Éléments inhabituels - Comparaison avec la population

Le test « Éléments inhabituels – Comparaison avec l'analyse de population » identifie les transactions jugées inhabituelles par rapport à un groupe de transactions sélectionné.

Par exemple, ce test peut servir à identifier les transactions publiées par des utilisateurs qui publient rarement par rapport aux autres transactions. Les utilisateurs seraient analysés par rapport à l'ensemble de la population afin d'obtenir un pourcentage de transactions, et tous les utilisateurs se situant en dessous d'un seuil défini apparaîtraient dans les résultats.

Vous pouvez également utiliser ce test pour analyser les champs de date. L'ensemble des transactions est récapitulé par date, et les dates présentant un faible nombre de transactions sont mises en évidence dans les résultats.

Ce test analytique permet d'identifier :

• Opérations fictives ou non justifiées

• Problèmes systémiques liés à la manière dont un service traite les opérations

• Des paramètres système mal configurés qui pourraient nécessiter des améliorations et une évaluation plus approfondie

• Tentatives éventuelles de manipulation des états financiers

• Domaines de l'information financière présentant un niveau de précision et d'exactitude moindre

• Des contrôles internes insuffisants qui pourraient avoir d'autres implications à prendre en compte

• Des activités de surveillance et de détection insuffisantes

• Opérations effectuées en dehors des jours ouvrables habituels

• Un risque d'anomalie significative due à une fraude

Champs utilisés pour l'analyse

Les champs suivants sont obligatoires pour cette analyse :

• Champ(s) de référence - Champ(s) unique(s) utilisé(s) pour créer un identifiant de transaction unique, tel que le champ ID d'écriture pour l'ensemble de données du grand livre. Ces colonnes ne font pas partie du résultat, mais servent à identifier les transactions qui en font partie. Ce champ est déjà défini dans le test et ne peut pas être modifié.

• Champs inhabituels - Les champs dont les valeurs sont examinées afin de déterminer si elles sont inhabituelles. Ces champs peuvent être des champs numériques, de date, d'heure ou de caractères qui présentent une certaine forme de répétition. Par exemple, un champ numérique contenant des identifiants d'utilisateurs pourrait servir à identifier les transactions publiées par des utilisateurs qui publient rarement. Les champs contenant des montants ou des quantités ne se prêtent pas particulièrement bien à ce test, car ils ne présentent généralement pas de schéma récurrent.

Paramètres

Les paramètres suivants doivent être définis pour ce test :

• Valeur en pourcentage - Saisissez la valeur en pourcentage que le test utilisera pour déterminer quelles valeurs doivent être considérées comme anormales. Par exemple, si vous saisissez une valeur en pourcentage de 3 %, tout élément de la colonne représentant 3 % ou moins de la population sera considéré comme anormal et figurera dans les résultats du test.

• Type de pourcentage : ce type indique si le pourcentage doit être inférieur à, inférieur ou égal à, égal à, supérieur à ou supérieur ou égal à la valeur du pourcentage.

Configurations de test

Les configurations suivantes sont disponibles pour ce test :

• Éléments inhabituels par rapport à la population

• Données chronologiques inhabituelles par rapport à la population

Caractéristiques techniques

Lorsque vous lancez le test analytique « Éléments inhabituels – Comparaison avec la population », les étapes suivantes sont exécutées pour effectuer le test :

1. Si nécessaire, appliquez des filtres aux données afin qu'un sous-ensemble soit utilisé pour l'analyse. Si aucun filtre n'est défini, l'analyse portera sur l'intégralité du fichier de données. Cette étape peut également être effectuée en dernier lieu, plutôt qu'en premier.

   Remarque : Les filtres ne sont pas disponibles pour le moment et seront intégrés dans une prochaine version.

2. Vérifiez que les champs de référence nécessaires ont bien été sélectionnés. Si aucun champ n'a été sélectionné, veuillez créer un champ de référence unique. Cette étape n'est effectuée que si certains champs ont été sélectionnés. Si tous les champs sont disponibles, cette étape n'est pas nécessaire.

3. Sélectionnez les colonnes permettant de créer le sous-ensemble sur lequel cette analyse sera effectuée. Ce sous-ensemble peut être défini à partir d'une ou plusieurs colonnes ; celles-ci peuvent être de n'importe quel type et dans n'importe quel ordre.

4. Calculez le pourcentage à des fins de comparaison.

   • Si l'utilisateur a sélectionné l'une des options suivantes, un seul pourcentage est nécessaire :

     • Moins de (<)

     • Inférieur ou égal à (<=)

     • Égal à (==)

     • Supérieur ou égal à (>=)

     • Supérieur à (>)

   • Si l'utilisateur sélectionne une plage, il faut alors définir un pourcentage minimal et un pourcentage maximal. La fourchette peut être déterminée sur la base des éléments suivants :

     • Supérieur à (>)

     • Supérieur ou égal à (>=)

     • Inférieur ou égal à (<=)

     • Moins de (<)

5. Résumez les colonnes des sous-ensembles afin d'obtenir le nombre d'enregistrements par sous-ensemble distinct.

6. Calculez le pourcentage de chaque sous-ensemble par rapport au nombre total d'enregistrements de la population.

7. Extrayez tous les pourcentages des sous-ensembles qui se situent dans la fourchette de comparaison sélectionnée à l'étape 4.

8. Extrayez les transactions (lignes) qui se rapportent aux sous-ensembles extraits à l'étape 7.

9. Extrayez les champs de résultat sélectionnés par l'utilisateur. Tous les champs sont extraits par défaut.

   Remarque : La fonctionnalité permettant de sélectionner les champs de résultats n'est pas disponible pour le moment ; elle sera intégrée dans une prochaine version.