Fakturabedrägerier : En studie om upptäckandet och motverkandet av fakturabedrägerier inom redovisningsbranschen

Sammanfattning: Studiens mål var att undersöka de olika faktorerna som möjliggör ett fakturabedrägeri och dess samband, men även hur de kan upptäckas och motverkas. Detta har undersökts både från ett internt och externt perspektiv. Upptäckandet av falska fakturor delades upp i dessa två aspekter då tillvägagångssätten för de i dagsläget skiljer sig från varandra. Det interna perspektivet fokuserar på att analysera de anställdas beteende för att upptäcka ifall detta skiljer sig från normen. Denna analys utförs med hjälp av Cressey’s Fraud Triangle, som identifierar tre olika riskfaktorer för hur benägen den anställde kan vara att begå ett bedrägeri. Det externa perspektivet är mer tekniskt inriktad där det främst fokuserats på hur maskininlärning kan användas för att analysera anomalier i fakturor. Dessutom analyseras även alternativa tekniska aspekter, såsom hur falska fakturor upptäcks i dagsläget och vad som görs på ett tekniskt plan för att förebygga dessa. Material har samlats in via intervjuer med experter inom respektive områden, som sedan har analyserats och diskuterats för att frågeställningen ska bli besvarad. Inom det interna perspektivet upptäcktes det att fallföretagen i dagsläget inte använde sig av någon analys men de var medvetna om teorin och visste hur de skulle applicera denna om det skulle behövas. Det upptäcktes även möjligheter att vidare automatisera detta genom att analysera beteendet hos de anställda. Under den tekniska och externa aspekten upptäcktes flertalet metoder för att motverka bedrägerier från externa parter. Bland annat hur olika typer av data mining används för att hitta anomalier. Dessa metoder skulle i framtiden även kunna analyseras på ett mer effektivt sätt genom att använda sig av maskininlärning, där systemen lär sig upptäcka fakturor som innehåller anomalier. Det diskuteras även hur de olika aspekternas lösningar i framtiden, med hjälp av olika tekniker, skulle kunna appliceras på den andra aspektens problem för att minimera risken för att bli bedragen.   Nyckelord: Fakturering, Bedrägeri, Bedrägeriupptäckande, Maskininlärning, Bedrägligt beteende, Mänskligt beteende, Automatisering, Data mining, Big data, Kvalitativ undersökning