aus der Praxis

19 Mrz
Strukturanalyse

Die Zeitpunkt-bezogene Analyse gibt bereits einen guten Eindruck von der Struktur des Untersuchungsobjektes und kann schon erste Auffälligkeiten zeigen. Eine wesentlich größere Aussagekraft hat die Analyse im Zeitablauf. In einem Sachverständigengutachten wird damit visualisiert,  ob und in welchem Umfang Strukturänderungen oder -Brüche vorliegen.

Ein Beispiel aus einer Umsatzanalyse soll dies zeigen. Basis ist die Darstellung nach dem Businesslog (1-2-5), bei dem die einzelnen Umsätze den  Größenklassen (1-2-5-10-20-50-100 etc.) zugeordnet werden. Als Erweiterung wird hier nun die Zeit als weitere Dimension  mit dazu genommen (hier Jan-Dez).

Erwartungsgemäß sehen wir einen Anstieg der Umsätze im November und Dezember (Jahresendgeschäft). Ansonsten ist das Geschäft geprägt von Umsätzen in mittleren Klassen.

Auffällig ist ein Gipfel im März in der Umsatzklasse von 2.000 €. Hier werden gut 9% des Jahresumsatzes realisiert; ähnliche Gipfel finden sich sonst nirgends im Datenbestand, sodass hier eine weitere Untersuchung angesetzt werden muss. (Im vorliegenden Fall stellte sich heraus, dass die Daten hier manipuliert worden waren).

Kontakt aufnehmen …

15 Mrz
BusinessLog: 1-2-5 Darstellung

Bei Sachverständigengutachten sind i.d.R. die Ergebnisse zu visualisieren. Die Darstellung kaufmännischer Daten ist dabei häufig schwierig. Als Beispiel soll dies an einer Umsatzverteilung gezeigt werden.Dabei ist eine große Bandbreite abzubilden; so gibt es etwa Kundin mit einem eher geringen Volumen, eine größere Anzahl mittlere und einige (wenige) große.

Eine lineare Klassenbildung  führt zu wenig aussagekräftigen Darstellungen (vgl. Grafik lineare Klassen).

Abhilfe schafft dabei eine logarithmische Darstellung, bei der nicht die absoluten Werte sondern deren Logarithmus dargestellt wird. Bei der Verwendung des 10er Logarithmus (Basis 10) erhält man eine recht grobe Klasseneinteilung, die zu wenig Details darstellen kann. Die Verwendung des natürlichen Logarithmus (Basis n, die Euler‘sche Zahl) ist im kaufmännischen Bereich untypisch und führt zu einer wenig intuitiven Klasseneinteilung.

Eine Lösung stellt der BusinessLog dar, der sich an der bekannten Münzeinteilung orientiert:

1,2, 5,10, 20,50 …

Mit jeweils 3 Stufen ist eine Zehnerpotenz abgebildet, entsprechend können mit 21 Stufen bereits Millionen abgedeckt werden. Hier die Grenzen für die ersten 9 Klassen:

Ein bereits beschriebenes Anwendungsbeispiel ist die RFM-Analyse.

Folgendes Vorgehen hat sich bewährt: zunächst wird auf Basis einer Stichprobe die Verteilung überprüft. Dazu können die Daten einfach in Klassen auf Basis des natürlichen Logarithmus eingeteilt werden. Bei einer Vorabbetrachtung lässt sich dann schnell entscheiden, ob die Voraussetzungen für eine derartige Darstellung vorliegen. Ist dies der Fall,  kann dann die ein wenig aufwändigere Transformation in die 1-2-5 Darstellung erfolgen.

Kontakt aufnehmen …

08 Mrz
RFM-Analyse: Strukturen erkennen

Die RFM-Analyse ist wahrscheinlich der bekannteste mehrdimensionale Analyseansatz. Ursprünglich für das Marketing entwickelt lässt sie sich in Sachverständigengutachten effektiv nutzen.

Die Abkürzung RFM steht für Recency (Zeitraum seit dem letzten Event), Frequency als Häufigkeit der Vorkommnisse und Money für die bewertete Größe.

Ein Beispiel soll das verdeutlichen: eine RFM Kunden Umsatzanalyse zeigt für jeden Kunden den Zeitraum seit dem letzten Umsatz, die Anzahl der Rechnungen in den letzten Jahren und den Gesamtumsatz in diesem Zeitraum.

Technisch lässt sich die RFM-Analyse effektiv umsetzen. Nach der Verdichtung der Kundenumsätze in (logarithmisch orientierte) Klassen erfolgt über eine Clusteranalyse eine Gruppenbildung. Diese zeigt nun die vorliegenden Strukturen im Kundenstamm.

Als Erweiterung kann man den einzelnen Gruppen (Clustern) Erwartungswerte für zukünftige Umsätze zuordnen und hat so die Grundlage für die Bewertung des Kundenstamms. Neben diesen betriebswirtschaftlichen Anwendungen lässt sich der Ansatz einfach auf technische Gebiete wie Störungs- oder Reparaturanalyse übertragen.

Wikipedia RFM(R) Methode

Kontakt aufnehmen …

06 Mrz
Verfälschung von Datenbeständen: Erste Maßnahmen

Ein zunehmender Anteil von Datenbeständen wird manipuliert. In der Regel geschieht dies vor dem Hintergrund wirtschaftlicher Interessen oder um eine andere Straftat zu verdecken. Häufig kann man bereits mit einer Kombination effizienter Verfahren Hinweise auf das Vorliegen von Manipulationen bekommen. Diese ersten Tests würde man in der Medizin das „kleine Blutbild“ nennen.

Es umfasst folgende Komponenten:

Der Physiker Frank Benford hat vor etwa 100 Jahren herausgefunden, dass in unverfälschten Datenbeständen die Häufigkeit des Auftretens der ersten Ziffer einer festen Verteilung folgt. Ein Verstoß gegen diese Verteilung kann bereits ein erster Hinweis auf eine Datenverfälschung sein.

  • Verteilungsanalyse

kaufmännische Daten wie etwa Umsätze sind in der Regel logarithmisch normalverteilt. Es lässt sich leicht überprüfen ob ein Datenbestand dieser Verteilung genügt.

  • Strukturänderungen im Zeitablauf

bei dem Verdacht auf Manipulation werden die Ergebnisse aus einem „unverdächtigen“ Zeitraum mit dem Untersuchungszeitraum verglichen. Bei signifikanten Veränderungen, ohne dass ein inhaltlicher Grund erkennbar ist wie etwa die Änderung im Geschäftsmodell kann dies ein starker Hinweis auf Verfälschungen sein.

Im nächsten Schritt würde dann gegebenenfalls die tiefgreifende forensische Datenanalyse (Fraud Detection) begonnen.

Wikipedia Benfords Gesetz

Kontakt aufnehmen …

Sidebar: