Bedrijven die sjoemelen met hun boekhouding moeten beter op hun tellen passen. Want lerende algoritmen kunnen op basis van de tekst van een jaarverslag voorspellen of er gesjoemeld is. Dat zegt KPMG-consultant forensische technologie Marcia Fissette, die aan de Universiteit Twente promoveerde op een onderzoek naar het ontdekken van fraude via ’text mining’.
Een opmerkelijke uitkomst, want onderzoek naar het ontdekken van boekhoudfraude richt zich vaak op de cijfers in jaarrekeningen. Meestal worden onregelmatigheden daar zichtbaar. Maar ook teksten blijken aanwijzingen te bevatten, onder meer in het patroon van formuleringen, woordcombinaties en woordenschat. Mensen constateren bepaalde afwijkingen niet, omdat ze zonder het te weten betekenis geven aan woorden.
Managementdiscussie
Fissette kwam tot haar bevindingen op basis van het onderzoeken van 402 jaarverslagen van bedrijven waar fraude is ontdekt. Daar tegenover zette ze ruim 1300 jaarverslagen van ondernemingen waar voor zover bekend geen fraude is gepleegd. Ze hield de managementdiscussies uit de jaarverslagen tegen het licht, waarin het bestuur de resultaten toelicht, niet alle teksten. In dat hoofdstuk passen bedrijven extra goed op hun tellen, omdat het sterker dan de rest onder het vergrootglas van analisten komt te liggen. De woordkeuze blijkt vaak overdreven positief, blijkt uit machine learning.
89% goed
De computer leert of het gebruik van bepaalde woorden of woordcombinaties typerend is voor de aanwezigheid van fraude. Daarna maakt de computer een keuze: dit jaarverslag is frauduleus, of juist niet. Bij de test door de onderzoeker plaatste de computer de jaarverslagen in 89% van de gevallen in de goede categorie. De algoritmes kunnen niet aanwijzen wáár die fraude dan precies zit en welke woorden of zinnen afwijken. Dat is volgens Fissette het nadeel van machine learning. De uitkomst moet opgevat worden als een ‘red flag’; een aanwijzing om extra goed naar het jaarverslag of de cijfers te kijken.
Geef een reactie