چارچوبی برای كاهش ريسك ناشی از تقلب داخلی

چارچوبی برای كاهش ريسك ناشی از تقلب داخلی

آکادمی داده

۱۳۹۷/۰۵/۱۱


  • 77 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 
 
در این مقاله كاهش تقلب داخلی نقش اصلی را بازی می كند . برای این منظور ، سعی شده تا بطور كلی تمامی زوایای تقلب بررسی گردد. بطوریكه تقلب تعریف ، دسته بندی ، هزینه هایی كه بر اثر وجود تقلب بویژه تقلب داخلی هم از جنبه دانشگاهی و هم از منظر تجربی مورد بررسی قرار گیرد . در ادامه چارچوبی برای كاهش ریسك ناشی از تقلب داخلی ارائه شده كه درگام اول به جمع آوری داده ها و در نهایت به بازبینی و حسابرسی منجر شده است . برای دستیابی به ساختار مناسب این چارچوب نیاز داشتیم تا از محیط تجاری نیز بهره برداری شود .
دارای 4 عامل است . آنها شامل :
1- تمركز چارچوب بر كاهش ریسك تقلب داخلی است  IFRچارچوب
2- هسته مركزی ریسك تقلب داخلی ، تكنیك ها و فنون استخراج داده هاست (داده كاوی (
3- چارچوب شامل توصیف فنون استخراج داده هایی كه در تقابل با فنون قابل پیش بینی در رابطه با تقلب خارجی وجود دارد .
 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر به پژوهش در حوزه کشف تقلب در بانکداری علاقه مند هستید توصیه می شود حتما مجموعه جالب و بی همتای  هفتاد مقاله فارسی در زمینه کشف تقلب در بانکداری  و کشف تقلب مالی  را تهیه بفرمایید.

اگر در زمینه کشف تقلب در بانکداری در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.

افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است. 


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.