Sie erhalten einen Überblick über die Anforderungen an eine forensische Untersuchung von Finanz-, Geschäftsprozess-, und Buchhaltungsdaten.
Sie lernen das Vorgehensmodell forensischer Datenanalysen kennen und wissen welche Herausforderungen in der jeweiligen Phase auftreten können.
Sie lernen anhand konkreter Praxisbeispiele welche Analysetechniken Sie zur Aufdeckung von bekannten und unbekannten Mustern von Betrug, Fehlern und Korruption einsetzen können.
Sie lernen im Detail eine Auswahl der wichtigsten und zugleich praxisrelevanten Analysetechniken kennen. Diese umfassen u.a.: o Regel-basierte Analysetechniken, wie z.B. ungewöhnliche Buchungsmuster, kritische Stammdatenänderungen und manuelle Auszahlungen. o Statistik-basierte Analysetechniken, z.B. Newcomb-Benford Verteilungen, Verfahren der Cluster-Bildung und der Anomalie-Erkennung. o Künstliche-Intelligenz-basierte Analysetechniken, z.B. Support Vektor Verfahren, Entscheidungsbäume, tiefe Neuronale Autoencoder Netze.
Anhand von beispielhaften und detaillierten Python Notebooks erhalten Sie einen praktischen „Do-it-Yourself“ (DiY) Einstieg in die forensische Datenanalyse.
Sie erhalten einen Einblick in die Möglichkeit der Weiterentwicklung der erlernten Verfahren hin zu Echtzeitanalysen für die zeitnahe Betrugs- und Fehlerprävention.
Sie erhalten einen Eindruck von zukünftigen Angriffsszenarien auf forensische Datenanalysen z.B. durch die Erzeugung von sogenannten „Deepfake“ Finanz-, Geschäftsprozess- oder Buchhaltungsdaten.