Registos anómalos identificados com maior rapidez
Uma plataforma web para detetar valores fora do padrão e apoiar a revisão de transações financeiras.
A análise de grandes conjuntos de dados financeiros pode exigir a revisão manual de milhares de registos, dificultando a identificação das ocorrências que merecem maior atenção. Com o apoio da AI-Center Testbed, uma empresa da área da consultoria e apoio à gestão desenvolveu o FraudInsight, uma plataforma que deteta valores anómalos, produz uma versão tratada dos dados e apresenta indicadores para apoiar a sua análise.
O DESAFIO
O Problema
A consistência e a rastreabilidade das transações são essenciais em processos de controlo interno, validação financeira e auditoria. Contudo, registos pouco habituais, combinações menos frequentes de valores ou sequências fora do comportamento esperado podem passar despercebidos em análises manuais. Este processo consome tempo, depende dos critérios aplicados por cada utilizador e pode direcionar a atenção para ocorrências pouco relevantes. As anomalias identificadas não representam necessariamente fraude, mas podem indicar erros, inconsistências ou transações que justificam uma revisão adicional.
Setor e Área de Atuação
Soluções para o setor financeiro, contabilidade, controlo interno, auditoria e apoio à gestão.
Definição e Objetivos
O FraudInsight é uma plataforma web que permite carregar ficheiros CSV ou Excel, aplicar diferentes métodos de deteção de anomalias e identificar os registos que se afastam dos padrões do conjunto de dados. A solução permite consultar os valores sinalizados, remover as linhas anómalas e descarregar uma versão tratada do ficheiro. Os resultados são também apresentados através de indicadores e dashboards que mostram o número de alertas e a distribuição das ocorrências pelos métodos utilizados.
IMPACTO
Vantagens competitivas
Triagem mais eficiente
A deteção automática reduz o número de transações que precisam de ser revistas manualmente e ajuda a concentrar a análise nos casos mais relevantes.
Maior consistência
A aplicação de critérios estruturados reduz a dependência de avaliações exclusivamente individuais e favorece processos de validação mais uniformes.
Apoio ao controlo interno
A sinalização de ocorrências fora do padrão pode apoiar tarefas de auditoria, verificação financeira e identificação de possíveis erros ou irregularidades.
Desenvolvimento e Testes
O desenvolvimento começou com a definição do fluxo de deteção, limpeza e análise dos dados. Foram integrados diferentes métodos estatísticos e de inteligência artificial numa plataforma web que permite configurar a análise, consultar os registos sinalizados e produzir um ficheiro tratado. A solução foi também ligada a painéis analíticos e testada com dados representativos de transações financeiras.
Implementação e Resultados Iniciais
Numa demonstração com 1 000 registos, a plataforma produziu um ficheiro tratado e indicadores sobre os resultados. O produto evoluiu de TRL 3 para TRL 6, ficando preparado para validação com dados financeiros em contexto operacional.
PERSPETIVAS FUTURAS
Os próximos passos
A validação com diferentes conjuntos de dados financeiros pode permitir aperfeiçoar os critérios de deteção e adaptar a análise aos padrões específicos de cada organização.