Detección de Fraudes en Bodegas de Datos basado en los niveles de agregación

Los fraudes en las compañías a nivel mundial representan pérdidas de millones de dólares. La detección temprana de los fraudes evita que se continúen con estas acciones. La contabilidad forense incluye diversas técnicas para apoyar esta detección, en esta tesis se aplican las técnicas: ley de Benford, SAME-SAME-SAME, SAME-SAME-DIFFERENTE y Relative Size Factor a bodegas de datos usando los niveles de agregación de las dimensiones para analizar desde datos generales (e.g., a nivel de Año) hasta datos específicos (e.g., a nivel de día) la presencia de posibles fraudes. Con estas técnicas se definen operadores OLAP, los cuales se aplican en una bodega de datos y ofrecen información sobre la posible la existencia de fraudes.

• Autores: Vergara Osorio, Karen Daniela
• Fecha de publicación: 2017
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/60138
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/60138; http://bdigital.unal.edu.co/58133/
• Palabra clave: 0 Generalidades / Computer science, information and general works; Bodega de datos; Contabilidad forense; Fraude; Nivel de agregación; Operador OLAP; Data warehouse; Forensic accounting; Fraud; Aggregation level; OLAP operator
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional