Стратегічні орієнтири » Державні фінанси 2020 » Радик В.В. Data Mining як метод проактивних фінансових розслідувань
Информація до матеріалу
 (голосов: 0)
15-05-2020, 18:06

Радик В.В. Data Mining як метод проактивних фінансових розслідувань

Категорія: Державні фінанси 2020

Радик В.В., 2020
ЛНУ імені Івана Франка, Екф-31с

DATA MINING ЯК МЕТОД ПРОАКТИВНИХ ФІНАНСОВИХ РОЗСЛІДУВАНЬ

Зростання обсягів фінансових операцій і кількості фінансових злочинів, поява нових та складніших способів і схем їх здійснення зумовлює необхідність пошуку нових методів фінансових розслідувань, особливо таких, які б дозволили аналізувати великі обсяги даних і попереджувати здійснення злочину загалом, тобто відігравали б проактивну роль. Одним з таких є відносно новий метод Data Mining, або інтелектуальний аналіз даних.
В основі Data Mining лежать різні методи класифікації, прогнозування і моделювання, які можуть базуватися на деревах рішень, нейронних мережах, генетичних алгоритмах, еволюційному програмуванні, асоціативній пам’яті та нечіткій логіці. Також сюди інколи відносять такі статистичні методи як дескриптивний, кореляційний, регресійний, факторний, дисперсійний, компонентний, дискримінантний аналіз та аналіз рядів динаміки [2, c. 306].
Data Mining дозволяє проводити аналіз та класифікацію великих обсягів даних, виявляти приховані закономірності, знаходити взаємозв’язки між різними факторами, дозволяє моделювати поведінку системи, будувати прогнози та приймати на їх основі рішення у різних сферах людської діяльності [1, c. 37].
Його перевагами є простота використання, економія часу та ресурсів (як грошових так і трудових), мінімізація суб’єктивізму та людського фактора, можливість опрацювання та аналізу значних обсягів інформації різної форми та способу представлення, наприклад динамічні ряди, текст і електронні ресурси мережі Інтернет.
Data Mining може використовуватися суб’єктами первинного фінансового моніторингу для автоматичного визначення підозрілих фінансових операцій, за попередньо вбудованими в програму ознаками, оцінки ризиків шахрайства на основі аналізу історичних даних стосовно окремих фінансових продуктів та послуг; а також у практичній діяльності з фінансових розслідувань для зменшення витрат часу на пошук доказів, виявлення підозрілої поведінки, передбачення і попередження злочинів із схожими схемами чи визначенні інших можливих учасників злочину та побудови моделей злочинних організацій.
Методологія використання Data Mining для виявлення і запобігання фінансовим злочинам зазвичай включає наступні етапи [3, с. 294-295]:
1. визначення мети розслідування – тип злочину, який необхідно виявити, можливі наслідки та заходи, які варто вжити у кожному конкретному випадку, оцінка загального ефекту від проведення цього розслідування;
2. визначення необхідних даних – пошук і збирання даних, визначення їхньої якості;
3. підготовка даних – включає всі дії пов’язані з доведенням зібраних на попередньому етапі даних до стану, придатного до використання визначеними інструментами Data Mining;
4. моделювання – вибір та застосування одного чи декількох методів моделювання та калібрування параметрів моделі;
5. оцінка моделі – перевірка ефективності моделі відповідно до встановленої мети розслідування;
6. використання моделі – власне реалізація побудованої моделі та її періодичне оновлення, представлення результатів у зручному вигляді.
Отже, Data Mining володіє значними можливостями використання з метою оцінки ризиків та попередження фінансових злочинів. Однак на практиці як метод проактивних фінансових розслідувань він застосовується рідко і зазвичай як додатковий у вже розпочатих розслідуваннях. Це зумовлене непідготованістю працівників, відсутністю необхідного програмного забезпечення та, у деяких випадках, якісної інформації. Імплементування цього методу дозволило б не тільки підвищити фінансову безпеку держави, але й зменшити витрати ресурсів на розслідування різноманітних фінансових злочинів, забезпечити їх додатковою інформацією, визначити стратегічні напрями для заходів, які спрямовані на запобігання та боротьбу із злочинністю.

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ:
1. Максимчук С. О. Використання сучасних технік Data Mining в митній справі України / С. О. Максимчук, Л. В. Кабак, Б. І. Мороз // Системи та технології. – 2019. № 2 (58). – С. 33-49.
2. Слепнева Л. Д. Использование инструментария Data Mining в управлении кредитными рисками / Л. Д. Слепнева, В. Б. Кривоберец // Економіка промисловості. – 2013. № 1-2 (61-62). – С. 303-312.
3. Mena J. Investigative Data Mining for Security and Criminal Detection / J. Mena. – Amsterdam: Butterworth-Heinemann, 2003. – 452 p.

Посилання: Data Mining, фінансові розслідування, статистичні методи

Дорогий відвідувач, Ви зайшли на сайт як незареєстрований користувач.
Рекомендуємо Вам зареєструватися або ввійти на сайт під своїм ім'ям.

Архів новин

Июнь 2020 (3)
Май 2020 (109)
Апрель 2020 (6)
Март 2020 (6)
Декабрь 2019 (1)
Ноябрь 2019 (26)
^