Sistema antifraude para detecção de não conformidades em gastos corporativos

• Ano de defesa: 2024
• Autor(a) principal: Ribeiro, Luiz Gustavo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise exploratória; Aprendizado de máquina; Exploratory analysis; Fraud; Fraude; Machine learning; Reembolso de despesas; Reimbursement expenses
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-11072024-142612/

Os colaboradores de uma organização frequentemente submetem solicitações de reembolso para despesas relacionados ao desenvolvimento do seu trabalho. Dessa forma, é de grande importância a validação e análise dessas transações, na intenção de verificar se essas fazem parte do desenvolvimento do trabalho e com isso, devem ser reembolsadas. A correta identificação dessas transações é uma tarefa complexa e cara, uma vez que existe a necessidade de uma pessoa auditar cada transação, analisando um contexto macro, relacionando a função do colaborador com o gasto realizado. A presente contribuição contorna esses desafios utilizando conceitos de análise de dados e aprendizado de máquina, na intenção de criar modelo capaz de analisar e classificar uma transação como em conformidade e não conformidade com as politicas organizacionais. Os resultados para os modelos desenvolvidos mostram uma melhoria acentuada em relação aos esforços convencionais para identificação das transações, com precisão se aproximando dos níveis de potencial prático.