@article{10272/5478,
year = {2011},
url = {http://hdl.handle.net/10272/5478},
abstract = {This study examines the application of cluster analysis in the accounting domain, particularly discrepancy detection in audit. Cluster analysis groups data so that points within a single group or cluster are similar to one another and distinct from points in other clusters. Clustering has been shown to be a good candidate for anomaly detection. The purpose of this study is to examine the use of clustering technology to automate fraud filtering during an audit. We use cluster analysis to help auditors focus their efforts when evaluating group life insurance claims. Claims with similar characteristics have been grouped together and small-population clusters have been flagged for further investigation. Some dominant characteristics of those clusters which have been flagged are large beneficiary payment, large interest payment amounts, and long lag between submission and payment.},
abstract = {Este estudio examina la aplicación del análisis de grupos en el dominio de la contabilidad, particularmente en la detección de discrepancias en auditoría. El análisis de grupos agrupa datos de manera que los puntos dentro de un grupo son similares entre ellos y distintos de los de otros grupos. Estos grupos han demostrado ser un buen candidato para la detección de anomalías. El objetivo de este estudio es examinar el uso de tecnologías de agrupamiento para automatizar la filtración de fraudes durante una auditoría. Usamos análisis de grupos para ayudar a los auditores a centrar sus esfuerzos en la evaluación de reclamaciones de seguros de vida de grupo. Se han agrupado reclamos con características similares y se han marcado grupos de población para investigaciones posteriores. Algunas de las características dominantes de dichos grupos son altos pagos de beneficiario, grandes sumas de pago de intereses, y largos retrasos entre envío y pago.},
publisher = {Universidad de Huelva},
title = {Cluster analysis for anomaly detection in accounting data : an audit approach},
author = {Thiprungsri, Sutapat and Vasarhelyi, Miklos A.},
}