Erkennung von Betrugsfällen

Anwendung der datafusion Systems Platform im Finanz- und Bankwesen.

Vorteile von Datenanalysemethoden bei Betrugsfällen?

Datenanalysesoftware erlaubt es Prüfern und Ermittlern die Daten eines Unternehmens sehr schnell zu bewerten. Damit lässt sich erkennen, wie gut interne Kontrollen greifen oder auch Transaktionen identifizieren, die auf betrügerische Aktivitäten bzw. auf ein erhöhtes Betrugsrisiko hindeuten. Unsere datafusion Platform findet innerhalb einer Organisation überall dort Anwendung wo elektronische Transaktionen aufgezeichnet und gespeichert werden.

Nachfolgend zeigen wir Ihnen typische Betrugsszenarien im Bankwesen und wie die Funktionen der datafusion Platform zur Erkennung und Vorbeugung angewendet werden:

 

Korruption

  • Identifizierung von Kontakten, die sich auf schwarzen Listen befinden.
  • Verletzung von Financial Action Taskforce on Money Laundering (FATF) Compliance.
  • Erzeugung von Listen von Transaktion mit Organisationen aus gelisteten Ländern und Regionen.

 

Bargeld

  • Aufspüren von Bargeldtransaktionen knapp unter den behördlichen Grenzwerten
  • Aufspüren von Serien von Bargeldtransaktionen eines Kunden die in Summe den behördlichen Grenzwert überschreiten
  • Identifizierung einer statistisch Auffälligen Anzahl von Transaktionen nach Kunde oder Konto

 

Verrechnung

  • Bestimmung von ungewöhnlich vielen erlassenen Gebühren einer Filiale oder eines Angestellten

 

Datendiebstahl

  • Hervorheben von Ein- und Auszahlungsvorgängen auf dem gleichen Konto innerhalb kürzester Zeit
  • Aufdecken von Hinweisen auf Scheckbetrug
  • Hervorheben doppelter Kreditkartentransaktionen oder von Hinweisen auf Skimming

 

Buchhaltungsbetrug

  • Beobachtung von stillen Konten oder Durchgangskonten im Hauptbuch
  • Herausfinden von Journaleinträgen zu ungewöhnlichen Zeiten

 

Die datafusion Platform wurde entwickelt um Informationen aus jeder beliebigen Datenquelle oder jedem beliebigen Format miteinander zu kombinieren. Dabei kann es sich um Telekommunikationsdaten, Internetdaten, Organisationsdatenbanken oder Finanzdatensysteme handeln.  Zur Datenanalyse werden intelligente Data Mining Methoden, Metadatenextraktion und einen Vielzahl von analytischen Verfahren eingesetzt.