Odhalovaní podvodného jednání ve firmách Dílny interního auditu Marek Novotný, Forensní a anti-fraud expert ze společnosti Deloitte Petr Hanuška, Forensní a anti-fraud expert ze společnosti Deloitte Řijen, 2014
Úvod Cíl semináře: Představení postupů, jak nalézt nesrovnalosti ve finančních či materiálových tocích ve firmách Nejčastější chyby v procesech a na co si dát pozor při nastavení procesu kontrol Ukázka hledání podezřelých událostí Co si odnesete? Seznámíte se s automatickými postupy detekce podvodného jednání ve firmách Získáte povědomí o mapování rizik v procesech organizace 2
Obsah Představení analytického a forensního oddělení 4 Úvod do problematiky podvodů 5 Nastavení systémů detekci podvodů 8 Ukázka nástroje na zmapování rizik 13 Detekční nástroje 14 Ukázka detekčního nástroje 23 Diskuze a závěr 25 3
Představení analytického a forensního oddělení Oddělení aplikované analytiky a forenzních služeb v České republice zastává funkci centra excelence pro střední a východní Evropu. Oddělení sdílí své zkušenosti a znalosti v rámci regionu na poli pokročilých analytických řešení, forenzních služeb, implementace řešení pro automatickou detekci podezřelého jednání apod. Úzce spolupracujeme s ostatními centry excelence po celém světě při vývoji nových produktů a určování nových trendů v oboru. Pro podporu své činnosti využívá vlastní datové laboratoře s výkonnou výpočetní technikou. Laboratoř je držitelem certifikace ISO 27001 (bezpečnost informací). Datově analytická laboratoř v Praze 4
Proč jsou páchány podvody? Pohnutky k páchání podvodu jsou různé, téměř vždy se však drží těchto zásad: Co možná nejnižší riziko odhalení Minimální náročnost provedení Maximální možný osobní profit (zisk) Poznatky z behaviorální ekonomie: I inteligentní a dobře vychovaní lidé začnou podvádět, jakmile jim k tomu dáme příležitost. A to ne způsobem několika zkažených jablek v úrodě, ale spíše většina začne podvádět jen trošku V případě, že v systému jsou nahrazeny peníze za body/žetony (i s možností jejich přímé směny za peníze) roste výskyt podvodného jednání až dvojnásobně Zdroj: Dan Ariely: Predictably Irrational, 2008 5
Proč zlepšovat detekci podezřelých událostí? Organizace s vyspělou detekcí podezřelých událostí dokáží lépe bojovat proti externím podvodům a riziky s nimi spojenými. Absence efektivního systému detekce přináší nejčastěji tyto hrozby: Kontroly často spoléhají na lidský činitel, efektivitu a preciznost lidské práce. Nově vznikající způsoby podvodu nemusí být pokryty současným systémem kontrol: kontroly musí reagovat na změny systému (například legislativy). Bez efektivních kontrol je obtížné prokázat, že systém boje proti podvodnému jednání je funkční. To pak vrhá špatné světlo na práci interního auditu či systém kontrol jako takový. V systému kontrol je třeba zohlednit i mimořádné výkyvy na trhu. Organizace s kvalitním detekčním systémem mají: Výbornou pozici pro detekci podvodů a jejich následné prokazování. Při odhalení podvodů možnost efektivně využít informace zjištěné v rámci vyšetřování těchto událostí, vylepšit detekci obdobných již existujících případů a dále zamezit jejich přehlédnutí v budoucnu. Zvýšenou efektivitu vynakládaných prostředků ve firmě. Minimalizaci finančních dopadů podvodů a dopadů na reputaci organizace. 6
Pokročilost analytických nástrojů Úrovně analytiky pro odhalování podvodů Vylepšení detekce pomocí prediktivní analytiky Co se může dít? Prediktivní modelování Simulace a optimalizace Základní reporting ukazatelů Co se děje? Vizualizace případů Proč se to děje? Segmentace Pochopit skupiny a výjimečné případy Objevení a cílení na příležitosti Porozumění podstatě daného oboru Vizualizace transakcí Datová integrita a kvalita Základní seznamy, případy a extrakty Integrovaná analytika Mnoho zdrojů dat Plánování a předpovídání budoucích přínosů Modelování a porozumění korelací a příčinných závislostí Simulace a experimentování s možnými scénáři Optimalizace využití zdrojů v procesu Tradiční přístupy Transakční Zvýšení hodnoty Strategické 7
Nastavení systémů na detekci podvodů 8
Jak začít Přístup Deloitte 1 Poznání 6 Náš přístup je složený ze 6 kroků. Tyto kroky Prevence pokrývají samotnou implementaci a klademe i důraz na soustavné vylepšování systému s cílem maximalizovat účinnost: 5 Učit se Preventivních opatření Detekce a Následné odezvy vůči podvodnému jednání či odhaleným chybám 1. Poznání Sdílení vědomostí a poznatků napříč odděleními Výměna zkušeností vyšetřovatelů a návrh úpravy pravidel 2. Prevence Zavádění samokontrolních mechanizmů Medializace odhalených případů dokazujících efektivitu kontrol 3. Detekce a identifikace Pomocí prediktivní analytiky vytvořit set pravidel a systémů kontrol jak identifikovat podezřelé jednání a monitorovat ho Definovaní managementu podezřelých událostí a procesu vyšetřování 2 3 4 4. Reakce Detekce a identifikace Reakce Sestavení podrobných reportů s auditním záznamem dokazující podvodné jednání, jasná identifikace stop Podpora v rámci soudních sporů nebo uzavírání nových smluv 5. Učit se Vytvoření každoročního přehledu detekovaných událostí a použitých kontrol Analýza významu jednotlivých kontrol a významu různých typů podvodů 6. Nastavovat Aktualizace procesů, kontrol a technologií Rozvoj tréningu a školení Nastavovat 9
Fáze 1 Poznání Jak začít? Využití vlastního know-how organizace! V organizacích existuje know-how jak detekovat podezřelé případy a ověřit, zda se jedná o podvod či nikoliv. Tyto vědomosti jsou však často roztříštěny v týmech, či nejsou vhodně popsané. Proto se díváme na historické případy, na tehdy dostupné informace a výstup z nich na to, jak byly tyto případy vyhodnoceny pověřenou osobou a dále zjišťujeme, jaký systém kontrol a reportů je nastavený u klienta. Takto získané informace slouží jako podklad do diskuze, jak by měla vypadat výsledná pravidla a změny v organizaci. Jak ale rychle a efektivně získat informace napříč organizací? Na nic nezapomenout? Pomocí systému FRA, který obsahuje průnik nejhodnotnějších otázek na jednotlivé činnosti klienta získané z celé skupiny Deloitte a z již realizovaných zakázek. Analýza současného stavu u klienta Identifikace tehdy dostupných informací, reportů a kontrol Analýza dříve odhalených případů či chyb Hledání rozhodovacích pravidel za pomoci již definovaných pravidel (revize postupu rozhodování) tak s využitím metod pokročilé analytiky Jako podklad slouží velké množství případů, zpravidla 80-90% dostupných Stanovení nových pravidel Nalezení slabých míst v informačních zdrojích Diskuze nad definicí nových pravidel, rozhodovacích stromů a kontrol a dalších opatření 10
Identifikovaných případů za měsíc Fáze 2 Prevence Zamezení vzniku podezřelých událostí Vhodně nastavený systém preventivních opatření dokáže výrazně snížit vznik podvodného jednání, a to především díky strachu z odhalení původce. Samokontrolní mechanismy Například zavedení smluvních podmínek, pokud počet podezřelých/odmítnutých případů dosáhne určité hranice Aktivní podpora zaměstnanců v hledání nesrovnalostí Tvorba interních black-listů problémových subjektů Medializace odhalených případů Zkoumaný subjekt se musí dozvědět, že se zvýšilo riziko odhalení podvodného jednání Musí být známy případy potrestání podvodného jednání 900 Počet podezřelých příchozích faktur 800 (Malobchodní řetězec ve střední Evropě) 600 400 200 Implementování pravidel 1 2 3 4 5 6 7 8 9 10 Oznámení o novém detekčním systému První ukončené smlouvy a zahájení trestního řízení Měsíce 11
Fáze 3 Detekce a identifikace Práce s pravidly a výstupy analýz Za pomoci metod pokročilé prediktivní analytiky je možné v reálném čase aplikovat a vyhodnocovat velké množství dat. Hledat specifické závislosti a zároveň upozorňovat na detekované podezřelé případy. V rámci investigace se stává, že je nalezeno nové pravidlo, které dříve nebylo uvažováno z toho důvodu je vítanou funkcí toto pravidlo moci aplikovat i zpětně na starší data. Uplatňování pravidel Parametry pro definování scénářů Oblast pravidel Doplňování pravidel za chodu a na základě detekovaných událostí Analýza a detekce událostí v reálném čase Možnost využití funkcí jako kategorizace, prioritizace, sumarizace / agregace, korelace, apod. Vyvolání akce na detekovanou událost. (např. workflow) Komunikace s jinými systémy Vybrané objekty (obrazovky / logy nebo části jejich obsahu) Korelace detekovaných dat Časová korelace událostí, datum a čas Původ události Korelace událostí provedených na různých místech Agregace výskytů událostí Možnost vymezení určitých částí sítě jako nemonitorované či monitorované náhradním způsobem Možnost definování ignorovatelných forem událostí Možnost tvorby knowledge base 12
Fáze 1 Poznání Demo Fraud Risk Assesment nástroje 13
Detekční nástroje 14
Přístup k odhalování podvodů Jak na to? Analytický přístup v závislosti na dostupných datech Základní vztahy Korelace mezi účty Analýza trendů a změn Hlavní kniha Podrozvaha Rekonciliace na podrozvahu Analýza účetních vstupů Analýza hrubých dat Transakční data Testy napříč podrozvahou 15
Velikost vzorku Na co stačí náhodný výběr? Velikost reprezentativního vzorku a efektivita testování Jak by měl být velký testovací vzorek na ověření hypotézy? n 120 100 z N r 2 2 d N z r 1 r 1 r 2 N velikost základního souboru z požadovaný stupeň jistoty (spolehlivosti) auditu; koeficient spolehlivosti d pravděpodobnost výskytu hledané chyby r vlastní chybovost při kontrolách (cca 2-5%) Internal Auditing Principles and Techniques a Audit and Accounting Guide Audit Sampling, AICPA Velikost testovacího vzorku pro ověření hypotézy 80 60 40 20 85% 90% 95% 0 1/4 1/5 1/10 1/20 1/25 1/50 1/100 1/200 1/250 1/500 1/1000 Pravděpodobnost výskytu testovací chyby 16
Testování základních vztahů Analýza trendů a změn Minima, maxima, průměrné hodnoty a medián Porovnání různých period Porovnání dvou oddělení, zaměstnanců, dodavatelů Sezónní trendy a tržní výkyvy Analýza všech období a testování jejich odlišností a odchylek Porovnání více trendů Extrapolace trendů a porovnání s plánem 17
Testy nad hlavní knihou 1. Rekonciliace hlavní knihy na podrozvahu: a) Rekonciliace hlavní knihy na předvahu předvahu b) Rekonciliace závazků na předvahu: Kalkulace sumy účetních položek pro každou analytickou skupinu závazků přes všechna období c) Rekonciliace pohledávek na předvahu: Kalkulace sumy účetních položek pro každou analytickou skupinu pohledávek přes všechna období 2. Účetní položky Rizikový profil Výsledky testů Benfordova analýza Výsledkové grafy 18
Testy nad podrozvahou Jaké můžeme použít zdroje dat? Hlavními zdroji dat jsou závazky a pohledávky Dále jsou využívána data o zásobách a to především pro specifické analýzy Mzdové náklady či výdaje zaměstnanců mohou díky analytických postupům jako hromadné analýzy protistran poskytnout zajímavé výsledky Závazky Mzdy/výdaje Podrozvaha Pohledávky Zásoby 19
Příklad: Analýza závazků Chybovost týkající se plateb Co znamená ztracený zisk ve výši 0,1 % 0,4 %? Utracené peníze EUR 10 000 000 50 000 000 100 000 000 500 000 000 Znovu získané peníze (0,1 %) EUR 10 000 50 000 100 000 500 000 Znovu získané peníze (0,2 %) EUR 20 000 100 000 200 000 1 000 000 Znovu získané peníze (0,3 %) EUR 30 000 150 000 300 000 1 500 000 Znovu získané peníze (0,4 %) EUR 40 000 200 000 400 000 2 000 000 Míra chybovosti v rámci plateb představuje ve většině podniků 0,1 % 0,4 % z celkových částek vyplácených dodavatelům Existuje mnoho komplexních faktorů, které přispívají ke skutečné ztrátě zisku: 20
Kde všude může analytický přístup pomoci? Zlepšení podmínek ve společnosti! Výzvy pro společnost Regulatorní požadavky Analytická řešení Pokročilé testy stanoví validitu položek hlavní knihy, účtů závazků, pohledávek a zásob Efektivita nákladů Analytické testy vedou mimo jiné k poukázání na příležitosti ke snížení nákladů společnosti Technologická kapacita Výkonná technická infrastruktura Přidaná hodnota Analytické procesy mohou rozkrýt finanční systém nečekaným a výrazným způsobem Kontrola relevantních zápisů Skórování rizik představuje jednodušší a důkladnější analýzu zápisů do hlavní knihy 21
Kde všude může analytický přístup pomoci? Rozsáhlé testování a zlepšení systému kontrol Výzvy v oblasti závazků Podobnosti DPH, IBAN Analytická řešení Odhalování dodavatelů s podobnými nebo identickými čísly DPH, IBAN Podobnosti u jmen, čísel dodavatelů, čísel faktur Analýza frekvence faktur Odhalování dodavatelů s podobnými nebo identickými jmény/názvy nebo čísly, odhalování faktur s podobnými nebo identickými čísly Faktury zaúčtované za určité revidované období, hromadné faktury vydané stejným dodavatelem za jeden den, počet dnů, kdy stejný dodavatel vydal hromadné faktury za den Faktury vydané mimo číselnou řadu (sekvenci) Nestandardní datumy zaúčtování faktur Odhalování duplicit Faktury vydané ve správné časové souslednosti, ale s nesprávným číslem (číselnou řadou) Faktury zaúčtované před nebo po zavírací době, faktury zaúčtované o státních svátcích, o víkendech Faktury s přesně stejným zněním na všech polích, faktury s přesně stejným zněním na všech polích mimo jednoho, faktury na stejnou částku, ale s rozdílným polem data a čísla 22
Ukázka detekčního nástroje 23
Shrnutí přínosů Nic neunikne, je testováno vše! Pomocí testování všech dat, je možné se zaměřit i na méně časté chyby, které jsou však svým samotným dopadem významné Samotná kontrola není zatížena případnou chybou/nepozorností kontrolora Pokročilá správa pravidel Snadná tvorba pravidel a jejich úprav za účelem snížení planých poplachů Profilování na základě analýzy skutečného chování subjektů Aplikování nových pravidel na již zaznamenaná data (zpětné dohledávání) Podpora prevence Důraz na rychlou a tvrdou reakci při nalezení podezřelého případu Implementace samokontrolních mechanizmů Podpora auditu Zpětné přehrávání zaznamenaných dat Auditní záznam schopný obstát i u soudních sporů Generování výstražných oznámení v reálném čase (zasílání e-mailů) 24
Dotazy a diskuze 25
Kontaktní osoby Marek Novotný, manažer Tel.: +420 246 042 496 Mobile: + 420 731 629 816 E-mail: mnovotny@deloittece.com Petr Hanuška, senior konzultant Tel: +420 246 042 870 Mobile: + 420 602 338 748 E-mail: phanuska@deloittece.com 26
Deloitte označuje jednu či více společností Deloitte Touche Tohmatsu Limited, britské privátní společnosti s ručením omezeným zárukou ( DTTL ), jejích členských firem a jejich spřízněných subjektů. Společnost DTTL a každá z jejích členských firem představuje samostatný a nezávislý právní subjekt. Společnost DTTL (rovněž označovaná jako Deloitte Global ) služby klientům neposkytuje. Podrobný popis právní struktury společnosti Deloitte Touche Tohmatsu Limited a jejích členských firem je uveden na adrese www.deloitte.com/cz/onas. Společnost Deloitte poskytuje služby v oblasti auditu, daní, poradenství a finančního a právního poradenství klientům v celé řadě odvětví veřejného a soukromého sektoru. Díky globálně propojené síti členských firem ve více než 150 zemích a teritoriích má společnost Deloitte světové možnosti a poskytuje svým klientům vysoce kvalitní služby v oblastech, ve kterých klienti řeší své nejkomplexnější podnikatelské výzvy. Přibližně 200 000 odborníků usiluje o to, aby se společnost Deloitte stala standardem nejvyšší kvality. Společnost Deloitte ve střední Evropě je regionální organizací subjektů sdružených ve společnosti Deloitte Central Europe Holdings Limited, která je členskou firmou sdružení Deloitte Touche Tohmatsu Limited ve střední Evropě. Odborné služby poskytují dceřiné a přidružené podniky společnosti Deloitte Central Europe Holdings Limited, které jsou samostatnými a nezávislými právními subjekty. Dceřiné a přidružené podniky společnosti Deloitte Central Europe Holdings Limited patří ve středoevropském regionu k předním firmám poskytujícím služby prostřednictvím více než 3 900 zaměstnanců ze 34 pracovišť v 17 zemích.