna • Información • Corporativo • Detección • Red • Estructurdos • Distribuído • Expertos • Passwords’ • Confidencial Avanzada • Multi-Fuente • Extendidas • Tiempo Real • Intrínseca • Multi-Canal • Nube • Recomendaciones • Social • Decisiones • Masivo • Predicción • Móvil, BYOD • No & Semi – Estructurados • Omnipresente • Auto-Aprendizaje • Biomética • Compartida &Colaborativa
    5. 5. Desafíos de las Herramientas Analíticas • Los Datos Masivos, es el nuevo recurso mundial en proceso de explotación. • La toma de decisiones crece de menos a más, demandando más insumos (Datos) y mayor agilidad. • La cantidad de Datos crece a mayor ritmo que las capacidades analíticas de lo sistemas
    6. 6. Generadores de Cambio Las herramientas analíticas para la Prevención y Cumplimiento requieren ajustarse a los siguientes desafíos: • Velocidad – En el proceso analítico de interacciones, transacciones y movimientos de datos. • Volumen – Los insumos de información a analizar son cada vez mayores • Variedad – Analizar datos estructurados, no estructurados, multimedia. • Veracidad – Los resultados inciertos son motivo de pérdidas, sanciones, o incumplimiento regulatorio.
    7. 7. Tendencias Para el 2015 el 80% de los datos existentes serán inciertos .. El acelerado ritmo de generación de información util, en interacciones multimedia en redes sociales, operaciones registradas en dominios exógenos, transacciones originadas en nuestros sistemas…nos empujan a revisar cuan precisas serán las decisiones a tomar.
    8. 8. Tendencias al 2015.. ANALISIS DE DATOS MASIVOS Optimiza Procesos Entorno Regulatorio Movilidad Social Media Integración Nube Volúmenes Datos
    9. 9. Yuri Alexander Marroquin ymarroquin@verticescorp.com (561) 961-9664
    10. 10. Cómo Emplear el Análisis de Datos para Combatir el Delito Financiero • Moderador: Matías Livachof Forensic Technology Manager KPMG LLP
    11. 11. Objetivos esenciales del uso de análisis de datos Identificación, preservación, recuperación, proces amiento y análisis de cualquier información que se encuentre estructurada, normalizada y/o codificada en formato digital, orientado a la generación de evidencia que pueda ser utilizada como prueba en una investigación, y eventualmente presentada como respaldo de acciones legales en un litigio.
    12. 12. Fuente de la informacion Sistema contable de la compañía (ERP), aplicaciones verticales propietarias o desarrolladas por otras compañías, interfaces entre sistemas, planillas de informes financieros.
    13. 13. Definición de datos • No estructurada: La encontramos en fuentes tales como documentos, el web o las suscripciones a servicios de información y en formatos muy diversos como texto, videos, audio o imágenes. • Estructurada: La que estamos acostumbrados a administrar y a procesar para el soporte de toma de decisiones: base de datos, hojas de cálculo, etc. • Normalizada: Conjunto de reglas que sirven para ayudar a los diseñadores a desarrollar un esquema que minimice los problemas de lógica. Es imprescindible para transferirla, almacenarla y recuperarla. • Codificada: Conversión de los signos de nuestros lenguajes a un lenguaje predeterminado (Ej: los códigos de usuario podrían estar codificados).
    14. 14. Características del proceso de análisis de datos Un proceso que… • Recolecta diferentes base de datos, relacionadas o no entre sí, que la organización genera rutinariamente en el curso normal de los negocios. • Identifica tendencias y/o patrones a través de rutinas de comparación, sumarización y agrupación de la información. • Examina los análisis realizados para detectar indicadores de riesgo, transacciones o eventos inusuales, tradicionalmente indicativo de fraude o falta de ética profesional. • Provee información relevante que le permite a la Compañía concentrar sus recursos en las transacciones que consideren que representen un potencial riesgo para ellos y que podrían implicar un impacto económico en sus reportes financieros.
    15. 15. Valor de un reporte de análisis de datos • El valor aumenta con su uso • No es un recurso escaso • Es fuente de información en la generación de nuevo conocimiento
    16. 16. Ejemplo
    17. 17. Ejemplo
    18. 18. Metodología Forense • Adquisición, Control de Integridad Contable y Mapeo de Datos • Evaluación de indicadores de riesgos de fraude y conductas irregulares • Rutinas y pruebas • Identificación de tendencias y patrones inusuales o anómalos • Análisis de transacciones preidentificadas
    19. 19. Metodología Forense
    20. 20. Sesión I – Análisis de Datos para Combatir el Delito Financiero Agenda Tecnología forense para no especialistas: conceptos básicos Fases del e-Discovery: Metodología de Análisis Proactivo de Datos Reportes Financieros - Áreas de análisis Análisis de Asientos Manuales Anti Money Laundering
    21. 21. El punto de partida: Qué es la evidencia digital? Email Temporales de Internet Historial de chats Planilla de cálculo Evidencia Electrónica Videos Documento de texto …Otros Fotos “Digital Evidence: Information of probative value stored or transmitted in digital form.” (fbi.gov) “Digital evidence or electronic evidence is any probative information stored or transmitted in digital form that a party to a court case may use at trial” (Casey, Eoghan (2004). Digital Evidence and Computer Crime)
    22. 22. Situación 1. El “Hardware”, o la fuente de evidencia Identificar medios de almacenamiento de datos electrónicos: INTERNOS, EXTERNOS, SERVIDORES (locales, remotos, Cloud-services), SERVICIOS CON TERCEROS
    23. 23. Situación 2. Demasiada información (10 ^21)
    24. 24. Situación 3. La importancia de la respuesta inicial Seguridad física: •Locación física de la evidencia •Quien accedió antes a la “escena del crimen”? •Quién está presente? •Se cuenta con la autorización necesaria? Existe alguna hecho que pueda limitar nuestro trabajo? Invalidarlo? Asegurando el perímetro: •Fotografiar el área de trabajo •Establecer el perímetro Asegurando el sistema: •Documentar el estado actual del sistema (encendido?) •Documentar tipo de equipamiento (PC, Server, otro?) •Documentar dispositivos conectados – etiquetar conexiones
    25. 25. Fases del e-Discovery
    26. 26. La identificación y preservación de evidencia electrónica Identificación Preservación Análisis Revisión Producción
    27. 27. Identificación Preservación Análisis Revisión Producción •Origen de la evidencia electrónica: computadoras, celulares, tablets, memorias, servidores, nube, terceros, backup tapes, memorias USB, virtual drives, SAN, discos rígidos externos, CD, DVD, diskettes, SIM, etc. •Evidencia Hard-Copy: legajos, carpetas, comprobantes, etc. •Entrevistas con personal de la organización. •Acuerdos iniciales (evaluación de datos “razonablemente Accesibles”) •La criticidad respecto de la oportunidad. •Consentimiento del individuo.
    28. 28. Cloud / Nube Identificación TAREAS PREVIAS •Se requiere analizar los contratos de la compañía con el proveedor. •Aspectos legales de la jurisdicción entre países y multipropiedad (Proveedor del servicio - Cliente) POSIBLES LIMITANTES •No se puede disponer del control de los datos. •No hay acceso a la infraestructura física. •Sistemas virtuales y compartidos con otras empresas ajenas al caso. •Normalmente no suelen cooperar (normalmente requieren actuación judicial). •Dificultades en la obtención de pruebas forense (obtención de logs, explotación, evidencias dispersas). ES CONVENIENTE •Disponer de un sistema centralizado de logs infraestructura y aplicación. •Procedimientos claros para empleados y proveedores del servicio. •Procedimientos legales y técnicos para la adquisición de datos o discos en la nube y/o su cadena de custodia.
    29. 29. E-Discovery La identificación y preservación de la evidencia electrónica BYOD (Bring Your Own Device) DESAFIOS: Identificación • Identificar dispositivos “personales” • Analizar las políticas corporativas de administración y acceso a la información corporativa. • Separar información corporativa de la privada • Oportunidad para disponer de los datos (oportunidad).
    30. 30. Identificación Preservación Análisis Revisión Producción •Preservación de evidencia a través de herramientas forenses •Técnicas de protección de escritura (“Write-Blocking”) •Apagar el sistema, si o no? •Inicio de la Cadena de Custodia •Intervención de un Escribano Público •Control de Integridad •Producto final: copia forense “bit-a-bit”
    31. 31. Identificación Preservación Análisis Revisión Producción •Control de Integridad o “autenticación” de la evidencia: •Demostrar la autenticidad de la evidencia recolectada, a través de la aplicación de procedimientos y técnicas de “hashing” que permitan asegurar que la evidencia obtenida es idéntica a la evidencia original. •Irreversibilidad y colisión •Algoritmos matemáticos más usados: MD5, SHA-1. •Control de Confidencialidad: •Cifrar siempre •Cifrado fuerte (>256 bits) •Cifrado de dos factores
    32. 32. Identificación Preservación Análisis Revisión Producción Análisis y revisión de la evidencia electrónica •No modificar la evidencia !!! •Recuperar documentos, e-mails eliminados,…. •Identificar información oculta / cifrada •Identificar archivos con extensiones modificadas •Artefactos de Internet (historial, redes sociales, otras) •Identificar imágenes / planos / docs. Escaneados, etc.
    33. 33. Identificación Preservación Análisis Revisión Producción •No modificar la evidencia !!! •El volumen no es un problema •Eliminación de información duplicada •Early Case Assessment (ECA) •Filtros inteligentes: •Listas de palabras clave •Rangos de fecha •Tipos de archivos •Cualquier otro filtro que se necesite en función al caso •Etiquetado (“tagging”) •Redacción de datos “sensibles/PII”
    34. 34. Identificación Identificación Preservación Análisis Revisión Preservación Producción Revisión
    35. 35. Identificación La producción de la evidencia electrónica Preservación Análisis Revisión Producción •No modificar la evidencia !!! •Análisis de datos para comenzar la producción: •Estimación de tiempos y costos •Identificación de los requerimientos de producción (legislación local o internacional en cuanto al formato) •Pros y contras de los formatos nativos vs. formato imagen/papel •Bates stamping •Registros de auditoría de lo producido
    36. 36. E-Discovery Consideraciones finales Conclusiones: •Es difícil imaginar una investigación, sin herramientas de tecnología forense, que permitan cubrir las necesidades en cuanto al manejo de evidencia electrónica. •Se requiere actualización técnica continua para seguir de cerca el avance inminente de la tecnología. •No olvidar la intervención del notario público. •Alcanzar el éxito en una investigación forense depende en gran medida de las metodologías aplicadas, procedimientos definidos, profundo know-how técnico y experiencia del equipo de profesionales a cargo. •Lo fácil es difícil, y lo difícil es… más difícil. El error es sencillo de cometer: contaminación o destrucción de evidencia, aspectos legales relacionados con la privacidad de los datos, dinámica del avance tecnológico, relación costo-beneficio del caso, etc.
    37. 37. FORENSIC DATA ANALYSIS
    38. 38. Forensic Data Analysis - Definición Objetivos esenciales: Identificación, preservación, recuperación, procesamiento y análisis de cualquier información que se encuentre estructurada, normalizada y/o codificada en formato digital, orientado a la generación de evidencia que pueda ser utilizada como prueba en una investigación, y eventualmente presentada como respaldo de acciones legales en un litigio. Fuente de la información: Sistema contable de la compañía (ERP), aplicaciones verticales propietarias o desarrolladas por otras compañías, interfaces entre sistemas, planillas de informes financieros. 38
    39. 39. Forensic Data Analysis – Características • Un proceso que… • Recolecta diferentes base de datos, relacionadas o no entre sí, que la organización genera rutinariamente en el curso normal de los negocios • Identifica tendencias y/o patrones a través de rutinas de comparación, sumarización y agrupación de la información • Examina los análisis realizados para detectar indicadores de riesgo, transacciones o eventos inusuales, tradicionalmente indicativo de fraude o falta de ética profesional, • Provee información relevante que le permite a la Compañía concentrar sus recursos en las transacciones que consideren que representen un potencial riesgo para ellos y que podrían implicar un impacto económico en sus reportes financieros Valor de un reporte de Forensic Data Analysis:  El valor aumenta con su uso  Es fuente de información en la generación de nuevo conocimiento 39
    40. 40. Archivo nómina de empleados - Dato no informado ID empleado duplicado Fecha contratación es anterior a fecha de nacimiento
    41. 41. Archivo de Nómina Sueldo bruto muy alto Empleado con más de un sueldo y diferentes números de cheque Números de cheque no consecutivo ID empleado inusual
    42. 42. Metodología Adquisición, Control de Integridad Contable y Mapeo de Datos Evaluación de indicadores de riesgos de fraude y conductas irregulares Elaboración y ejecución de pruebas Identificación de tendencias y patrones inusuales o anómalos Análisis de transacciones preidentificadas
    43. 43. Datos del Cliente Producto de Entrega Proceso Analítico Cuentas por Pagar Tarjetas de Crédito Nómina Creación de perfiles de riesgo de fraude basados en controles Bases de datos externas* Horas y Gastos Cuentas por Cobrar Inventario Obtención de datos Normalización Validación Caracterización de datos Selección de procesos Adaptación Ejecución del análisis automatizado Ventas Provisiones y Reservas Algoritmos de detección de fraude Experiencia investigativa Informe de potenciales indicadores de fraude relacionados con: • Proveedores • Empleados • Clientes • Transacciones • Cuentas • Impacto económico Asientos en el Libro Diario Datos de Clientes *De acuerdo con cada país. Sujeto a la disponibilidad y a la legislación y normas locales. 43
    44. 44. FORENSIC DATA ANALYSIS Obtención de indicadores según modalidades comunes de fraude
    45. 45. FDA – Indicadores de irregularidades en Asientos Manuales Análisis - Día de la semana Importe registrado 70000 60000 50000 40000 30000 20000 10000 0 Monday Tuesday Wednesday Thursday Friday Saturday Sunday NULL Análisis - Horarios de registración 35000 Importe registrado 30000 25000 20000 15000 10000 5000 0 12AM 2AM 4AM 6AM 8AM 10AM 12PM 2PM 4PM 6PM 8PM 10PM NULL 45
    46. 46. FDA – Indicadores de irregularidades en Asientos Manuales ¿Actividad inusual? •Usuarios – Actividad mensual $14,000,000,000.00 $12,000,000,000.00 FY 2004 - 1 FY 2004 - 2 $10,000,000,000.00 FY 2004 - 3 FY 2004 - 4 FY 2004 - 6 $8,000,000,000.00 FY 2004 - 7 FY 2004 - 8 $6,000,000,000.00 FY 2004 - 9 FY 2004 - 10 FY 2004 - 11 $4,000,000,000.00 FY 2004 - 12 FY 2005 - 1 $2,000,000,000.00 $0.00 BARRYMASON HARRYANGLE LANDIESWALKER LONNYLANG NAPOLEONANDERSON ¿Sus permisos son necesarios? TYLERINGRAM
    47. 47. FDA – Indicadores de irregularidades en Asientos Manuales Registraciones posteriores a la fecha de cierre contable 14000 Cantidad de líneas 12000 10000 8000 6000 4000 2000 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 Cantidad de días p osteriores a la finalización del p eríodo contab le
    48. 48. FDA - Indicadores de irregularidades en Asientos Manuales M illiones $800 Importes registrados Imputaciones manuales en cuentas de resultado positivo $400 $600 $200 $0 ($200) ($400) ($600) ($800) Débitos Créditos Cierres de períodos 48
    49. 49. FDA - Indicadores de irregularidades en Asientos Manuales 211100 Provisiones 211103 Previsiones $400.000,00 $2.000.000,00 $1.500.000,00 $300.000,00 $1.000.000,00 $200.000,00 $100.000,00 Importes Importes $500.000,00 Dr Cr Dr Cr $0,00 -$500.000,00 $0,00 -$1.000.000,00 -$100.000,00 -$1.500.000,00 -$200.000,00 -$2.000.000,00 Abr-05 May-05 Jun-05 Jul-05 Ago-05 Sep-05 Oct-05 Nov-05 Dic-05 Abr-05 May-05 Jun-05 Jul-05 Periodo 1800000 Previsiones Sep-05 Oct-05 Nov-05 Dic-05 121510 Previsión deudores incobrables $0 -$10.000 Ago-05 Periodo $200.000,00 1 $100.000,00 -$20.000 $0,00 -$40.000 -$50.000 -$60.000 Dr Cr -$70.000 Importe Importe -$30.000 -$100.000,00 Dr Cr -$200.000,00 -$80.000 -$90.000 -$300.000,00 -$100.000 09/30/2005 -$400.000,00 Periodo -$500.000,00 Abr-05 May-05 Jun-05 Jul-05 Periodo Ago-05 Sep-05
    50. 50. FDA - Indicadores de irregularidades en Asientos Manuales Cantidad de líneas Población inusual de registraciones con los primeros dos dígitos: 10, 25, 30, 50, etc. Primeros dos dígitos Ley de Benford
    51. 51. Indicadores que se pueden obtener •Empresas que no se pudieron obtener su constancia de inscripción de la AFIP: CUIT xxxx1 xxxx2 xxxx3 xxxx4 xxxx5 xxxx6 xxxx7 xxxx8 xxxx9 xxxx10 xxxx11 Razón Social Nombre 1 Nombre 2 Nombre 3 Nombre 4 Nombre 5 Nombre 6 Nombre 7 Nombre 8 Nombre 9 Nombre 10 Nombre 11 AR$ año X1 Observación según AFIP $ 14,892,127.24 No registra impuestos activos $ 11,723,237.96 Estado erroneo del domicilio $ 7,000,032.48 Estado erroneo del domicilio $ 6,490,614.42 Estado erroneo del domicilio $ 4,649,460.87 Estado erroneo del domicilio $ 4,558,277.66 Debe responder requerimientos pendientes $ 3,073,199.19 Debe responder requerimientos pendientes $ 3,005,532.59 Estado erroneo del domicilio $ 2,502,555.19 Estado erroneo del domicilio $ 2,271,133.70 Debe responder requerimientos pendientes $ 2,235,683.69 Debe responder requerimientos pendientes •Asientos inusuales: Nro. Asiento Observación JE55587G504941 - Cuenta Rubro Descripción Cuenta Importe Débito Importe Crédito JE52441G438900 Hora de registración: 4 A.M. - Pasivo Prov. para conting. $ 1001PCVA00014015002 Egresos Ajuste por robos y siniestros $ Pasivo $ 1001OGRL00019460003 Ingresos Otros Ingresos Varios $ 10092220001 JE55586G504941 $ 10092214004 - Egresos Egresos Excepcionales 10092220002 JE55750G506883 1001OGRL00019460006 Pasivo Prevision para Juicios $ 10092217007 Pasivo Gratificaciones a pagar $ 1001OHRE00016110005 Egresos Gratificaciones Prov. Facturas Manuales $ 2,890,000.00 $ - $ 560,000.00 $ - $ 705,400.00 $ - $ 693,982.00 $ - $ 2,890,000.00 560,000.00 705,400.00 693,982.00
    52. 52. FDA – Ranking de Asientos Manuales • Horarios Nocturnos • Asientos desbalanceados • Reclasificaciones • Fines de semana • Cuentas poco usadas • Ley de Benford • Feriados • Ajustes • Montos que superen la • Números redondos • Reversiones materialidad
    53. 53. Detección Proactiva de Transacciones Inusuales Modelo de scoring Bases AML Datos filiatorios externos Información Crediticia Fuentes Judiciales Base de PEPs Nomenclador Actividades Cruces de información Base Integral de Monitoreo Etapa de detección Transacciones Inusuales Segmentación de la BD por actividades de riesgo Análisis de los casos Análisis de conductas transaccionales Reporte Interno Etapa de reporte Reporte externo de sospechas confirmadas 53
    54. 54. Preguntas
    55. 55. Matías Livachof Forensic Technology Manager KPMG Miami Tel. +1 305 913 2768 e-mail: malivachof@kpmg.com Raul Saccani Forensic Senior Manager KPMG Buenos Aires Tel. +54 11 4316-5745 e-mail: rsaccani@kpmg.com.ar

    ×