Construção de um dashboard para detecção de possíveis fraudes em registros contábeis e financeiros

Abstract

Esta pesquisa teve como objetivo desenvolver um dashboard interativo para a detecção de possíveis fraudes em registros contábeis e financeiros, combinando a Lei de Benford com o algoritmo de machine learning DBSCAN. A pesquisa é descritiva e exploratória, com abordagem quantitativa e natureza aplicada, a pesquisa fez uso de três conjuntos de dados antigos e distintos de três empresas de médio porte do sul do Brasil. O dashboard fez uso da Lei de Benford, uma observação estatística sobre a frequência de ocorrência do primeiro dígito em conjuntos de dados numéricos da vida real. Além disso, também se aplicou a ferramenta chamada Árvore de Decisão, nativa do Power BI, com o objetivo de se identificar valores e registros fora do padrão. A ferramenta foi desenvolvida no software Power BI, permitindo uma análise visual e intuitiva de dados. Foram avaliados 735.194 registros de três empresas distintas do sul do Brasil, identificando 478 ocorrências suspeitas com indícios de irregularidades. O dashboard demonstrou eficácia ao destacar registros anômalos de forma clara e concisa, facilitando a interação do usuário e a tomada de decisão. Os resultados evidenciam a viabilidade da solução proposta, que se mostra funcional tanto na detecção automatizada de possíveis fraudes quanto na apresentação visual dos dados, contribuindo para auditorias e controles financeiros mais eficientes. Concluindo o dashboard demonstrou funcionalidade ao contabilizar milhares de registros e identificar automaticamente os registros com possibilidade de manipulação.

Abstract: This research aimed to develop an interactive dashboard for detecting possible fraud in accounting and financial records, combining Benford's Law with the DBSCAN machine learning algorithm. The research is descriptive and exploratory, with a quantitative approach and applied nature. The research used three old and distinct data sets from three medium-sized companies in southern Brazil. The dashboard used Benford's Law, a statistical observation about the frequency of occurrence of the first digit in real-life numerical data sets. In addition, the Decision Tree tool, native to Power BI, was also applied with the aim of identifying nonstandard values and records. The tool was developed in the Power BI software, allowing for visual and intuitive data analysis. 735,194 records from three different companies in southern Brazil were evaluated, identifying 478 suspicious occurrences with signs of irregularities. The dashboard demonstrated effectiveness in highlighting anomalous records in a clear and concise manner, facilitating user interaction and decision-making. The results demonstrate the viability of the proposed solution, which is functional both in the automated detection of possible fraud and in the visual presentation of data, contributing to more efficient audits and financial controls. Finally, the dashboard demonstrated functionality by counting thousands of records and automatically identifying records that could be manipulated.