Artikel
Geschreven door Sven Persoone
Posted on 16/12/2019

Data en algoritmes hebben hun waarde in de strijd tegen fraude

252 keer gelezen

Als er voldoende data is, dan is het mogelijk om de waarschijnlijkheid van zowat elk fenomeen procentueel uit te drukken. Ook de kans dat een onderneming zich schuldig maakt aan frauduleuze praktijken, valt te voorspellen. Eric Van den Broele van Graydon legt uit hoe dat precies zit.

Een wereld zonder data is vandaag ondenkbaar. Ontelbare sectoren en ondernemingen kunnen nog onmogelijk functioneren zonder data. Graydon heeft er heel wat ervaring mee. Het baseert zich immers al jaar en dag op specifieke datasets om inzicht te krijgen in de kredietwaardigheid en het groeipotentieel van ondernemingen.

Maar bedrijfsdata kunnen ondertussen op wel meer vragen een antwoord bieden. Zo lichtte Eric Van den Broele toe tijdens de Graydon Inspiration Session, die volledig aan fraude gewijd was. Als senior manager research en development wees hij op de connectie die kan gelegd worden met fraude. Alles begint natuurlijk bij de juiste data.

Extra inspanningen om over optimale data te beschikken

In de eerste plaats zijn er de officiële, voor de hand liggende kanalen om data te verzamelen over ondernemingen: het Belgisch Staatsblad (BS), de Kruispuntbank van Ondernemingen (KBO), de Rijksdienst voor Sociale Zekerheid (RSZ), de Nationale Bank van België (NBB), de ondernemings- en arbeidsrechtbanken en zo meer.

‘Dat klinkt mooi en makkelijk, maar deze data zijn verre van correct en actueel’, zegt Eric Van den Broele van Graydon. ‘Zo zijn jaarrekeningen al snel een halfjaar oud en ze zijn vaak onderhevig aan cosmetische ingrepen. Ook de KBO bevat foutieve informatie, van verkeerd gespelde namen tot andere feitelijke missers.’

‘In dat geval zit er niets anders op dan deze gegevens handmatig vast te nemen en correcties aan te brengen waar dat nodig is. Daarnaast is het verstandig om info over faillissementen rechtstreeks bij de bevoegde rechtbanken op te vragen en dagelijks mensen daar naartoe te sturen om dagvaardingen te noteren. Zulke acties maken deel uit van een optimale data governance.’

De combinatie van data kan tot nieuwe inzichten leiden

Data worden doorgaans maar voor één doel verzameld en geanalyseerd. Dat neemt niet weg dat deze sets in combinatie met andere data voor nieuwe inzichten kunnen zorgen. ‘De vraag hiernaar typeert de huidige tijdsgeest’, zegt Eric Van den Broele. ‘Terwijl vroeger de IT-wereld in het teken stond van de verzameling van data, draait het nu immers om de conclusies die eruit getrokken kunnen worden. De nood aan data heeft dus plaatsgemaakt voor de nood aan inzichten.’

Talloze modellen zijn in het leven geroepen om daarop in te spelen, van groeimodellen tot de schokbestendigheidsscore van een bedrijf – in hoeverre is het opgewassen tegen een tijdelijke tegenslag, zoals werken in de straat. Ook andere algoritmes en scores rond werkgelegenheid en het voorkomen van burn-outs zijn mogelijk, net zoals indicatoren rond fraude. Daaruit kan dan worden afgeleid hoe groot de kans is dat een onderneming zich met frauduleuze praktijken bezighoudt.

Detectiemodellen zijn de sleutel tot inzicht

‘De bouw van zulke detectiemodellen is een cruciaal onderdeel in het zinvol inzetten van data’, geeft Eric Van den Broele aan. ‘Het helpt bijvoorbeeld om linken tussen de criminele wereld en het bedrijfsleven bloot te leggen. Zo kwam aan het licht dat mensenhandelaars doorgaans een beroep doen op gehuurde wagens. Ook hebben ze aan hun ondernemingsnummer de meest bizarre mix van activiteiten gekoppeld. Ze oefenen bijvoorbeeld tegelijk activiteiten uit als bakker, vishandelaar én loodgieter.’

‘Deze twee aspecten zijn natuurlijk niet exclusief verbonden aan mensensmokkelaars. Wat zulke uitkomsten wel doen, is helpen om het kaf van het koren te scheiden in enorme datasets. Het begrip fraude dekt enorm veel ladingen. Maar al die ladingen kunnen op de één of andere manier ook gedetecteerd worden met behulp van data die op het eerst gezicht soms niet verbonden zijn met de case an sich. Het zijn in ieder geval hulpmiddelen die het opsporen en blootleggen van bepaalde netwerken vergemakkelijken.’

‘Met de opzet van zulke detectiemodellen bestrijd je natuurlijk het eigenlijke fraudefenomeen niet’, zegt Van den Broele. ‘Zelfs als je weet dat een bedrijf zich naar alle waarschijnlijkheid schuldig zal maken aan fraude, kun je niets ondernemen zolang het niet effectief in de fout is gegaan. Maar de strijd aangaan werkt wel ontradend. Kortom, data en data governance zijn belangrijke onderdelen in de strijd tegen fraude.’