Sponsored content
Sponsored content

Met data-analyse zit je corruptie op de hielen

Hoe voorkom je corrupt gedrag binnen je onderneming? Dat ís niet te voorkomen, roepen ondernemers en ceo’s in koor. Toch zijn we al heel ver met het (real time) detecteren van corrupte transacties. En we noemen het Advanced Corruption Analytics.

Hoe spoor je een corruptieve betaling op?

Laura Klapwijk, senior manager Forensic van Deloitte en gespecialiseerd in corruptie: ‘Eigenlijk is opsporen niet de juiste term. Wat we doen is het detecteren van mogelijk corruptieve transacties en het eventueel onderzoeken ervan. Als je praat over opsporen lijkt het alsof wij politieagenten zijn en dat zijn we uiteraard niet. Wij handelen in opdracht van de onderneming en assisteren klanten bij het detecteren en onderzoeken van corruptierisico’s. Bij detecteren moet je dan denken aan het gebruik van geavanceerde data-analyse en het real time reviewen van financiële transacties. Veel bedrijven hebben te maken met een grote hoeveelheid financiële transacties en betalingsverkeer in allerlei landen, ook in landen met een hoog risico op corruptie. Die bedrijven analyseren tegenwoordig met behulp van data-analyses hun financiële administratie. Zo monitoren zij risico’s om erachter te komen welke transacties opvallen en waar mogelijke corruptie zich zou kunnen voordoen.’

En, welke vallen er op?

‘Dan kun je denken aan betalingen aan partijen in landen met een hoog corruptierisico, of aan agenten of andere tussenpersonen, aan herhaaldelijk betaalde ronde bedragen of aan betalingen in onverwachte vreemde valuta. Ook kun je denken aan betalingen net onder authorisatielevels, of opvallende uitgaven voor entertainment of reiskosten. Met data-analyse kun je vreemde patronen in de administratie snel traceren.

Vroeger lag de focus vooral op corruptie preventie, maar de onderneming moet daarnaast ook zicht op het transactieverkeer hebben

Wat is nog meer verdacht?

‘Flip Flop’ bankrekeningen. Dat er bijvoorbeeld een bankrekeningnummer is aangepast en een paar dagen later weer wordt teruggezet. Of een reeks transacties die steeds worden uitgevoerd op een tijdstip wanneer niemand op kantoor is. Dat noemen we outlier detectie. Dus transacties met kenmerken die je in het normale financiële verkeer niet zou verwachten.’

Hoe ging het detecteren en onderzoeken vroeger in z’n werk?

‘De focus lag de afgelopen jaren, ook dankzij regelgeving, vooral op corruptie preventie. Er werden veelal trainingen gegeven in verschillende landen om mensen bewust te maken van de risico’s. Wij zeggen: trainingen zijn heel goed en essentieel, maar de onderneming moet daarnaast ook zicht op het transactieverkeer hebben en het direct weten als er een verdachte transactie plaatsvindt. De onderneming moet zeggen: Ik wil real time inzicht en ik wil het kunnen detecteren wanneer iets een red flag lijkt te zijn.’

Red flag betekent: corrupt?

‘Niet pers se. Maar wel verdacht. Als er zorgwekkende transacties tussen zitten, dan kan er eventueel nader onderzoek worden uitgevoerd. Wij gaan dan als onderzoeksteam, op verzoek van de onderneming, rond die gevallen een verder onderzoek opstarten. Wie hebben er allemaal met die transactie te maken gehad? Welke dienst is er geleverd en wat is daarvoor de onderbouwing? In dat diepergaande onderzoek kan het zijn dat we Technology Assisted Review (TAR) inzetten. Dat is een andere vorm van een data-analysetechniek die vooral wordt ingezet na de detectie in de onderzoeksfase als er heel veel e-mails doorgespit moeten worden.’

Wat kan TAR wat de gebruikelijke zoekfuncties niet kunnen?

‘Voorheen werden e-mails, binnen een corruptieonderzoek, onderzocht aan de hand van zoekwoorden. Maar door de explosie van data en grotere hoeveelheden e-mails wordt deze toepassing onbegonnen werk. Want de woorden omkoping of foute betaling zullen niet in de mails staan en meer algemene zoekwoorden leiden als snel tot honderden ‘potentieel’ relevante e-mails die verder moeten worden onderzocht. De data-analyse die we er nu op los laten is wat wij noemen een ‘review accelerator’. Kunstmatige intelligentie die we gebruiken om te zorgen dat bepaalde type e-mails die we zoeken, sneller naar boven komen. Met de TAR-methode worden algoritmes, kunstmatige intelligentie en statistische methodes gebruikt om de meest relevante documenten te vinden. Stel dat je 100.000 mails wil doorzoeken, dan gebruikte je voorheen een zoekwoord dat mogelijk wel in tientallen documenten naar voren kwam. Die ‘hits’ moest je dan allemaal bekijken. Wat doet TAR? Ten eerste kan TAR aan de hand van een set trainingsdocumenten zelfstandig analyseren welke overige documenten je ook interessant vindt. Daarnaast kan TAR vreemdsoortige concepten herkennen. Als je het begrip ‘auto’ invoert, dan begrijpt het systeem dat e-mails met Hertz of Avis mogelijk ook interessant kunnen zijn. Dus begrippen die met de term auto een correlatie hebben.’

En het werkt sneller?

‘Veel sneller. Stel dat je een miljoen documenten moet doorzoeken. Dan kun je een paar sets aan trainingsdocumenten selecteren die laat je beoordelen door mensen die veel van de case afweten en dus kunnen zeggen: deze mail is niet relevant en deze wel. Het systeem kan vervolgens zelf die splitsing toepassen voor de rest van de data. Dan hoef je dus bij al die andere mails niet zelf door alle key word searches en hits heen.’

Waarom zouden bedrijven van Advanced Corruption Analytics gebruik moeten maken?

‘Snelle detectie van corruptie in algemene zin heeft een causaal verband met een lager bedrijfsverlies. En de duur van corruptie (hoe lang de corruptie heeft kunnen voortbestaan) bleek vele malen korter: gemiddeld 6 maanden ten opzichte van 36 maanden. Bij corruptieonderzoeken kan de inzet van data-analyse zoals TAR, een onderzoek erg versnellen. Het continu analyseren van data is essentieel voor een organisatie die waakzaam en veerkrachtig wil zijn. Met de huidige data-analysetechnieken kan zeer goed worden omgegaan met de grote hoeveelheden ongestructureerde en gestructureerde data waar organisaties in 2017 mee te maken hebben en kan deze data razendsnel worden doorzocht, gekoppeld en geanalyseerd. En ook niet onbelangrijk: organisaties kunnen door systematisch data-analyse toe te passen, veel meer inzicht generen in hun daadwerkelijke risico en daardoor hun anti-corruptie programma naar toezichthouders toe veel beter onderbouwen.’

Neem voor meer informatie over Advanced Corruption Analytics contact op met Laura Klapwijk.