Detección de anomalías en un marco de auditoría continua : Análisis de un conjunto de datos sobre transacciones financieras electrónicas mediante métodos analíticos y de aprendizaje automático

Abstract

Durante los últimos años, el auge de los grandes volúmenes de datos (big data) y las tecnologías de análisis y aprendizaje automático han provocado un impacto significativo en múltiples campos disciplinares y prácticos. En este trabajo se abordan sus implicancias sobre la función de auditoría interna –integrante del sistema de gestión de riesgos de una organización–, las ventajas que ofrecen para la detección de anomalías y los aspectos que conlleva su implementación en una metodología de auditoría continua. Para llevar adelante este trabajo, se utiliza un conjunto de datos referido a transacciones financieras electrónicas, a través del cual se intenta emular las operaciones realizadas por una organización. Se proponen diferentes métodos analíticos y de aprendizaje automático para la detección de anomalías contenidas en este grupo de transacciones y se procede a su aplicación al caso concreto, interpretando y comparando los resultados obtenidos. De la evaluación realizada, se concluye sobre la predominancia de los métodos supervisados sobre los no supervisados, sin perjuicio de la evaluación del contexto y situación inicial de los datos. No se observan mejorías significativas del uso de datos balanceados en la aplicación de modelos estadísticos y de aprendizaje automático. Y la implementación de un esquema de auditoría continua no sólo depende de las métricas obtenidas sino también de otros factores como la capacidad actual o futura de procesamiento, la necesidad de contar con predicciones en tiempo real y el costo que ocasionaría la existencia de falsos positivos o falsos negativos.