WO2022130650A1 - 分析支援プログラム、分析支援装置、及び分析支援方法 - Google Patents

分析支援プログラム、分析支援装置、及び分析支援方法 Download PDF

Info

Publication number
WO2022130650A1
WO2022130650A1 PCT/JP2021/000135 JP2021000135W WO2022130650A1 WO 2022130650 A1 WO2022130650 A1 WO 2022130650A1 JP 2021000135 W JP2021000135 W JP 2021000135W WO 2022130650 A1 WO2022130650 A1 WO 2022130650A1
Authority
WO
WIPO (PCT)
Prior art keywords
scenario
data
score
analysis
analyzed
Prior art date
Application number
PCT/JP2021/000135
Other languages
English (en)
French (fr)
Inventor
拓己 末重
佳奈 西田
ジテンドラ ガンビール
Original Assignee
株式会社KPMG Ignition Tokyo
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社KPMG Ignition Tokyo filed Critical 株式会社KPMG Ignition Tokyo
Publication of WO2022130650A1 publication Critical patent/WO2022130650A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes

Definitions

  • the disclosure of this specification relates to an analysis support program, an analysis support device, and an analysis support method.
  • the disclosure of this specification more specifically relates to an analysis support program, an analysis support device, and an analysis support method that support efficient detection of fraud in the audit of financial statements.
  • the auditor is responsible for obtaining reasonable assurance that the financial statements of the audited company are free of material misstatements.
  • a company's financial statements may contain misstatements based on fraud or error.
  • Several techniques have been proposed to efficiently detect fraud and errors in financial statements from accounting data. For example, Japanese Patent Application Laid-Open No. 2020-140668 describes an analyzer that assigns a score indicating the probability of fraud or error to each journal data based on the analysis logic and outputs analysis result data including this score. There is.
  • the score indicating the probability of fraud or error given in the journal data unit can be an index showing the degree of validity of each journal data, but the score given in the journal data unit can be used for financial statements, corporate activities, etc. No insight is available to identify what fraud or error has occurred from a more macro perspective. Therefore, even if analysis result data including scores for each journal data is obtained, in order to verify what kind of fraud or error occurred from a macroscopic point of view, a skilled auditor belongs to the person. I have to rely on my insight.
  • journal data to be analyzed in one accounting period is often enormous. Therefore, even if points are given for each journal data, there is a possibility that the journal data with a high probability of fraud or error cannot be narrowed down to an appropriate amount. That is, a large amount of high-scoring journal data may be generated, and the journal test may not be performed efficiently.
  • One of the objects of the invention disclosed in the present specification is to provide a new analysis support program, analysis support device, and analysis support method that support the detection of fraud in accounting audits by analyzing accounting data.
  • One or more embodiments of the present invention relate to an analysis support program to support the analysis of accounting data.
  • the analysis support program has a function of causing a user device to display a screen for accepting selection of an analysis target scenario from a plurality of scenarios by one or a plurality of processors, and the plurality of scenarios. For each, of the scenario scores calculated based on the accounting data to be analyzed so as to indicate the probability of occurrence of fraud associated with each scenario among one or more types of fraud, the scenario to be analyzed corresponds to the scenario to be analyzed.
  • the function of displaying the analysis target score on the user device is executed.
  • the first scenario of the plurality of scenarios is associated with the first fraud of the one or more types of fraud.
  • the second scenario of the plurality of scenarios is associated with the second fraud of the one or more types of fraud.
  • the third scenario of the plurality of scenarios is associated with the first of the one or more signs that may appear in the accounting data due to the first fraud.
  • the fourth scenario of the plurality of scenarios is associated with the second of the one or more signs that may appear in the accounting data due to the first fraud.
  • the scenario score is calculated for each of at least a portion of the data items contained in the accounting data to be analyzed for each of the plurality of scenarios. ..
  • the analysis support program causes the one or more processors to execute a function of accepting selection of an analysis target data item from the plurality of data items.
  • the analysis target score includes a scenario score calculated for each data value included in the analysis target data item among the plurality of scenario scores.
  • the one or more processors have the scenario score for each of the plurality of scenarios among the plurality of data items included in the accounting data to be analyzed.
  • the function of displaying the necessary data items necessary for the calculation on the user device in a manner distinguishable from other data items is executed.
  • the analysis support program allows the one or more processors to use the analysis target data for each of the plurality of scenarios among the plurality of data items included in the analysis target accounting data.
  • the function of displaying the data item that can be selected as an item on the user device in a manner that can be distinguished from other data items is executed.
  • the analysis support program causes the one or more processors to execute a function of generating accounting data to be analyzed based on detailed data received from the user apparatus.
  • a score calculation logic is associated with each of the plurality of scenarios, and the scenario score of each of the plurality of scenarios is associated with the score calculation logic associated with each scenario. Calculated based on.
  • a score calculation model is associated with each of the plurality of scenarios, and the scenario score of each of the plurality of scenarios is associated with the score calculation model associated with each scenario. Calculated based on.
  • the score calculation model for each of the plurality of scenarios is constructed based on the teacher data prepared for each scenario.
  • the analysis support program has a function of causing a user device to display a screen for accepting selection of an analysis target scenario from a plurality of scenarios by one or a plurality of processors, and the analysis target scenario.
  • a scenario score calculated from the accounting data to be analyzed so as to indicate the probability of occurrence of the corresponding fraud, and for each data value of at least a part of the plurality of data items included in the accounting data to be analyzed.
  • the function of displaying the calculated scenario score on the user device and the function of displaying the calculated scenario score are executed.
  • the analysis support program has a function of accepting the selection of an analysis target data item from the plurality of data items by the one or a plurality of processors, and a data value of the analysis target data item.
  • the function of updating the display on the user device so that the scenario score calculated for each is displayed is executed.
  • the analysis support device has a storage unit for storing accounting data to be analyzed and one of one or more types of fraud based on the accounting data to be analyzed. For each of the plurality of scenarios associated with one, a score calculation unit for calculating a scenario score indicating the probability of occurrence of fraud associated with each scenario is provided.
  • One or more embodiments of the present invention relate to an analysis support method that assists the analysis of accounting data by one or more processors executing computer-readable instructions.
  • the analysis support method includes a step of displaying a screen for accepting selection of an analysis target scenario from a plurality of scenarios on a user apparatus, and one or a plurality of each of the plurality of scenarios.
  • the analysis target score corresponding to the analysis target scenario is the user device. It is provided with a process of displaying on.
  • the analysis support method includes a step of displaying a screen for accepting selection of an analysis target scenario from a plurality of scenarios on a user device, and a probability of occurrence of fraud corresponding to the analysis target scenario. It is a scenario score calculated from the accounting data to be analyzed so as to represent, and the scenario score calculated for at least a part of the data values of the plurality of data items included in the accounting data to be analyzed is described above. It includes a process of displaying on a user device.
  • the analysis support system 1 includes a user device 10 and a server 20.
  • the analysis support system 1 may include the storage 30 as shown in the figure.
  • the user device 10, the server 20, and the storage 30 are communicably connected to each other via the network 40.
  • the network 40 may be a single network, or may be configured by connecting a plurality of networks.
  • the network 40 is, for example, the Internet, a mobile communication network, and a combination thereof. As the network 40, any network that enables communication between electronic devices can be applied.
  • the analysis support system 1 shown in FIG. 1 is an example of a system to which the present invention can be applied, and the system to which the present invention can be applied is not limited to the system shown in FIG.
  • the analysis support system 1 to which the present invention can be applied does not have to include some of the components shown in the figure.
  • the analysis support system 1 does not have to include the storage 30.
  • the analysis support system 1 may include components (not shown).
  • the analysis support system 1 can include any number of two or more user devices 10.
  • the analysis support system 1 analyzes the accounting data to be analyzed for each of the plurality of scenarios related to fraud or error in the financial statements, as will be described in detail later. Each of the scenarios is associated with different types of fraud or error.
  • a score indicating the probability of occurrence of fraud or error corresponding to the scenario is calculated from the accounting data to be analyzed for each of the plurality of scenarios. Since this score is calculated for each scenario, it is sometimes referred to as a "scenario score" herein.
  • the scenario score is calculated, for example, in the server 20, and the calculated scenario score is output, for example, in the user device 10.
  • the output in the user device 10 is performed, for example, by displaying on a display.
  • the server 20 is an example of an embodiment of the "analysis support device" in the claims.
  • the user of the user device 10 is assumed to be an auditor or an assistant thereof. Auditors can get suggestions on what kind of fraud or error is in the accounting of the audited company based on the scenario score calculated for each scenario, making fraud and error detection more efficient. And can be done comprehensively.
  • "fraud” and "error” are distinguished by whether or not the act that causes the misstatement of financial statements is intentional.
  • “injustice” and “error” are collectively referred to as “injustice” for the sake of brevity of explanation, unless it is necessary to distinguish them in context. Therefore, the term “injustice” in the present specification can be construed to include “error” in audit practice.
  • Fraud that causes misstatement of financial statements analyzed by analysis support system 1 includes fictitious sales, misappropriation, diversion, profit manipulation, loss concealment, bribery, inflated expenses, non-recording of sales, push-in sales, and other than the above. It may include various types of fraud known in audit practice and may include types of fraud that are not known at this time. When a fraud that causes a misstatement of financial statements is committed, the accounting data may show signs that the fraud may have been committed. Signs of possible fraud vary depending on the type of fraud. For example, the regularity of transaction dates and the concentration of transactions on specific dates are considered to indicate the possibility of fictitious sales. Therefore, the regularity of transaction dates and the concentration of transaction dates on specific dates can be a sign that "fictitious sales" appear in accounting data.
  • the scenario used in the analysis support system 1 is created based on the knowledge and experience of a skilled auditor.
  • This scenario includes a general scenario for detecting various frauds that cause misstatement of financial statements (hereinafter, may be referred to as "general type scenario") and fraud for each type of fraud. It may include a symptom-specific scenario (hereinafter, may be referred to as a “symptom-specific scenario”) for detecting various signs appearing in the accounting data when the above is performed.
  • a symptom-specific scenario for a fraud corresponds to a characteristic movement, or symptom, of accounting data that indicates the possibility of the fraud.
  • the analysis support system 1 detects, for example, a general scenario for detecting fictitious sales, a general scenario for detecting loss concealment, and fraud other than the above. For each of the various general-type scenarios of, it is possible to calculate a scenario score that indicates the probability of occurrence of fraud corresponding to each scenario. In one or more embodiments of the present invention, the analysis support system 1 analyzes a sign-specific scenario that detects the regularity of a trading day in relation to fictitious sales, or analyzes the date of a transaction in relation to fictitious sales.
  • a scenario score indicating the probability of occurrence of fraud corresponding to each scenario can be calculated.
  • the analysis support system 1 can use one or both of the general scenario and the symptom-specific scenario to calculate the scenario score.
  • both may be collectively referred to as a “scenario”.
  • scenario when it is not necessary to distinguish between a general-type scenario and a symptom-specific scenario, both may be collectively referred to as a “scenario”.
  • scenario when it is not necessary to distinguish between a general-type scenario and a symptom-specific scenario, both may be collectively referred to as a “scenario”.
  • scenario when it is not necessary to distinguish between a general-type scenario and a symptom-specific scenario, both may be collectively referred to as a “scenario”.
  • scenario when it is not necessary to distinguish between a general-type scenario and a symptom-specific scenario, both may be collectively referred to as a “scenario”.
  • scenario when it is not necessary to distinguish between
  • the auditor selects an analysis target scenario to be analyzed from a plurality of scenarios in the user apparatus 10 when auditing the financial statements of a certain company, the auditor has a scenario score calculated for each scenario in the server 20.
  • the analysis target score corresponding to the analysis target scenario is output in the user device 10.
  • the score calculation logic for calculating the scenario score which is an index showing the probability of fraud, can be individually determined for each of a plurality of scenarios. Therefore, the scenario score can be calculated according to different logic for each scenario.
  • the score calculation logic outputs a scenario score with at least a part of the accounting data to be analyzed as a variable.
  • the auditor can grasp the probability that fraud has occurred for each scenario based on the scenario score output from the user device 10. That is, the auditor can gain direct or indirect insights to identify what form of fraud has been committed from the scenario score calculated for each scenario. Therefore, the auditor can efficiently investigate and verify whether or not the fraud indicated by the scenario has actually been performed according to the scenario score for each scenario. Alternatively, the auditor can select multiple scenarios and consider the output scenario scores together to detect more advanced or complicated fraud.
  • the scenario score is calculated based on the score calculation logic specialized for each scenario. Since the scenario score is calculated based on the score calculation logic specialized for each scenario, it is better than the index indicating the probability of fraud calculated collectively (without specifying the scenario) for the entire accounting data to be analyzed. It can accurately represent the probability of fraud.
  • the fraud scenario set in the analysis support system 1 can be determined based on the audit practice. For example, as described above, the scenario of the analysis support system 1 is created by a skilled auditor. In the analysis support system 1, a desired scenario can be selected from the scenarios set based on the experience and achievements of fraud detection, and the score can be calculated. Therefore, even an inexperienced user can detect fraud with high accuracy. In addition, when fraud by a new method occurs, a new scenario corresponding to the fraud can be created. Specifically, based on the accounting data related to the newly generated fraud case, a score calculation logic for calculating a scenario score indicating the probability that the new type of fraud has occurred can be defined. ..
  • a score calculation model constructed by machine learning may be used instead of the score calculation logic or in addition to the score calculation logic.
  • scenario A fraud a certain kind of fraud
  • the accounting data related to the scenario A fraud is learned as teacher data to make the scenario A fraud.
  • the corresponding score calculation model can be constructed.
  • the score calculation logic for each scenario used in the analysis support system 1 is determined for each type of fraud or a predetermined type of sign of fraud, but it is not necessary to set individual elements for each company. In this way, in the analysis support system 1, it is possible to expand the scenario in which the scenario score can be calculated by adding the scenario according to the type of fraud or the type of sign, and it is individual for each company at the time of the expansion. It is excellent in expandability because it is not necessary to consider the circumstances of. Therefore, when a new fraudulent method is discovered, by defining a score calculation logic or a score calculation model for calculating the probability of the new fraud, the new fraud can be done without customization for each individual company. It is possible to calculate the scenario score corresponding to fraud. As described above, the analysis support system 1 has excellent responsiveness to new fraudulent methods.
  • sales detail data 25a related to sales and purchase detail data 25b related to purchase can be adopted as accounting data to be analyzed. It is practically difficult to falsify these data because there is a high possibility that they will be discovered even if they are falsified because the data corresponding to the company of the trading partner remains. Therefore, it is difficult to conceal the characteristics and signs of fraud by falsifying the data itself. Since the analysis support system 1 handles such data that is difficult to falsify, it is easier to capture the characteristics and signs of fraud.
  • the accounting data handled by the analysis support system 1 is not limited to the data corresponding to the trading partner, and any data related to the accounting of the company, when the auditor audits the accounting of the company, the relevant company It may include any data requested for submission, as well as other accounting data.
  • the sign-specific scenarios for detecting the signs of predetermined fraud in the financial statement audit various ones can be assumed from the audit practice so far.
  • a symptom-specific scenario of "regular trading days” is assumed.
  • fictitious sales may be recorded every three months (that is, quarterly) in order to window-dress sales in the quarterly settlement. Therefore, the analysis support system 1 can adopt "regular trading days" as one of the sign-specialized scenarios related to fictitious transactions.
  • the analysis support system 1 can calculate the scenario score of the accounting data to be analyzed by using the score calculation logic or the score calculation model corresponding to the scenario of this “regular transaction date”.
  • the calculation of the scenario score in this scenario is a comparison of the transaction interval recorded in the sales statement data provided by the company or that can be calculated from the sales statement data and the transaction interval assuming that the transaction was performed randomly.
  • a score calculation logic is used to quantify the degree of regularity. The higher the scenario score calculated by this score calculation logic, the more likely it is that the accounting data to be analyzed contains fraud corresponding to this "regular trading date", that is, fraud such as recording fictitious sales. show. Therefore, the auditor can investigate whether fictitious sales are actually recorded based on the scenario score for this scenario.
  • scenario score calculated by the analysis support system 1 is calculated for each scenario, it is probable that the user of the user apparatus 10 has performed any form of fraud based on the scenario score for each scenario. It is possible to grasp whether the value is high and try to find the fraud after assuming the mode of fraud according to this scenario score.
  • the scenario score may be calculated for each data item in more detail. Since it is assumed that the accounting data to be analyzed includes a large number of data items, the analysis support system 1 is included in a specific data item among a plurality of data items included in the accounting data to be analyzed. A scenario score may be calculated for each data value. For example, if the accounting data to be analyzed contains data values for data items such as "recording date”, “product”, “department”, “account”, and "person in charge”, then certain data of these data items. A scenario score may be calculated for each item.
  • the scenario score may be calculated individually for each of "C”.
  • the scenario score is calculated using only the data related to "department A” among all the accounting data to be analyzed. In this way, by calculating the scenario score for each data item included in a specific data item among the accounting data to be analyzed, the calculated scenario score provides more detailed insight into the fraud that is likely to occur. It becomes.
  • the scenario score for a certain scenario is calculated in the data unit included in the data item of "department” in the accounting data to be analyzed
  • the user of the user apparatus 10 is fraudulently associated with the scenario. It is possible to grasp the probability that this has occurred for each data value included in the data item "department”. More specifically, the scenario score calculated for "department A” for scenario A is larger than the scenario score calculated for "department B” and the scenario score calculated for "department C” for scenario A. If so, in addition to the insight that the fraud corresponding to the scenario A (for example, the recording of fictitious sales) is highly probable, it is possible to obtain the insight that the fraud is likely to be committed in "Department A”. ..
  • the auditor can carefully investigate whether there was any fictitious sales in department A, while omitting the investigation of fraud related to scenario A in department B and department C to the extent permitted in audit practice. Can be done.
  • fraud investigation can be performed more efficiently based on the scenario score segmented for each data item.
  • the user device 10 is a personal computer (PC), a tablet terminal, a smartphone, or various information processing devices other than these.
  • the user apparatus 10 includes a processor 11, a memory 12, a user interface 13, a communication interface 14, and a storage 15.
  • the processor 11 is an arithmetic unit that loads an operating system and various other programs from the storage 15 or other storage into the memory 12 and executes instructions included in the loaded program.
  • the processor 11 is, for example, a CPU, an MPU, a DSP, a GPU, various arithmetic units other than these, or a combination thereof.
  • the processor 11 may be realized by an integrated circuit such as an ASIC, PLD, FPGA, MCU or the like.
  • the memory 12 is used to store instructions executed by the processor 11 and various other data.
  • the memory 12 is a main storage device (main memory) that the processor 11 can access at high speed.
  • the memory 12 is composed of, for example, a RAM such as a DRAM or an SRAM.
  • the user interface 13 includes an input interface that accepts user input and an output interface that outputs various information under the control of the processor 11.
  • the input interface is, for example, a pointing device such as a keyboard or a mouse, a touch panel, or any information input device capable of inputting input from a user other than the above.
  • the output interface is, for example, a liquid crystal display, a display panel, or any information output device capable of outputting the calculation result of the processor 11 other than the above.
  • the communication interface 14 is implemented as hardware, firmware, communication software such as a TCP / IP driver or PPP driver, or a combination thereof.
  • the user device 10 can send and receive data to and from other devices such as the server 20 via the communication interface 14.
  • the storage 15 is an external storage device accessed by the processor 11.
  • the storage 15 is, for example, a magnetic disk, an optical disk, a semiconductor memory, or various storage devices other than those capable of storing data.
  • the server 20 includes a processor 21, a memory 22, a user interface 23, a communication interface 24, and a storage 25.
  • the processor 21 is an arithmetic unit that loads an operating system and various other programs into the memory 22 and executes instructions included in the loaded programs.
  • the description of the processor 11 also applies to the processor 21, and the description of the memory 12 also applies to the memory 22.
  • the user interface 23 includes an input interface that accepts the input of the operator of the server 20, and an output interface that outputs various information under the control of the processor 21.
  • the communication interface 24 is implemented as hardware, firmware, communication software such as a TCP / IP driver or PPP driver, or a combination thereof.
  • the server 20 can send and receive data to and from other devices via the communication interface 22.
  • the storage 25 is an external storage device accessed by the processor 21.
  • the storage 25 is, for example, a magnetic disk, an optical disk, a semiconductor memory, or various storage devices other than those capable of storing data.
  • the storage 25 may store sales detail data 25a, purchase detail data 25b, scenario data 25c, and score data 25d. Details of these data will be described later.
  • various data that can be stored in the storage 15 may be stored in a storage (for example, storage 25 or storage 30) or a database server that is physically separate from the user device 10.
  • various data that can be stored in the storage 25 may be stored in a storage (for example, storage 15 or storage 30) or a database server that is physically separate from the server 20.
  • the storage 15 and the storage 25 are each shown as a single unit, but at least one of the storages 15 and 25 may be a collection of a plurality of physically separate storages. good.
  • the data stored in the storage 15 and the data stored in the storage 25 may be stored in a single storage or may be distributed and stored in a plurality of storages.
  • the term “storage” may refer to either a single storage or a collection of multiple storages, as is permitted in the context.
  • the processor 11 of the user apparatus 10 functions as a data transmission unit 11a, a scenario selection unit 11b, a data item selection unit 11c, and an analysis result display unit 11d by executing an instruction included in a predetermined program.
  • the program described as being executed by the processor 11 or the instructions contained in the program may be executed by a single computer processor or may be executed by a plurality of computer processors in a distributed manner. good. Further, the program executed by the processor 11 or the instructions included in the program may be distributed and executed by a plurality of virtual computer processors. At least a part of the various functions described as the functions realized by the processor 11 in the present specification may be realized by a processor other than the processor 11.
  • At least a part of the functions realized by the processor 11 is a processor other than the processor 11 of the user apparatus 10, or a processor possessed by the apparatus provided in the analysis support system 1 other than the user apparatus 10 (for example, the processor 21 or other). It may be realized by the processor of.
  • the data transmission unit 11a transmits detailed data regarding transactions and purchases of the audited company to the server 20.
  • the detailed data may be data received by the auditor from the company to be audited.
  • the line item data can include, for example, records of sales, purchases, financial activities of the company in one accounting period, and various data that other auditors consider for financial statement audits.
  • the detailed data is, for example, tabular data.
  • the analysis support system 1 can assume various fraud scenarios and calculate a scenario score indicating the probability of fraud for each of these various scenarios.
  • the scenario score may be calculated in the data unit of the data item included in the accounting data to be analyzed (in the above example, in the data unit such as "department A" included in the data item "department”).
  • the scenario selection unit 11b may display the scenario selection screen for accepting the selection of the analysis target scenario to be analyzed from the plurality of scenarios registered in the analysis support system 1 on the display of the user device 10. can.
  • the scenario selection screen may display user-selectable scenario options.
  • the user apparatus 10 can urge the user to select an analysis target scenario to be analyzed from a plurality of scenario options included in the scenario selection screen.
  • the data item selection unit 11c displays a data item selection screen for accepting the selection of the data item to be analyzed from the data items included in the accounting data analyzed by the server 20 on the display of the user apparatus 10. , You can encourage the user to select the data item to be analyzed that should be analyzed. The choices of the analysis target data items to be analyzed may be displayed together with the scenario choices on the scenario selection screen.
  • Figure 2 shows an example of the scenario selection screen.
  • the scenario selection screen 110 includes a scenario selection area 111 in which scenario options are displayed, and a user interface element 112 that accepts selection of analysis target data items.
  • two symptom-specific scenarios (“regular trading dates” and “trading focused on specific dates”) are user interface elements (illustrated). In the example, it is displayed with a check box.). The user can select a scenario by checking one or more check boxes corresponding to the desired scenario.
  • the scenario shown in FIG. 2 is an example, and various scenarios other than those shown in the figure are assumed. Two or more analysis target scenarios may be selected.
  • the general type scenario is selected.
  • User interface elements may be displayed.
  • the user interface element for selecting the general scenario of "fictitious sales” selects "regular transaction dates” and "transactions concentrated on a specific date”. It may be displayed in addition to or in place of user interface elements.
  • the user interface element 112 is a drum roll type user interface element, and by operating on the user interface element, any one of the data items included in the accounting data to be analyzed is analyzed. It can be selected as a data item.
  • “department” is selected as the data item to be analyzed.
  • the data item to be analyzed in addition to the "department", "business partner", “person in charge”, “product”, or various data items other than the above can be selected. Two or more data items to be analyzed may be selected.
  • the decision button 113 described as "execute scenario” can be selected to specify the selected analysis target scenario.
  • the data item-specific data for specifying the scenario-specific data and the data item to be analyzed is notified to the server 20.
  • the user interface element 112 may be configured to accept the selection of a plurality of data items to be analyzed. When multiple analysis target data items are selected, for example, a more advanced usage such as calculating a scenario score for each scenario for a transaction of a specific product of a specific customer (for example, a customer) becomes possible. ..
  • the analysis result display unit 11d receives the scenario score corresponding to the scenario to be analyzed from the server 20, and displays the score display screen including the received scenario score on the display of the user device 10.
  • the score display screen may include a scenario score calculated for each data value included in the analysis target data item.
  • An example of the score display screen is shown in FIG. In FIG. 3, it is assumed that two scenarios, "regular transaction date” and “transaction concentrated on a specific date", are selected as the analysis target scenario, and "department" is selected as the analysis target data item. There is.
  • the scenario score of "department A” is higher than the scenario score of other departments for both "regular transaction dates” and "transactions concentrated on a specific date”. Therefore, the user of the user device 10 can obtain the insight that it is highly probable that the fictitious sales are recorded in the "department A" based on the scenario score included in the score display screen 120.
  • the scenario scores may be shown in a table format, and the data may be displayed in a ranking format in descending order of the scenario scores in this table.
  • the scenario score may be graphically displayed in a graph format such as a scatter plot in addition to the tabular format or instead of the tabular format.
  • FIGS. 2 and 3 are only one specific example for realizing the present invention, and the scenario selection screen 110 and the score display screen 120 applicable to the present invention are illustrated. Not limited to things.
  • the scenario selection screen 110 of FIG. 2 may not be configured to select the analysis target data item
  • the score display screen 120 of FIG. 3 may be configured to select the analysis target data item.
  • the score display screen 120 that is first displayed after selecting a scenario may include a scenario score calculated for each data value included in the analysis target data item (for example, "department") set as the default.
  • the scenario score may be displayed without being associated with the data item to be analyzed.
  • the score display screen 120 may include a user interface element similar to the user interface element 112.
  • the user of the user apparatus 10 can select any one of the data items included in the accounting data to be analyzed as the data item to be analyzed by using the user interface element included in the score display screen 120.
  • the analysis result display unit 11d can accept the selection of the analysis target data item from the plurality of data items on the score display screen 120.
  • the analysis result display unit 11d is a scenario score calculated for each data value (for example, “customer A”, “customer B”, etc.) of the newly selected analysis target data item (for example, “customer”). Is updated so that the display of the score display screen 120 is displayed.
  • the processor 21 of the server 20 executes an instruction included in a predetermined program to execute a data reception unit 21a, a mapping unit 21b, an analysis unit 21c, a scenario reception unit 21d, a data item reception unit 21e, and an analysis result output unit 21f.
  • the program described as being executed by the processor 21 or the instructions contained in the program may be executed by a single computer processor or may be executed by a plurality of computer processors in a distributed manner. good. Further, the program executed by the processor 21 or the instructions included in the program may be distributed and executed by a plurality of virtual computer processors.
  • At least a part of the various functions described as the functions realized by the processor 21 in the present specification may be realized by a processor other than the processor 21.
  • At least a part of the functions realized by the processor 21 is a processor other than the processor 21 of the server 20 or a processor included in the device provided in the analysis support system 1 other than the server 20 (for example, the processor 11 or another processor). ) May be realized.
  • the data receiving unit 21a receives the detailed data transmitted from the user device 10.
  • the detailed data is, for example, detailed data transmitted by the data transmission unit 11a of the user apparatus 10.
  • the mapping unit 21b performs a mapping process of associating the data items of the detailed data received by the data receiving unit 21a with the data items suitable for processing on the server 20.
  • the server 20 can calculate the scenario score and perform other processing using the sales detail data shown in FIG. 4 and the purchase detail data shown in FIG.
  • the mapping unit 21b associates each of the data items of the detailed data regarding the transaction and the purchase of the audited company with the data items of the sales detailed data call purchase detailed data shown in FIGS. 4 and 5.
  • the detail data mapped by the mapping unit 21b is stored in the storage 25 as sales detail data 25a and purchase detail data 25b.
  • the sales details data 25a and the purchase details data 25b will be described with reference to FIGS. 4 and 5.
  • the sales detail data 25a is a data set showing the details of sales of the audit target company generated by the mapping unit 21b based on the detail data received from the user apparatus 10.
  • the sales detail data 25a has the identification number (sales ID) that uniquely identifies each record, the "recording date”, the "transaction amount”, the “transaction volume”, and the "gross profit”.
  • "Business partner”, “Product”, “Department”, “Sales person”, and “Shipment date” are data sets associated with the data values of each data item.
  • the data value of each item may be numerical data or text data.
  • the purchase detail data is data indicating the purchase details of the audit target company generated by the mapping unit 21b based on the detail data received from the user apparatus 10.
  • the purchase details data 25b has an identification number (purchase ID) that uniquely identifies each record, as well as a “purchase date”, a “transaction amount”, and a “transaction volume”. It is a data set in which the data values of each data item of "product", "supplier”, “department”, and "sales person" are associated with each other.
  • the sales detail data 25a shown in FIG. 4 and the purchase detail data 25b shown in FIG. 5 are examples, and the sales detail data that can be used in the analysis system 1 are those shown in FIG.
  • the purchase detail data that can be used in the analysis system 1 is not limited to that shown in FIG.
  • the sales detail data 25a may not include a part of the data items shown in FIG. 4, or may include data items not shown in FIG.
  • the purchase details data 25b may not include a part of the data items shown in FIG. 5 or may include data items not shown in FIG.
  • the mapping unit 21b may associate the data item of the detailed data received by the data reception unit 21a with the data item suitable for processing in the server 20 on a rule basis.
  • the detailed data received by the data receiving unit 21a may include mapping information that specifies the correspondence between each data item of the detailed data and the data item of the accounting data to be analyzed.
  • FIG. 6 displays an example of a mapping data input screen for inputting mapping information.
  • the data transmission unit 11a of the user apparatus 10 can specify the data item of the detailed data by analyzing the detailed data before transmitting the detailed data to the server 20. For example, if the detail data is tabular data, the data transmission unit 11a specifies a data item by referring to a row header or a column header of the table.
  • the data transmission unit 11a may display the mapping data input screen 130 on the display of the user apparatus 10 and prompt the user to input the data items in the detailed data to be associated with each of the data items of the accounting data to be analyzed.
  • the mapping data input screen 130 has an input window 131 for inputting data items of detail data corresponding to each of the data items included in the sales detail data 25a, and purchase detail data 25b.
  • the user sets the data item in the detail data to be associated with the "recording date" of the sales detail data 25a in the window 131 associated with "1. Recording date" among the nine windows 131, in the data transmission unit 11a.
  • the data transmission unit 11a may transmit the predefined mapping data indicating the correspondence between the data items to the server 20 together with the detailed data.
  • the mapping data may be generated based on the mappings made by the user in the past.
  • the mapping data input screen 130 includes an automatic mapping button 133 for automatically performing mapping.
  • the automatic mapping button 133 may be activated only when the mapping data has been uploaded to the server 20 and may be selectable by the user.
  • the data items of the detail data and the data items of the accounting data to be analyzed sales detail data 25a and purchase detail data 25b
  • a part or all of the mapping by the automatic mapping may be modified according to the operation from the user.
  • the automatic mapping between the data item of the detail data and the data item of the sales detail data 25a and the data item of the purchase detail data 25b may be performed according to a rule other than the rule of following the mapping performed in the past.
  • each of the data items of the detail data can be associated with the data items of the sales detail data 25a and the purchase detail data 25b.
  • the mapping data input screen 130 may include a scenario information area 134 that displays data items required for calculating a scenario score for each scenario.
  • the scenario information area 134 contains data items necessary for calculating a scenario score for each of the plurality of scenarios among the plurality of data items included in the sales detail data 25a and / or the purchase detail data 25b, and other data. It can be displayed in a manner distinguishable from the item.
  • the scenario information area 134 includes data items that can be selected as analysis target data items for each of the plurality of scenarios among the plurality of data items included in the sales detail data 25a and / or the purchase detail data 25b. It can be displayed in a manner distinguishable from the data item.
  • the data transmission unit 11a may generate a display of the scenario information area 134 with reference to the scenario data 25c described later.
  • the first data item ie, "recording date”
  • the second data item ie, "transaction amount”
  • the 9th data items that is, "shipping date”
  • the data item is displayed so as to be distinguishable from other data items (third to eighth data items).
  • data items that are not analysis target data items but are necessary for score calculation may be referred to as "necessary data items”.
  • Required data items are shown, for example, in red, which is different from other data items.
  • 5th data item ie, "account”
  • 6th data item ie, "commodity”
  • 7th data item ie, "department”
  • 8th data item ie, "responsible" Person
  • a data item that can be selected as an analysis target data item may be referred to as an “analysis target data item candidate”.
  • None of the third data item (ie, "trading volume”) and the fourth data item (ie, "gross profit”) and all data items in the purchase line item are analyzed data items, and the scenario score. Since it is a data item that is not necessary for calculation, it is displayed in blue. In this way, for the scenario of "regular trading day", the required data item (red), the analysis target data item candidate (orange), and the data item that is neither of them (blue) can be distinguished. Displayed in mode. Required data items, candidate data items to be analyzed, and data items other than the above are displayed so as to be distinguishable from other data items by, for example, colors, fonts, or other visually distinguishable methods.
  • the user can grasp the data items necessary for calculating the scenario score in each scenario by referring to the information displayed in the scenario information area 134.
  • the first data item ie, the "account date”
  • the second data item ie, to calculate the scenario score for the "regular trading day” scenario.
  • Transaction amount the data value of the data item of the ninth data item
  • shipment date the data value of the data item of the ninth data item.
  • the scenario information area 134 may display data items required to calculate the scenario score for other scenarios, which required data items are required in the "ruled trading day” scenario above. It may be different from the data item described as.
  • the detailed data is data managed for each company, it may not necessarily include the data items corresponding to the respective data items of the sales detailed data 25a and the purchase detailed data 25b. Or, because the completeness of the data provided by the company to the auditor is insufficient, the data corresponding to a part of the data items included in the sales detail data 25a and the purchase detail data 25b is missing in the detail data. It may be.
  • the user of the user apparatus 10 can confirm whether or not the detailed data includes data items necessary for the scenario to be analyzed. can. Then, if the detailed data does not contain the required data items in the scenario where you are going to perform the analysis, consider using another scenario that has the required data items, or add it to the company. Data can be requested to be submitted.
  • the mapping unit 21b in order to distinguish the data set generated by the mapping unit 21b based on the detailed data provided from the user apparatus 10 from general accounting data, "accounting data to be analyzed” or “accounting target to be analyzed” is used. It is called “accounting data”.
  • the sales detail data 25a and the purchase detail data 25b are included in the accounting data to be analyzed.
  • the accounting data to be analyzed can include data necessary for calculating a scenario score other than the sales detail data 25a and the purchase detail data 25b.
  • the analysis unit 21c calculates the scenario score for each of the plurality of scenarios by analyzing the accounting data to be analyzed using the score calculation logic and / or the score calculation model determined for each scenario.
  • FIG. 7 shows an example of scenario data 25c used by the analysis unit 21c to analyze the accounting data to be analyzed.
  • the scenario data 25c includes "injustice type”, "scenario name”, “necessary data item”, and the scenario identification information that uniquely identifies each of the plurality of scenarios registered in the server 20. It is a data set to which "analysis target data item candidate" and "calculation logic information" are associated.
  • the "type of fraud” associated with the scenario identification information of a certain scenario is data indicating the type of fraud corresponding to the scenario, for example, data indicating the type of fraud for which the probability of occurrence is evaluated by the scenario. Is. In the illustrated example, “fictitious sales” and “loss concealment” are shown as examples of "type of fraud”.
  • the "scenario name” is text data representing the characteristics of the scenario or the name of the scenario.
  • the "scenario name" of a symptom-specific scenario contains text that represents the corresponding symptom.
  • the "scenario name” of a general scenario contains text indicating that it is a general scenario for the corresponding fraud.
  • the scenario identification information "SC001" and “SC002” indicate a symptom-specific scenario, and more specifically, the “scenario name” associated with the scenario identification information "SC001".
  • "Regular transaction date” which is one of the signs that fictitious sales may have been made, is registered in, and the "scenario name” associated with the scenario identification information "SC002" is fictitious.
  • Another sign that a sale may have been made is "transactions focused on a particular date”.
  • the “necessary data item” is data that specifies the data item used for calculating the scenario score among the accounting data to be analyzed.
  • the “analysis target data item candidate” is data that identifies a candidate for the analysis target data item that can be selected by the user.
  • the score calculation logic is logic used for calculating a scenario score, and may be, for example, a program code, a function, a program module, or a combination thereof.
  • "Calculation logic information" for a scenario is information that identifies the score calculation logic used to calculate the scenario score for the scenario (eg, function name) or the score calculation model used to calculate the scenario score. It may be information that specifies (for example, a model name).
  • the scenario information area 134 of the mapping data input screen 130 of FIG. 6 in order to calculate the scenario score based on the scenario of the “regular transaction date”, the “recording date” and the “transaction date” are used.
  • the illustrated scenario data 25c is an example, and the scenario data 25c applicable to the present invention is not limited to the illustrated one.
  • the content registered in the scenario data 25c may be recorded in a form such as a hard code that cannot be added or changed later.
  • the analysis support system 1 may include an interface for the user to newly create the content registered in the scenario data 25c and / or update the predetermined content.
  • the analysis unit 21c may calculate a scenario score for each data included in a specific data item among a plurality of data items included in the accounting data to be analyzed. For example, if the data item "department" among the data items of the sales detail data 25a to be analyzed includes the data of "department A" to "department J", each of the “department A” to “department J”
  • the scenario score may be calculated individually. When an individual scenario score is calculated for "department A”, only the data related to "department A" is used from the entire accounting data to be analyzed (for example, the data value "department” is set to the data value "department”.
  • the scenario score is calculated (using only the data for which "Department A” is set).
  • the scenario score calculated by the analysis unit 21c is stored in the storage 25 as score data 25d.
  • FIG. 8 shows an example of score data 25d.
  • the score data 25d associates the analysis target accounting data identification information for identifying the analysis target accounting data, the scenario identification information for identifying the scenario, the data value of the analysis target data item candidate, and the calculated scenario score. And hold.
  • the analysis target accounting data is obtained from the detailed data by mapping between the data items
  • the analysis unit 21c obtains a scenario score for each data value of the analysis target data item candidate for each scenario registered in the scenario data 25c. It is calculated and the calculated scenario score is stored as score data 25d.
  • the display content of the score display screen 120 of FIG. 3 is determined with reference to the score data 25d.
  • the display content of the score display screen 120 can be changed to the changed analysis target data item by referring to the score data 25d. Can be updated to the corresponding one.
  • all the computable scenario scores are calculated in advance and stored in the score data 25d, so that the user can quickly respond to changes in the data items to be analyzed. can.
  • the scenario score may be calculated for each scenario, not for each data value of the data item candidate to be analyzed. In this case, the score data 25d does not have to hold the data values of the analysis target data item candidates, and the scenario score calculated for each scenario may be displayed on the score display screen 120.
  • the analysis unit 21c calculates the scenario score each time the scenario to be analyzed (and the data item to be analyzed if necessary) is selected, and displays the calculated scenario score on the score display screen 120.
  • FIG. 9 is an explanatory diagram illustrating a specific example of calculating a scenario score for a scenario of “regular trading days”
  • FIG. 10 is a scenario score for a scenario of “transactions concentrated on a specific date”. It is explanatory drawing explaining the specific example of the calculation of.
  • the transaction interval calculated from the accounting data to be analyzed is based on the hypothesis that a transaction with a certain regularity in the transaction date interval has a higher risk of fictitious sales.
  • the scenario score is calculated by comparing with the transaction interval model when fictitious sales are not included.
  • the horizontal axis represents the number of transaction interval days
  • the vertical axis represents the number of transactions for each transaction interval day.
  • Graph 60 shows a distribution model of the number of transactions for each number of transaction interval days, assuming that fictitious sales are not included.
  • the graph 61 extracts the transactions in which the department F is involved from the sales detail data 25a, and shows the distribution of the number of transactions for each transaction interval day calculated based on the data extracted for the department F, and the graph 62. Extracts transactions involving department A from the sales detail data 25a, and shows the distribution of the number of transactions for each transaction interval day calculated based on the data extracted for this department A.
  • the scenario score of department F in the scenario of "regular transaction days" is a graph 61 showing the relationship between the number of transaction interval days and the number of transactions for department F, and a model of the number of transaction interval days and the number of transactions when fictitious sales are not included.
  • the Euclidean distance to the graph 60 showing the above is calculated for each transaction interval day, and the calculated Euclidean distance is added up and normalized to a value in the range of 0 to 1.0.
  • the scenario score of department A in the scenario of "regular trading days” is calculated by calculating the Euclidean distance between the graph 62 for department A and the graph 60 when there is no fictitious sales for each transaction interval day. After adding up the Euclidean distances, the value is normalized to the range of 0 to 1.0.
  • the department A refers to the “regular trading day”.
  • the scenario score for is higher than the scenario score for department F.
  • the same calculation is performed for each of department A to department J.
  • the scenario score may be calculated for each data of the analysis target data item candidate other than the “department”. For example, a scenario score is calculated according to the same score calculation logic for each of the data contained in the data item of "account", the data contained in the data item of "product”, and the data contained in the item of "sales person”. May be good.
  • the scenario score calculated for each data value of a specific data item can more specifically indicate what kind of fraud is likely to have occurred. For example, by calculating the scenario score for each “customer”, it is possible to show the high probability that a specific business partner is involved in fictitious sales. This makes it easier for the audited company to find fictitious transactions in collusion with specific business partners.
  • the scenario score for each "product” By calculating the scenario score for each "product”, it is possible to indicate the high probability that a specific product is used for a fictitious transaction. For example, a method of creating a product for fraudulent transactions is known as an example of fraud so that a fictitious transaction executor and his accomplice can identify the difference from a normal transaction. By calculating the scenario score for each product, it is possible to identify such products for fraudulent transactions. By calculating the scenario score for each "sales person”, it is possible to show the high probability that a specific sales person is involved in a fictitious transaction. Based on the insights gained from the scenario scores thus calculated, the auditor will investigate whether fictitious sales are taking place in specific departments, specific business partners, specific products, and / or. Can be done for a specific sales person. By obtaining such hypotheses or insights, it is expected that the probability of discovering fraud will be increased, and investigations to confirm whether or not fraud has been committed can be efficiently conducted.
  • the score is calculated by comparing the transaction date data excluding the year and month information from the model of the distribution of transaction dates when fictitious sales are not included.
  • the horizontal axis represents transaction date data (integer of “1” to “31”), and the vertical axis represents the number of transactions on each transaction date.
  • the graph 70a is a graph in which the value obtained by dividing the total number of transactions of the department F in the accounting period (1 year) in which the accounting data to be analyzed is recorded by 365 is the value on the vertical axis. That is, the graph 70a shows the average number of transactions per day of the department F in the year in which the accounting data to be analyzed is recorded. Similarly, graph 70b shows the average number of transactions per day for department A in the year in which the accounting data to be analyzed was recorded.
  • the graph 71 is a graph showing the distribution of the number of transactions for each transaction day based on the transactions in which the department F is involved in the sales detail data 25a and the data extracted for the department F, and the graph 72 is the sales.
  • the scenario score of department F in the scenario of "transactions concentrated on a specific date" is the Euclidean distance between the graph 71 showing the relationship between the transaction date and the number of transactions for department F and the graph 70a showing the average number of transactions of department F. It is calculated for each trading day, and the calculated Euclidean distance is added up and normalized to the range of 0 to 1.0.
  • the Euclidean distance between the graph 72 for department A and the graph 70b showing the average number of transactions of department A is calculated for each transaction day.
  • the calculated Euclidean distance is added up, and the value is normalized to the range of 0 to 1.0.
  • the value obtained by normalizing the total Euclidean distance between the graph 72 and the graph 70b is larger than the value obtained by normalizing the total Euclidean distance between the graph 71 and the graph 70a.
  • the scenario score for department A is higher than the scenario score for department F for "transactions concentrated on the date of".
  • the scenario receiving unit 21d specifies which scenario is selected from the plurality of scenarios registered in the server device 20 based on the scenario specifying data that identifies the analysis target scenario transmitted from the user device 10.
  • the data item receiving unit 21e is a data item to be analyzed from all the data items included in the accounting data to be analyzed based on the data item specifying data for specifying the data item to be analyzed transmitted from the user apparatus 10. To identify.
  • the analysis result output unit 21f extracts and extracts from the score data 25d one or more scenario scores corresponding to the analysis target scenario specified by the scenario reception unit 21d and the analysis target data item specified by the data item reception unit 21e.
  • the scenario score is transmitted to the user device 10.
  • step S11 detailed data is transmitted from the user device 10 to the server 20, and the detailed data is received by the server 20.
  • the user apparatus 10 may transmit the detailed data received from the company to be audited to the server 20 as it is, or the data item of the detailed data and the analysis support system 1 on the mapping data input screen 130 shown in FIG. It may be transmitted to the server 20 after specifying the correspondence with the data item to be used.
  • step S12 mapping processing is performed on the detailed data received by the server 20, and accounting data to be analyzed is generated.
  • sales detail data 25a and purchase detail data 25b may be generated based on the detail data.
  • the mapping process in step S12 may be performed by the mapping unit 21b described above.
  • the accounting data to be analyzed may be stored in the storage 25.
  • step S13 based on the accounting data to be analyzed generated in step S12, for each of the plurality of scenarios stored as scenario data 25c, a scenario score indicating the probability that the accounting data to be analyzed has fraud is obtained. It is calculated.
  • the scenario score may be calculated for each data contained in a specific data item among a plurality of data items included in the accounting data to be analyzed. For example, for each of "regular transaction dates” and “transactions concentrated on a specific date", for each data included in the data item of "department” (for each of "department A” to "department J").
  • the scenario score may be calculated individually.
  • the scenario score for these scenarios is also calculated.
  • the scenario score can be calculated individually for data items other than "department”. The calculation of the scenario score is performed, for example, in the analysis unit 21c described above.
  • the scenario score calculated as described above is stored in the storage 25 as score data 25d.
  • step S21 the scenario to be analyzed by the user of the user apparatus 10 is selected as the analysis target scenario.
  • the scenario to be analyzed is selected, for example, on the scenario selection screen 110 shown in FIG. Multiple analysis target scenarios may be selected.
  • step S22 the data item that the user wants to analyze is selected as the data item to be analyzed.
  • the analysis target data item may be selected in response to an operation on the user interface element 112 on the scenario selection screen 110 shown in FIG. Multiple analysis target data items may be selected.
  • the scenario specifying data for specifying the analysis target scenario selected in step S21 and the data item specifying data for specifying the analysis target data item selected in step S22 are stored in the server 20. Will be notified to.
  • step S23 the analysis target scenario specified by the scenario specific data and the scenario score corresponding to the data included in the analysis target data item specified by the data item specific data are extracted from the score data 25d and extracted.
  • the scenario score is transmitted to the user device 10.
  • the extraction of the scenario score and the transmission to the user apparatus 10 are performed by, for example, the analysis result output unit 21f described above.
  • the scenario score transmitted from the server 20 is received by the user device 10, and the received scenario score is displayed on the display of the user device 10 in the form of the score display screen 120 illustrated in FIG. 3, for example.
  • the score display screen 120 is “regular”. For each of "transaction date” and “transaction concentrated on a specific date”, the scenario score calculated for each of "department A” to "department J" is included.
  • the user of the user apparatus 10 wants to analyze the scenario score displayed on the score display screen 120 or the data item requested to be analyzed with respect to the scenario desired to be analyzed based on the calculation result (for example, “mean value”) of the scenario score.
  • the scenario score calculated for each of the data contained in can be reviewed.
  • the user (mainly the auditor) of the user apparatus 10 can efficiently audit the financial statements based on the scenario score displayed on the score display screen 120. For example, in the example shown in FIG. 3, since the scenario score indicating the probability that the fictitious sales have been fraudulent with respect to the department A is displayed high, the fictitious sales are recorded in the transaction involving the department A. You can investigate if there is any.
  • the user of the user apparatus 10 can select a scenario other than "regular transaction date” and "transaction concentrated on a specific date” as an analysis target scenario, and can select a data item other than "department” as an analysis target. It can also be selected as a data item. Also in this case, the scenario score calculated for each analysis target data item for the analysis target scenario is output by the user apparatus 10 by the same method as in FIG.
  • step S21 and step S22 shown in FIG. 12 can be processed in parallel, and step S22 can be executed before step S21.
  • an analysis support system 1 capable of detecting fraud in financial statements based on a scenario relating to fraud or error in financial statements.
  • this analysis support system 1 since the scenario score is calculated from the accounting data to be analyzed, it is possible to efficiently inspect the total amount of transaction data of the target company.
  • the scenario is defined by a skilled auditor who is familiar with fraud detection from the experience so far, and the user of the analysis support system 1 selects the scenario to be analyzed from the scenarios defined as such.
  • the analysis support system 1 processes transaction data based on the selected scenario, calculates and presents a score indicating the probability of fraud for each scenario (for each general scenario and / or for each symptom-specific scenario). .. Further, in the analysis support system 1, the scenario score is calculated by using a score calculation logic and / or a score calculation model different for each scenario. Therefore, the user of the user device 10 (for example, the auditor) can grasp the probability that fraud has occurred for each scenario in the accounting data to be analyzed based on the scenario score output from the user device 10. can. In other words, the auditor gains insights to identify what form of fraud has been committed from the scenario score calculated for each scenario, and efficiently determines whether or not the fraud indicated by that scenario has actually been committed. Can be investigated and verified.
  • the auditor gains insights to identify what form of fraud has been committed from the scenario score calculated for each scenario, and efficiently determines whether or not the fraud indicated by that scenario has actually been committed. Can be investigated and verified.
  • the scenario score is calculated using the score calculation logic and / or the score calculation model specialized for each scenario, so that the entire accounting data to be analyzed is collectively (scenario specified). It is possible to express the probability of fraud with higher accuracy than the calculated index indicating the probability of fraud.
  • a scenario score indicating the probability that the new method is fraudulent is calculated based on the accounting data related to the fraudulent case.
  • Score calculation logic and / or score calculation model can be defined.
  • the analysis system 1 it is possible to expand the scenario in which the scenario score can be calculated by adding the scenario according to the type of fraud, and it is not necessary to consider the individual circumstances for each company when expanding the scenario. It is highly extensible (that is, it does not require customization). Therefore, when a new fraudulent method is discovered, by defining a score calculation logic or a score calculation model for calculating the probability of the new fraud, the new fraud can be done without customization for each individual company. It is possible to calculate the scenario score corresponding to fraud.
  • the scenario score can be displayed by changing the analysis cut.
  • a scenario score is displayed or calculated for each business partner to evaluate fraud and then analyze. It is possible to switch the target data item to a product and display or calculate a scenario score for each product to evaluate fraud. In this way, first, fraudulent evaluation is performed from the perspective of a business partner (for example, from the perspective of colluding with a specific business partner to record fictitious sales), and then from the perspective of a product (for example, for fictitious transactions).
  • the analysis support system 1 can analyze the accounting data from various angles by a simple switching operation of switching the data items to be analyzed, so that the accounting data is highly convenient for the user. Analysis support can be provided, and a scenario score can be calculated not only for each scenario but also for each data item to be analyzed, so that highly accurate analysis results can be provided.
  • the scenario selection screen 110 and / or the score display screen 120 may be configured so that the user can select the type of fraud to be analyzed.
  • the analysis result output unit 21f refers to the scenario data 25c, identifies a scenario corresponding to the type of fraud selected on the scenario selection screen 110 or the score display screen 120, and scores the scenario score of the specified scenario as score data. It is extracted from 25d and transmitted to the user apparatus 10.
  • the score display screen may display an overall score indicating the overall probability of occurrence for each type of fraud selected.
  • the total score may be calculated, for example, by applying predetermined statistical processing (averaging, normalization, etc.) to the scenario score of the scenario corresponding to the corresponding fraud type.
  • predetermined statistical processing averaging, normalization, etc.
  • a scenario score calculated using a general scenario corresponding to the selected fraud type may be displayed.

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Technology Law (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本発明の一又は複数の実施形態による分析支援プログラムは、一又は複数のプロセッサに、複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる機能と、前記複数のシナリオの各々について、一又は複数の種類の不正のうち各シナリオに関連付けられた不正の発生の蓋然性を表すように分析対象の会計データに基づいて算出されたシナリオスコアのうち、前記分析対象シナリオに対応する分析対象スコアを前記ユーザ装置に表示させる機能と、を実行させる。

Description

分析支援プログラム、分析支援装置、及び分析支援方法
　本明細書の開示は、分析支援プログラム、分析支援装置、及び分析支援方法に関する。本明細書の開示は、より具体的には、財務諸表の監査において不正の効率的な発見を支援する分析支援プログラム、分析支援装置、及び分析支援方法に関する。
　監査人は、監査対象の企業の財務諸表に重要な虚偽表示がないことについて合理的な保証を得る責任がある。企業の財務諸表には、不正や誤謬に基づく虚偽表示が含まれる可能性がある。会計データから財務諸表における不正や誤謬を効率良く発見するための技術が幾つか提案されている。例えば、特開２０２０－１４０６６８号公報には、仕訳データの各々に分析ロジックに基づいて不正や誤謬の蓋然性を示す点数を付与し、この点数を含む分析結果データを出力する分析装置が記載されている。
特開２０２０－１４０６６８号公報
　仕訳データ単位で付された不正や誤謬の蓋然性を示す点数は、仕訳データごとの正当性の程度を示す指標となり得るが、仕訳データ単位で付された点数からは、財務諸表や企業活動などのよりマクロな視点でどのような不正や誤謬が発生したかを特定するための洞察は得られない。このため、仕訳データ単位での点数を含む分析結果データが得られたとしても、よりマクロな視点でどのような不正や誤謬が発生したかを検証するためには、熟練した監査人の属人的な洞察力に拠らざるを得ない。
　一会計期間に分析すべき仕訳データは、膨大な量となることが多い。このため、仕訳データ単位で点数が付与されたとしても、不正や誤謬の蓋然性が高い仕訳データを適切な分量に絞り込めない可能性がある。つまり、高点数の仕訳データが大量に発生し、仕訳テストを効率よく行うことができない可能性がある。
　本明細書に開示される発明の目的の一つは、会計データの分析により会計監査における不正の発見を支援する新規の分析支援プログラム、分析支援装置、及び分析支援方法を提供することである。
　本明細書に開示される発明の前記以外の目的は、本明細書全体を参照することにより明らかになる。本明細書に開示される発明は、前記の課題に代えて又は前記の課題に加えて、本明細書の記載から把握される課題を解決するものであってもよい。
　本発明の一又は複数の実施形態は、会計データの分析を支援するための分析支援プログラムに関する。本発明の一又は複数の実施形態による分析支援プログラムは、一又は複数のプロセッサに、複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる機能と、前記複数のシナリオの各々について、一又は複数の種類の不正のうち各シナリオに関連付けられた不正の発生の蓋然性を表すように分析対象の会計データに基づいて算出されたシナリオスコアのうち、前記分析対象シナリオに対応する分析対象スコアを前記ユーザ装置に表示させる機能と、を実行させる。
　本発明の一又は複数の実施形態において、前記複数のシナリオのうちの第１シナリオは、前記一又は複数の種類の不正のうちの第１不正に関連付けられている。
　本発明の一又は複数の実施形態において、前記複数のシナリオのうちの第２シナリオは、前記一又は複数の種類の不正のうちの第２不正に関連付けられている。
　本発明の一又は複数の実施形態において、前記複数のシナリオのうちの第３シナリオは、前記第１不正により会計データに現れうる一又は複数の兆候のうちの第１兆候に関連付けられている。
　本発明の一又は複数の実施形態において、前記複数のシナリオのうちの第４シナリオは、前記第１不正により会計データに現れうる一又は複数の兆候のうちの第２兆候に関連付けられている。
　本発明の一又は複数の実施形態において、前記シナリオスコアは、前記複数のシナリオの各々について前記分析対象の会計データに含まれる複数のデータ項目のうちの少なくとも一部のデータ値ごとに算出される。本発明の一又は複数の実施形態による分析支援プログラムは、前記一又は複数のプロセッサに、前記複数のデータ項目の中から分析対象データ項目の選択を受け付ける機能を実行させる。本発明の一又は複数の実施形態において、前記分析対象スコアは、前記複数のシナリオスコアのうち前記分析対象データ項目に含まれるデータ値ごとに算出されたシナリオスコアを含む。
　本発明の一又は複数の実施形態による分析支援プログラムは、前記一又は複数のプロセッサに、前記分析対象の会計データに含まれる複数のデータ項目のうち、前記複数のシナリオの各々について前記シナリオスコアの算出のために必要な必要データ項目を、その他のデータ項目と区別可能な態様で前記ユーザ装置に表示させる機能を実行させる。
　本発明の一又は複数の実施形態による分析支援プログラムは、前記一又は複数のプロセッサに、前記分析対象の会計データに含まれる複数のデータ項目のうち、前記複数のシナリオの各々について前記分析対象データ項目として選択可能なデータ項目を、その他のデータ項目と区別可能な態様で前記ユーザ装置に表示させる機能を実行させる。
　本発明の一又は複数の実施形態による分析支援プログラムは、前記一又は複数のプロセッサに、前記ユーザ装置から受け付けた明細データに基づいて前記分析対象の会計データを生成する機能を実行させる。
　本発明の一又は複数の実施形態において、前記複数のシナリオの各々についてスコア算出ロジックが関連付けられており、前記複数のシナリオの各々の前記シナリオスコアは、各シナリオに関連付けられた前記スコア算出ロジックに基づいて算出される。
　本発明の一又は複数の実施形態において、前記複数のシナリオの各々についてスコア算出モデルが関連付けられており、前記複数のシナリオの各々の前記シナリオスコアは、各シナリオに関連付けられた前記スコア算出モデルに基づいて算出される。
　本発明の一又は複数の実施形態において、前記複数のシナリオの各々の前記スコア算出モデルは、各シナリオについて準備された教師データに基づいて構築される。
　本発明の一又は複数の実施形態による分析支援プログラムは、一又は複数のプロセッサに、複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる機能と、前記分析対象シナリオに対応する不正の発生の蓋然性を表すように分析対象の会計データから算出されたシナリオスコアであって、前記分析対象の会計データに含まれる複数のデータ項目のうちの少なくとも一部のデータ値ごとに算出されたシナリオスコアを前記ユーザ装置に表示させる機能と、を実行させる。
　本発明の一又は複数の実施形態による分析支援プログラムは、前記一又は複数のプロセッサに、前記複数のデータ項目の中から分析対象データ項目の選択を受け付ける機能と、前記分析対象データ項目のデータ値ごとに算出されたシナリオスコアが表示されるように前記ユーザ装置における表示を更新する機能と、を実行させる。
　本発明の一又は複数の実施形態による分析支援装置は、分析対象の会計データを記憶する記憶部と、前記分析対象の会計データに基づいて、各々が一又は複数の種類の不正のうちの一つに関連付けられた複数のシナリオの各々について、各シナリオに関連付けられた不正の発生の蓋然性を表すシナリオスコアを算出するスコア算出部と、を備える。
　本発明の一又は複数の実施形態は、一又は複数のプロセッサがコンピュータ読み取り可能な命令を実行することにより会計データの分析を支援する分析支援方法に関する。本発明の一又は複数の実施形態による分析支援方法は、複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる工程と、前記複数のシナリオの各々について、一又は複数の種類の不正のうち各シナリオに関連付けられた不正の発生の蓋然性を表すように分析対象の会計データに基づいて算出されたシナリオスコアのうち、前記分析対象シナリオに対応する分析対象スコアを前記ユーザ装置に表示させる工程と、を備える。
　本発明の一又は複数の実施形態による分析支援方法は、複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる工程と、前記分析対象シナリオに対応する不正の発生の蓋然性を表すように分析対象の会計データから算出されたシナリオスコアであって、前記分析対象の会計データに含まれる複数のデータ項目のうちの少なくとも一部のデータ値ごとに算出されたシナリオスコアを前記ユーザ装置に表示させる工程と、を備える。
　本発明の実施形態によれば、会計データにおける不正の発見を支援する新規の分析プログラム、分析装置、及び分析方法を提供することができる。
本発明の一の実施形態による分析支援システムのブロック図である。 シナリオの選択を促すシナリオ選択画面の例を示す模式図である。 スコア表示画面の例を示す模式図である。 図１の分析支援システムにおいて利用される売上明細データの例を示す説明図である。 図１の分析支援システムにおいて利用される仕入明細データの例を示す説明図である。 会計データを図１の分析支援システムで利用できるフォーマットにマッピングする際にユーザ装置に表示される設定画面の例を示す模式図である。 図１の分析支援システムにおいて利用されるシナリオデータの例を示す説明図である。 図１の分析支援システムにおいて利用されるスコアデータの例を示す説明図である。 スコア算出ロジックの一例を説明するための説明図である。 スコア算出ロジックの別の例を説明するための説明図である。 会計データに基づいて不正の蓋然性を表すシナリオスコアを算出する処理の流れを示すフロー図である。 選択されたシナリオに対応するシナリオスコアを出力する処理の流れを説明するフロー図である。
　以下、適宜図面を参照し、本発明の様々な実施形態を説明する。図１に示されているとおり、本発明の一実施形態による分析支援システム１は、ユーザ装置１０と、サーバ２０と、を備える。分析支援システム１は、図示されているようにストレージ３０を備えてもよい。ユーザ装置１０、サーバ２０、及びストレージ３０は、ネットワーク４０を介して互いに通信可能に接続されている。ネットワーク４０は、単一のネットワークであってもよく、複数のネットワークが接続されて構成されていてもよい。ネットワーク４０は、例えば、インターネット、移動通信網、及びこれらの組み合わせである。ネットワーク４０としては、電子機器間の通信を可能とする任意のネットワークが適用され得る。
　図１に示されている分析支援システム１は、本発明を適用可能なシステムの例であり、本発明を適用可能なシステムは、図１に示されたものには限定されない。本発明を適用可能な分析支援システム１は、図示されている構成要素の一部を備えなくてもよい。例えば、分析支援システム１は、ストレージ３０を備えなくともよい。分析支援システム１は、図示されていない構成要素を備えてもよい。例えば、図１には説明の簡略化のためにユーザ装置１０が１台だけ記載されているが、分析支援システム１は、２以上の任意の数のユーザ装置１０を含むことができる。
　分析支援システム１は、詳細については後述するように、財務諸表における不正又は誤謬に関する複数のシナリオの各々について分析対象となる会計データを分析する。複数のシナリオの各々は、互いに異なる種類の不正又は誤謬に関連付けられている。この分析により、分析対象の会計データから、複数のシナリオの各々について、当該シナリオに対応する不正又は誤謬の発生の蓋然性を表すスコアが算出される。このスコアは、シナリオごとに算出されるので、本明細書において「シナリオスコア」と呼ばれることがある。シナリオスコアは、例えばサーバ２０において算出され、算出されたシナリオスコアは例えばユーザ装置１０において出力される。ユーザ装置１０における出力は、例えばディスプレイへの表示によって行われる。サーバ２０は、特許請求の範囲における「分析支援装置」の実施形態の一例である。
　ユーザ装置１０のユーザとしては、監査人又はその補助者が想定されている。監査人は、シナリオごとに算出されたシナリオスコアに基づいて監査対象の企業の会計にどのような種類の不正又は誤謬があるのかについて示唆を得ることができ、不正や誤謬の発見をより効率的及び網羅的に行うことができる。監査実務においては、「不正」と「誤謬」とは、財務諸表の虚偽表示の原因となる行為が意図的か否かによって区別される。本明細書では、文脈上区別する必要がある場合を除き、説明の簡潔さのために「不正」と「誤謬」とをまとめて「不正」と呼ぶ。したがって、本明細書において単に「不正」というときには、監査実務における「誤謬」を含むと解釈することができる。
　分析支援システム１によって分析される財務諸表の虚偽表示の原因となる不正には、架空売上、横領、横流し、利益操作、損失隠蔽、贈収賄、経費水増し、売上不計上、押し込み販売、及び前記以外の監査実務において知られている様々な種類の不正が含まれてもよく、現時点では知られていない種類の不正が含まれてもよい。財務諸表の虚偽表示の原因となる不正が行われると、会計データには、その不正が行われた可能性を示す兆候が現れうる。不正が行われた可能性を示す兆候は、不正の種類に応じて様々である。例えば、取引日に規則性があること、及び、取引が特定の日付に集中していることは、架空売上が行われた可能性を示すと考えられる。このため、取引日に規則性があること及び取引日が特定の日付に集中していることを、「架空売上」により会計データに現れる兆候とすることができる。
　分析支援システム１で使用されるシナリオは、熟練した監査人の知識・経験に基づいて作成される。このシナリオには、財務諸表の虚偽表示の原因となる各種不正を検知するための一般的なシナリオ（以下、「一般型シナリオ」ということがある。）と、不正の種類の各々について、当該不正が行われた場合に会計データに現れる各種兆候を検知するための兆候特化型のシナリオ（以下、「兆候特化型シナリオ」ということがある。）と、が含まれうる。ある不正についての兆候特化型シナリオは、当該不正が行われた可能性を示す会計データの特徴的な動き、すなわち兆候に対応する。本発明の一又は複数の実施形態において、分析支援システム１は、例えば、架空売上を検知するための一般型シナリオ、損失隠蔽を検知するための一般型シナリオ、及び前記以外の不正を検知するための様々な一般型シナリオごとに、各シナリオに対応する不正の発生の蓋然性を表すシナリオスコアを算出することができる。本発明の一又は複数の実施形態において、分析支援システム１は、架空売上に関連して取引日の規則性を検知する兆候特化型シナリオや、架空売上に関連して取引の日付を分析する兆候特化型シナリオ、及び前記以外の不正を検知するための様々な兆候特化型シナリオごとに、各シナリオに対応する不正の発生の蓋然性を表すシナリオスコアを算出することができる。分析支援システム１は、シナリオスコアを算出するために、一般型シナリオ及び兆候特化型シナリオの一方又は両方を用いることができる。本明細書においては、一般型シナリオと兆候特化型シナリオと特に区別する必要がない場合には、両者をまとめて「シナリオ」と呼ぶことがある。ただし、単に「シナリオ」という用語が用いられている場合であっても、文脈上、一般型シナリオ又は兆候特化型シナリオのいずれかの意味に限定して解釈されるべき場合には、「シナリオ」という用語は、その意味に限定して解釈される。監査人は、ある企業の財務諸表監査を行う際に、ユーザ装置１０において複数のシナリオの中から分析対象とすべき分析対象シナリオを選択すると、サーバ２０においてシナリオごとに算出されたシナリオスコアのうち分析対象シナリオに対応する分析対象スコアがユーザ装置１０において出力される。
　不正の蓋然性を表す指標であるシナリオスコアを算出するためのスコア算出ロジックは、複数のシナリオの各々について個別に定められ得る。したがって、シナリオスコアは、シナリオごとに異なるロジックに従って算出され得る。スコア算出ロジックは、分析対象の会計データの少なくとも一部を変数としてシナリオスコアを出力する。監査人は、ユーザ装置１０から出力されるシナリオスコアに基づいて、シナリオごとに不正が発生している蓋然性を把握することができる。つまり、監査人は、シナリオごとに算出されるシナリオスコアから、どのような態様の不正がなされたかを特定するための直接的なまたは間接的な洞察を得ることができる。このため、監査人は、シナリオごとのシナリオスコアに応じて、そのシナリオが示す不正が実際に行われたか否かを効率的に調査及び検証することができる。あるいはまた、監査人は、複数のシナリオを選択し、出力された複数のシナリオスコアを合わせ考えることで、より高度なまたは複雑な不正を見抜くことも可能になる。分析支援システム１によれば、各シナリオに特化したスコア算出ロジックに基づいてシナリオスコアが算出される。シナリオスコアは、各シナリオに特化したスコア算出ロジックに基づいて算出されるため、分析対象の会計データ全体について一括して（シナリオを特定せずに）算出された不正の蓋然性を表す指標よりも正確に不正の蓋然性を表すことができる。
　分析支援システム１において設定される不正のシナリオは、監査実務に基づいて定められ得る。例えば、上述のとおり、分析支援システム１のシナリオは、熟練した監査人によって作成される。分析支援システム１では不正検知の経験や実績に基づき設定されたシナリオのなかから所望のシナリオを選択してスコアを算出できる。したがって、経験の浅いユーザでも確度の高い不正検知が可能となる。また、新たな手口による不正が発生した場合には、その不正に対応するシナリオを新たに作成することができる。具体的には、その新たに発生した不正事案に関連する会計データに基づいて、その新たな種類の不正が発生している蓋然性を表すシナリオスコアを算出するためのスコア算出ロジックを定めることができる。
　シナリオスコアの算出には、スコア算出ロジックに代えて、又は、スコア算出ロジックに加えて機械学習により構築されるスコア算出モデルを利用してもよい。例えば、ある種類の不正（説明の便宜上、「シナリオＡの不正」という。）が発生した際に、そのシナリオＡの不正に関係する会計データを教師データとして学習することにより、シナリオＡの不正に対応するスコア算出モデルを構築することができる。教師データをシナリオごとに準備することで、シナリオごとに選択された教師データに基づいてシナリオごとにスコア算出モデルをトレーニングすることができる。これにより、シナリオごとに最適化されたスコア算出モデルが得られる。
　分析支援システム１において用いられる各シナリオのスコア算出ロジックは、不正の類型または所定の不正の兆候の類型ごとに定められるが、企業ごとに個別の要素を設定する必要がない。このように、分析支援システム１においては、不正の類型または兆候の類型に応じたシナリオを追加することによりシナリオスコアを算出可能なシナリオを拡張することができ、その拡張の際に企業ごとに個別の事情を考慮する必要がないため、拡張性に優れている。このため、新たな不正の手口が発覚した際に、その新たな不正の蓋然性を算出するためのスコア算出ロジック又はスコア算出モデルを定めることにより、個別企業ごとのカスタマイズを行うことなく、その新たな不正に対応するシナリオスコアを算出することができる。このように、分析支援システム１は、新たな不正の手口に対して優れた即応性を有する。
　分析支援システム１においては、後述するように、分析対象の会計データとして、売上に関する売上明細データ２５ａや仕入に関する仕入明細データ２５ｂを採用することができる。これらのデータは、取引相手の企業にも対応するデータが残されているため、改ざんしても発覚する可能性が高いため、改ざんが事実上困難である。したがって、データそのものを改ざんすることによる不正の特徴、兆候の隠蔽も困難である。分析支援システム１は、このような改ざんが困難なデータを扱うので不正の特徴、兆候をより捉えやすい。ただし、分析支援システム１が取り扱う会計データは、取引相手に対応するデータが残されるものには限られず、企業の会計に係る任意のデータ、監査人が企業の会計を監査する際に当該企業に提出を求める任意のデータ、及びこれら以外の会計に関するデータを含むことができる。
　財務諸表監査における所定の不正の兆候を検知するための兆候特化型シナリオについては、これまでの監査実務から様々なものを想定することができる。例えば、架空売上に関して、「規則性のある取引日」という兆候特化型シナリオが想定される。監査実務においては、取引日の間隔に一定の規則性がある取引ほど架空売上のリスクが高いという仮説が成立し得る。例えば、四半期決算の売上を粉飾するために、架空売上の計上が３ヶ月ごと（つまり、四半期ごと）に行われる可能性がある。そこで、分析支援システム１は、「規則性のある取引日」を架空取引に関する兆候特化型シナリオの一つとして採用することができる。分析支援システム１は、この「規則性のある取引日」のシナリオに対応するスコア算出ロジック又はスコア算出モデルを用いて、分析対象となる会計データのシナリオスコアを算出することができる。このシナリオにおけるシナリオスコアの算出には、企業から提供された売上明細データに記録されている又は当該売上明細データから計算できる取引間隔と取引がランダムに行われたと仮定した場合の取引間隔との比較から規則性の度合いを定量化するためのスコア算出ロジックが用いられる。このスコア算出ロジックにより算出されたシナリオスコアが高いほど、分析対象の会計データに、この「規則性のある取引日」に対応する不正、すなわち架空売上の計上という不正が含まれる蓋然性が高いことを示す。このため、監査人は、このシナリオについてのシナリオスコアに基づいて、架空の売上が実際に計上されていないか調査を行うことができる。このように、分析支援システム１により算出されるシナリオスコアはシナリオごとに算出されているから、ユーザ装置１０のユーザは、シナリオごとのシナリオスコアに基づいてどのような態様の不正が行われた蓋然性が高いかを把握し、このシナリオスコアに応じて不正の態様を想定した上で不正の発見に努めることができる。
　シナリオスコアの算出は、より詳細なデータ項目単位で行われてもよい。分析対象の会計データには、多数のデータ項目が含まれることが想定されるため、分析支援システム１は、分析対象の会計データに含まれる複数のデータ項目のうちの特定のデータ項目に含まれるデータ値ごとにシナリオスコアを算出してもよい。例えば、分析対象の会計データが「計上日」、「商品」、「部署」、「取引先」、「担当者」といったデータ項目のデータ値を含む場合、これらのデータ項目のうちの特定のデータ項目ごとにシナリオスコアが算出されてもよい。より具体的には、「部署」というデータ項目に、「部署Ａ」、「部署Ｂ」、「部署Ｃ」というデータ値が含まれる場合、この「部署Ａ」、「部署Ｂ」、及び「部署Ｃ」の各々について個別にシナリオスコアが算出されてもよい。「部署Ａ」について個別のシナリオスコアが算出される場合には、分析対象の会計データ全体のうち、「部署Ａ」に関連するデータのみを用いてシナリオスコアが算出される。このように、分析対象の会計データのうち特定のデータ項目に含まれるデータ単位でシナリオスコアを算出することにより、算出されたシナリオスコアは、発生した蓋然性が高い不正に関するより詳細な洞察を与えるものとなる。例えば、あるシナリオについてのシナリオスコアが分析対象の会計データのうち「部署」のデータ項目に含まれるデータ単位で算出される場合には、ユーザ装置１０のユーザは、当該シナリオに関連付けられている不正が起こった蓋然性を、データ項目「部署」に含まれるデータ値ごとに把握することができる。より具体的には、シナリオＡに関して「部署Ａ」について算出されたシナリオスコアが、シナリオＡに関して「部署Ｂ」について算出されたシナリオスコア及び「部署Ｃ」について算出されたシナリオスコアよりも大きな値であれば、シナリオＡに対応する不正（例えば、架空売上の計上）が行われた蓋然性が高いという洞察に加えて、「部署Ａ」においてその不正がなされた蓋然性が高いという洞察を得ることができる。この場合、監査人は、部署Ａにおいて架空売上がなかったかを入念に調査することができ、他方、部署Ｂ及び部署ＣのシナリオＡに関する不正に関する調査を監査実務において許容される範囲で省略することができる。このように、本発明の一実施形態によれば、データ項目ごとにセグメント化されたシナリオスコアに基づいて、不正の調査をさらに効率的に行うことができる。
　続いて、分析支援システム１の構成要素について説明する。まず、ユーザ装置１０の構成について説明する。ユーザ装置１０は、パーソナルコンピュータ（ＰＣ）、タブレット端末、スマートフォン、またはこれら以外の各種情報処理装置である。図１に示されている実施形態において、ユーザ装置１０は、プロセッサ１１、メモリ１２、ユーザインタフェース１３、通信インタフェース１４、及びストレージ１５を備えている。
　プロセッサ１１は、ストレージ１５又はそれ以外のストレージからオペレーティングシステムやそれ以外の様々なプログラムをメモリ１２にロードし、ロードしたプログラムに含まれる命令を実行する演算装置である。プロセッサ１１は、例えば、ＣＰＵ、ＭＰＵ、ＤＳＰ、ＧＰＵ、これら以外の各種演算装置、又はこれらの組み合わせである。プロセッサ１１は、ＡＳＩＣ、ＰＬＤ、ＦＰＧＡ、ＭＣＵ等の集積回路により実現されてもよい。
　メモリ１２は、プロセッサ１１が実行する命令及びそれ以外の各種データを格納するために用いられる。メモリ１２は、プロセッサ１１が高速にアクセス可能な主記憶装置（メインメモリ）である。メモリ１２は、例えば、ＤＲＡＭやＳＲＡＭ等のＲＡＭによって構成される。
　ユーザインタフェース１３は、ユーザの入力を受け付ける入力インタフェースと、プロセッサ１１の制御により様々な情報を出力する出力インタフェースと、を備える。入力インタフェースは、例えば、キーボード、マウス等のポインティングデバイス、タッチパネル、又は前記以外のユーザの入力を入力可能な任意の情報入力装置である。出力インタフェースは、例えば、液晶ディスプレイ、表示パネル、又は前記以外のプロセッサ１１の演算結果を出力可能な任意の情報出力装置である。
　通信インタフェース１４は、ハードウェア、ファームウェア、又はＴＣＰ／ＩＰドライバやＰＰＰドライバ等の通信用ソフトウェア又はこれらの組み合わせとして実装される。ユーザ装置１０は、通信インタフェース１４を介して、サーバ２０等の他の装置とデータを送受信することができる。
　ストレージ１５は、プロセッサ１１によりアクセスされる外部記憶装置である。ストレージ１５は、例えば、磁気ディスク、光ディスク、半導体メモリ、又はデータを記憶可能な前記以外の各種記憶装置である。
　次に、サーバ２０の構成について説明する。図１に示された実施形態において、サーバ２０は、プロセッサ２１、メモリ２２、ユーザインタフェース２３、通信インタフェース２４、ストレージ２５を備えている。
　プロセッサ２１は、オペレーティングシステムやそれ以外の様々なプログラムをメモリ２２にロードし、ロードしたプログラムに含まれる命令を実行する演算装置である。プロセッサ１１に関する説明は、プロセッサ２１にも当てはまり、メモリ１２に関する説明はメモリ２２にも当てはまる。
　ユーザインタフェース２３は、サーバ２０のオペレータの入力を受け付ける入力インタフェースと、プロセッサ２１の制御により様々な情報を出力する出力インタフェースと、を備える。
　通信インタフェース２４は、ハードウェア、ファームウェア、又はＴＣＰ／ＩＰドライバやＰＰＰドライバ等の通信用ソフトウェア又はこれらの組み合わせとして実装される。サーバ２０は、通信インタフェース２２を介して、他の装置とデータを送受信することができる。
　ストレージ２５は、プロセッサ２１によりアクセスされる外部記憶装置である。ストレージ２５は、例えば、磁気ディスク、光ディスク、半導体メモリ、又はデータを記憶可能な前記以外の各種記憶装置である。ストレージ２５には、売上明細データ２５ａ、仕入明細データ２５ｂ、シナリオデータ２５ｃ、及びスコアデータ２５ｄが記憶され得る。これらのデータの詳細については後述する。
　分析支援システム１において、データの格納場所には特段の制限はない。例えば、ストレージ１５に記憶され得る各種データは、ユーザ装置１０とは物理的に別体のストレージ（例えば、ストレージ２５又はストレージ３０）やデータベースサーバに格納されてもよい。同様に、ストレージ２５に記憶され得る各種データは、サーバ２０とは物理的に別体のストレージ（例えば、ストレージ１５又はストレージ３０）やデータベースサーバに格納されてもよい。図１においては、ストレージ１５及びストレージ２５はそれぞれが単一のユニットとして図示されているが、ストレージ１５、２５の少なくとも一方は、複数の物理的に別体のストレージが集合したものであってもよい。つまり、本明細書において、ストレージ１５に記憶されるデータ及びストレージ２５に記憶されるデータは、単一のストレージに記憶されてもよいし、複数のストレージに分散して記憶されてもよい。また、本明細書及び特許請求の範囲において、単に「ストレージ」という場合には、文脈上許される限り、単一のストレージと複数のストレージの集合のいずれを指し示すこともある。
　続いて、ユーザ装置１０の機能について説明する。ユーザ装置１０のプロセッサ１１は、所定のプログラムに含まれる命令を実行することにより、データ送信部１１ａ、シナリオ選択部１１ｂ、データ項目選択部１１ｃ、及び分析結果表示部１１ｄとして機能する。本明細書において、プロセッサ１１によって実行されるとして説明されるプログラム又は当該プログラムに含まれる命令は、単一のコンピュータプロセッサで実行されてもよいし、複数のコンピュータプロセッサにより分散して実行されてもよい。また、プロセッサ１１によって実行されるプログラム又は当該プログラムに含まれる命令は、複数の仮想コンピュータプロセッサにより分散して実行されてもよい。本明細書においてプロセッサ１１により実現される機能として説明されている各種機能の少なくとも一部は、プロセッサ１１以外のプロセッサにより実現されてもよい。プロセッサ１１により実現される機能の少なくとも一部は、ユーザ装置１０のプロセッサ１１以外のプロセッサ、または、ユーザ装置１０以外の分析支援システム１に備えられた装置が有するプロセッサ（例えば、プロセッサ２１又はそれ以外のプロセッサ）により実現されてもよい。
　上述のとおり、ユーザ装置１０は、監査人によって使用されることが想定されている。データ送信部１１ａは、監査対象の企業の取引や仕入れに関する明細データをサーバ２０に送信する。明細データは、監査人が監査対象の企業から受け取ったデータであってもよい。明細データは、例えば、当該企業の一会計期間における売上げに関する記録、仕入れに関する記録、財務活動に関する記録、及び前記以外の監査人が財務諸表監査のために検討する様々なデータを含むことができる。明細データは、例えば、表形式のデータである。
　上記のとおり、分析支援システム１は、様々な不正のシナリオを想定し、この様々なシナリオごとに不正の蓋然性を表すシナリオスコアを算出することができる。シナリオスコアは、分析対象の会計データに含まれるデータ項目のデータ単位で（上記の例では、「部署」というデータ項目に含まれる「部署Ａ」といったデータ単位で）算出されてもよい。シナリオ選択部１１ｂは、分析支援システム１に登録されている複数のシナリオの中から分析の対象とされる分析対象シナリオの選択を受け付けるためのシナリオ選択画面をユーザ装置１０のディスプレイに表示することができる。シナリオ選択画面には、ユーザが選択可能なシナリオの選択肢が表示されてもよい。これにより、ユーザ装置１０は、シナリオ選択画面に含まれるシナリオの複数の選択肢の中から分析対象とすべき分析対象シナリオを選択するようユーザを促すことができる。また、データ項目選択部１１ｃは、サーバ２０が分析する会計データに含まれるデータ項目の中から、分析対象とするデータ項目の選択を受け付けるためのデータ項目選択画面をユーザ装置１０のディスプレイに表示し、ユーザに分析対象とすべき分析対象データ項目を選択するように促すことができる。分析対象とすべき分析対象データ項目の選択肢は、シナリオ選択画面にシナリオの選択肢とともに表示されてもよい。
　シナリオ選択画面の例を図２に示す。図２に示されているように、シナリオ選択画面１１０は、シナリオの選択肢が表示されるシナリオ選択領域１１１と、分析対象データ項目の選択を受け付けるユーザインタフェース要素１１２と、を含む。図２に示されている例では、シナリオ選択領域１１１に、２つの兆候特化型シナリオ（「規則性のある取引日」及び「特定の日付に集中した取引」）がユーザインタフェース要素（図示の例ではチェックボックスである。）とともに表示されている。ユーザは、所望のシナリオに対応する一又は複数のチェックボックスをチェックすることで、そのシナリオを選択することができる。図２に示されているシナリオは例であり、図示されている以外にも様々なシナリオが想定される。２つ以上の分析対象シナリオが選択されてもよい。シナリオ選択領域１１１には、兆候特化型シナリオを選択するためのユーザインタフェース要素に加えて、又は、兆候特化型シナリオを選択するためのユーザインタフェース要素に代えて、一般型シナリオを選択するためのユーザインタフェース要素が表示されてもよい。例えば、シナリオ選択領域１１１には、「架空売上」の一般型シナリオを選択するためのユーザインタフェース要素が、「規則性のある取引日」及び「特定の日付に集中した取引」を選択するためのユーザインタフェース要素に加えて、又は、これらに代えて表示されてもよい。図示の実施形態において、ユーザインタフェース要素１１２は、ドラムロール式のユーザインタフェース要素であり、このユーザインタフェース要素への操作により、分析対象の会計データに含まれるデータ項目のうちいずれか一つを分析対象データ項目として選択することができる。図示の例では、分析対象データ項目として「部署」が選択されている。分析対象データ項目として、「部署」以外にも、「取引先」、「担当者」、「商品」又は前記以外の様々なデータ項目が選択されうる。分析対象データ項目は２つ以上選択されてもよい。領域１１１において分析対象シナリオが選択され、ユーザインタフェース要素１１２において分析対象データ項目が選択されると、「シナリオを実行」と記載された決定ボタン１１３が選択可能となり、選択された分析対象シナリオを特定するシナリオ特定データ及び分析対象データ項目を特定するデータ項目特定データがサーバ２０に通知される。ユーザインタフェース要素１１２は、複数の分析対象データ項目の選択を受け付けるように構成されてもよい。複数の分析対象データ項目が選択される場合、例えば、特定の取引先（例えば、得意先）の特定の商品の取引についてシナリオごとにシナリオスコアを算出する、というより高度な利用法が可能となる。
　分析結果表示部１１ｄは、サーバ２０から分析対象シナリオに対応するシナリオスコアを受け取り、受け取ったシナリオスコアを含むスコア表示画面をユーザ装置１０のディスプレイに表示する。分析対象データ項目の選択も行われた場合には、スコア表示画面は、分析対象データ項目に含まれるデータ値ごとに算出されたシナリオスコアを含んでもよい。スコア表示画面の例が図３に示されている。図３においては、分析対象シナリオとして「規則性のある取引日」及び「特定の日付に集中した取引」の２つが選択され、分析対象データ項目として「部署」が選択されたことが想定されている。図３のスコア表示画面１２０においては、データ項目「部署」に含まれるデータ値である「部署Ａ」～「部署Ｊ」のそれぞれについて、「規則性のある取引日」及び「特定の日付に集中した取引」の２つのシナリオの各々について算出されたシナリオスコアが表示されている。図示の例では、「部署Ａ」についての「規則性のある取引日」及び「特定の日付に集中した取引」についてのシナリオスコアがそれぞれ「０．４」及び「０．３７」である。また、「部署Ｂ」についての「規則性のある取引日」及び「特定の日付に集中した取引」についてのシナリオスコアがそれぞれ「０．３１」及び「０．２５」である。
　図３の例では、「部署Ａ」のシナリオスコアが「規則性のある取引日」及び「特定の日付に集中した取引」のいずれについても他の部署のシナリオスコアよりも高い値となっているため、ユーザ装置１０のユーザは、このスコア表示画面１２０に含まれるシナリオスコアに基づいて「部署Ａ」において架空売上の計上がなされた蓋然性が高いという洞察を得ることができる。図３に示されているように、スコア表示画面１２０においては、シナリオスコアは表形式で示されてもよく、この表においてシナリオスコアが高い順にデータをランキング形式で表示してもよい。スコア画面１２０においては、表形式に加えて又は表形式に代えてシナリオスコアを散布図等のグラフ形式でグラフィカルに表示してもよい。図３の例では、「規則性のある取引日」のシナリオスコアと「特定の日付に集中した取引」のシナリオスコアとの平均（スコア平均）が最も高い「部署Ａ」が最上位に表示されている。監査人は、この結果に基づいて、部署Ａが関与する取引において架空売上が計上されていないかを調査することができる。
　図２及び図３に示した実施例は、本発明を実現するための具体的な例の一つに過ぎず、本発明に適用可能なシナリオ選択画面１１０及びスコア表示画面１２０は、図示されたものには限定されない。例えば、図２のシナリオ選択画面１１０では分析対象データ項目の選択が行われず、図３のスコア表示画面１２０において分析対象データ項目を選択できるよう構成されてもよい。この場合、シナリオを選択した後に最初に表示されるスコア表示画面１２０は、デフォルトとして設定された分析対象データ項目（例えば、「部署」）に含まれるデータ値ごとに算出されたシナリオスコアを含んでもよいし、分析対象データ項目と関連付けずにシナリオスコアを表示してもよい。スコア表示画面１２０は、ユーザインタフェース要素１１２と同様のユーザインタフェース要素を含んでもよい。ユーザ装置１０のユーザは、このスコア表示画面１２０に含まれるユーザインタフェース要素を用いて、分析対象の会計データに含まれるデータ項目のうちいずれか一つを分析対象データ項目として選択することができ、これにより、分析結果表示部１１ｄは、スコア表示画面１２０において複数のデータ項目の中から分析対象データ項目の選択を受け付けることができる。分析結果表示部１１ｄは、新たに選択された分析対象データ項目（例えば、「取引先」）のデータ値（例えば、「取引先Ａ」、「取引先Ｂ」等）ごとに算出されたシナリオスコアが表示されるようにスコア表示画面１２０の表示を更新する。このように、スコア表示画面１２０で分析対象データ項目の選択を可能とすることにより、分析対象データ項目を変更するためにシナリオ選択画面１１０へ戻る手間を省くことができる。ユーザは、スコア表示画面１２０において分析対象データ項目を随意に変更することができるので、分析対象データ項目を変更しながら多面的な分析をより素早く行うことができる。
　続いて、サーバ２０の機能について説明する。サーバ２０のプロセッサ２１は、所定のプログラムに含まれる命令を実行することにより、データ受付部２１ａ、マッピング部２１ｂ、分析部２１ｃ、シナリオ受付部２１ｄ、データ項目受付部２１ｅ、及び分析結果出力部２１ｆとして機能する。本明細書において、プロセッサ２１によって実行されるとして説明されるプログラム又は当該プログラムに含まれる命令は、単一のコンピュータプロセッサで実行されてもよいし、複数のコンピュータプロセッサにより分散して実行されてもよい。また、プロセッサ２１によって実行されるプログラム又は当該プログラムに含まれる命令は、複数の仮想コンピュータプロセッサにより分散して実行されてもよい。本明細書においてプロセッサ２１により実現される機能として説明されている各種機能の少なくとも一部は、プロセッサ２１以外のプロセッサにより実現されてもよい。プロセッサ２１により実現される機能の少なくとも一部は、サーバ２０のプロセッサ２１以外のプロセッサ、または、サーバ２０以外の分析支援システム１に備えられた装置が有するプロセッサ（例えば、プロセッサ１１又はそれ以外のプロセッサ）により実現されてもよい。
　データ受付部２１ａは、ユーザ装置１０から送信された明細データを受け付ける。明細データは、例えば、ユーザ装置１０のデータ送信部１１ａによって送信された明細データである。
　マッピング部２１ｂは、データ受付部２１ａにより受け付けられた明細データのデータ項目を、サーバ２０での処理に適したデータ項目と関連付けるマッピング処理を行う。例えば、サーバ２０は、図４に示されている売上明細データ及び図５に示されている仕入明細データを用いてシナリオスコアの算出及びそれ以外の処理を行うことができる。この場合、マッピング部２１ｂは、監査対象の企業の取引や仕入れに関する明細データのデータ項目の各々を図４及び図５に示されている売上明細データ呼び仕入明細データのデータ項目に関連付ける。マッピング部２１ｂによりマッピングされた明細データは、売上明細データ２５ａ及び仕入明細データ２５ｂとしてストレージ２５に記憶される。
　売上明細データ２５ａ及び仕入明細データ２５ｂについて、図４及び図５を参照して説明する。売上明細データ２５ａは、ユーザ装置１０から受信した明細データに基づいてマッピング部２１ｂにより生成された監査対象企業の売上の明細を示すデータセットである。図４に示されている実施形態において、売上明細データ２５ａは、各レコードを一意に識別する識別番号（売上ＩＤ）に、「計上日」、「取引額」、「取引量」、「粗利」、「取引先」、「商品」、「部署」、「販売担当者」、及び「出荷日」の各データ項目のデータ値が関連付けられたデータセットである。各項目のデータ値は、数値データ又はテキストデータであってもよい。仕入明細データは、ユーザ装置１０から受信した明細データに基づいてマッピング部２１ｂにより生成された監査対象企業の仕入の明細を示すデータである。図５に示されている実施形態において、仕入明細データ２５ｂは、各レコードを一意に識別する識別番号（仕入ＩＤ）に、「仕入日」、「取引額」、「取引量」、「商品」「仕入先」、「部署」、及び「販売担当者」の各データ項目のデータ値が関連付けられたデータセットである。図４に示されている売上明細データ２５ａ及び図５に示されている仕入明細データ２５ｂは例示であり、分析システム１で使用可能な売上明細データは図４に示されているものには限られず、分析システム１で使用可能な仕入明細データは図５に示されているものには限られない。売上明細データ２５ａは、図４に示されているデータ項目の一部を含まなくてもよいし図４に記載されていないデータ項目を含んでもよい。同様に、仕入明細データ２５ｂは、図５に示されているデータ項目の一部を含まなくてもよいし図５に記載されていないデータ項目を含んでもよい。
　マッピング部２１ｂは、データ受付部２１ａにより受け付けられた明細データのデータ項目を、ルールベースでサーバ２０での処理に適したデータ項目と関連付けてもよい。データ受付部２１ａにより受け付けられる明細データには、明細データの各データ項目と分析対象の会計データのデータ項目との対応を特定するマッピング情報が含まれていてもよい。図６に、マッピング情報を入力するためのマッピングデータ入力画面の例を表示する。ユーザ装置１０のデータ送信部１１ａは、明細データをサーバ２０に送信する前に、当該明細データを解析することで当該明細データのデータ項目を特定することができる。例えば、データ送信部１１aは、明細データが表形式のデータであれば、表の行ヘッダまたは列ヘッダを参照することでデータ項目を特定する。データ送信部１１aは、ユーザ装置１０のディスプレイにマッピングデータ入力画面１３０を表示し、ユーザに分析対象の会計データのデータ項目の各々と対応付けるべき明細データ中のデータ項目の入力を促してもよい。図６に示されているように、マッピングデータ入力画面１３０には、売上明細データ２５ａに含まれるデータ項目の各々に対応する明細データのデータ項目を入力する入力ウインドウ１３１と、仕入明細データ２５ｂに含まれるデータ項目の各々に対応する明細データのデータ項目を入力する入力ウインドウ１３２と、を含んでいる。ユーザは、例えば、９つのウインドウ１３１のうち「１．計上日」に関連付けられているウインドウ１３１に、売上明細データ２５ａの「計上日」と対応付けるべき明細データ中のデータ項目を、データ送信部１１aが特定した明細データのデータ項目の中から指定することができる。例えば、明細データに含まれる「売上日」を「１．計上日」に関連付けられている入力ウインドウ１３１に入力することで、明細データの「売上日」を売上明細データ２５ａの「計上日」と対応付けることができる。明細データのデータ項目と仕入明細データ２５ｂのデータ項目との対応付けは、入力ウインドウ１３２に明細データの適切なデータ項目を入力することにより行われる。他のデータ項目についても同様にして対応付けを行うことができる。データ送信部１１aは、データ項目間の対応関係を示す事前定義されたマッピングデータを明細データと共にサーバ２０に送信してもよい。マッピングデータは、ユーザが過去に行ったマッピングに基づき生成されてもよい。
　マッピングデータ入力画面１３０には、自動的にマッピングを行うための自動マッピングボタン１３３が含まれている。自動マッピングボタン１３３は、マッピングデータがサーバ２０にアップロードされた場合にのみアクティベートされ、ユーザによって選択可能となってもよい。自動マッピングボタン１３３が選択されると、マッピングデータにより指定される過去に行われたマッピングに従って、明細データのデータ項目と分析対象の会計データ（売上明細データ２５ａ及び仕入明細データ２５ｂ）のデータ項目との対応付けが行われる。自動マッピングの実行後に、ユーザからの操作に応じて自動マッピングによるマッピングの一部又は全部が修正されてもよい。明細データのデータ項目と売上明細データ２５ａのデータ項目及び仕入明細データ２５ｂのデータ項目との自動的なマッピングは、過去に行われたマッピングに従うというルール以外のルールに従って行われてもよい。自動マッピングは、機械学習により構築されたマッピングモデルを適用することで、明細データのデータ項目の各々を売上明細データ２５ａ及び仕入明細データ２５ｂのデータ項目と対応付けることができる。
　マッピングデータ入力画面１３０には、シナリオごとにシナリオスコアの計算に必要とされるデータ項目を表示するシナリオ情報領域１３４が含まれてもよい。シナリオ情報領域１３４は、売上明細データ２５ａおよび／または仕入明細データ２５ｂに含まれる複数のデータ項目のうち、複数のシナリオの各々についてシナリオスコアの算出のために必要なデータ項目を、その他のデータ項目と区別可能な態様で表示することができる。また、シナリオ情報領域１３４は、売上明細データ２５ａおよび／または仕入明細データ２５ｂに含まれる複数のデータ項目のうち、複数のシナリオの各々について分析対象データ項目として選択可能なデータ項目を、その他のデータ項目と区別可能な態様で表示することができる。データ送信部１１aは、後述のシナリオデータ２５ｃを参照してシナリオ情報領域１３４の表示を生成してもよい。図６の例では、「規則性のある取引日」のシナリオについて、売上明細の１番目のデータ項目（すなわち、「計上日」）、２番目のデータ項目（すなわち、「取引額」）、及び９番目のデータ項目（すなわち、「出荷日」）はいずれも、分析対象データ項目にならないがいずれもスコア算出に必要なデータ項目であるから、売上明細の１番目、２番目、及び９番目のデータ項目は、それ以外のデータ項目（３番目～８番目のデータ項目）と区別可能に表示される。本明細書では、分析対象データ項目にならないがいずれもスコア算出に必要なデータ項目を「必要データ項目」と呼ぶことがある。必要データ項目は、例えば、他のデータ項目と異なる赤色で示される。５番目のデータ項目（すなわち、「取引先」）、６番目のデータ項目（すなわち、「商品」）、７番目のデータ項目（すなわち、「部署」）、８番目のデータ項目（すなわち、「担当者」）はいずれも分析対象データ項目として選択可能なデータ項目であるからオレンジ色で表示される。本明細書では、分析対象データ項目として選択可能なデータ項目を「分析対象データ項目候補」と呼ぶことがある。３番目のデータ項目（すなわち、「取引量」）および４番目のデータ項目（すなわち、「粗利」）および仕入明細の全てのデータ項目はいずれも分析対象データ項目にならず、シナリオスコアの算出に必要でもないデータ項目であるから青色で表示される。このように、「規則性のある取引日」のシナリオについて、必要データ項目（赤色）と、分析対象データ項目候補（オレンジ色）と、そのいずれでもないデータ項目（青色）と、は区別可能な態様で表示される。必要データ項目、分析対象データ項目候補、及び前記以外のデータ項目は、例えば、色、フォント、又はこれら以外の視覚的に識別可能な方法で他のデータ項目と区別可能に表示される。ユーザは、シナリオ情報領域１３４に表示されている情報を参照して、各シナリオにおいてシナリオスコアの計算に必要なデータ項目を把握することができる。図６に示されている例では、「規則性のある取引日」のシナリオについてシナリオスコアを計算するために、１番目のデータ項目（すなわち、「計上日」）、２番目のデータ項目（すなわち、「取引額」）、及び９番目のデータ項目（すなわち、「出荷日」）のデータ項目のデータ値が必要なことが示されている。シナリオ情報領域１３４には、他のシナリオについてシナリオスコアの計算に必要とされるデータ項目が表示されてもよく、その必要とされるデータ項目は上記の「規則のある取引日」のシナリオで必要とされるデータ項目と異なっていてもよい。
　明細データは、企業ごとに管理されるデータであるから、売上明細データ２５ａ及び仕入明細データ２５ｂの各データ項目に対応するデータ項目を必ずしも含んでいない可能性がある。または、企業から監査人へ提供されたデータの網羅性が不十分であるため、売上明細データ２５ａ及び仕入明細データ２５ｂに含まれるデータ項目の一部に対応するデータが、明細データにおいて欠損している可能性がある。ユーザ装置１０のユーザは、マッピングデータ入力画面１３０のシナリオ情報領域１３４を参照することにより、分析を実行しようとするシナリオにおいて必要なデータ項目が明細データに含まれているか否かを確認することができる。そして、分析を実行しようとするシナリオにおいて必要なデータ項目が明細データに含まれていない場合には、必要なデータ項目が揃っている別のシナリオの使用を検討するか、または企業に対して追加的なデータの提出を求めることができる。
　本明細書では、ユーザ装置１０から提供された明細データに基づいてマッピング部２１ｂにより生成されたデータセットを一般的な会計データと区別するために「分析対象の会計データ」や「分析対象となる会計データ」などと呼ぶ。売上明細データ２５ａ及び仕入明細データ２５ｂは、分析対象の会計データに含まれる。分析対象の会計データには、売上明細データ２５ａ及び仕入明細データ２５ｂ以外のシナリオスコアの算出に必要となるデータを含むことができる。
　分析部２１ｃは、シナリオごとに定められたスコア算出ロジック及び／又はスコア算出モデルを用いて分析対象の会計データを分析することで、複数のシナリオの各々についてシナリオスコアを算出する。分析部２１ｃが分析対象の会計データの分析に用いるシナリオデータ２５ｃの例を図７に示す。図示の実施形態において、シナリオデータ２５ｃは、サーバ２０に登録されている複数のシナリオの各々を一意に識別するシナリオ識別情報に、「不正の種類」、「シナリオ名」、「必要データ項目」、「分析対象データ項目候補」及び「算出ロジック情報」が対応付けられたデータセットである。あるシナリオのシナリオ識別情報に対応付けられている「不正の種類」は、当該シナリオに対応する不正の種類を示すデータであり、例えば当該シナリオにより発生の蓋然性が評価される不正の種類を示すデータである。図示の例では、「不正の種類」の例として、「架空売上」や「損失隠蔽」が示されている。「シナリオ名」は、シナリオの特徴又はシナリオの名称を表すテキストデータである。兆候特化型シナリオの「シナリオ名」は、対応する兆候を表すテキストを含む。一般型シナリオの「シナリオ名」は、対応する不正に関して一般的なシナリオであることを表すテキストを含む。図示の例においては、シナリオ識別情報「ＳＣ００１」及び「ＳＣ００２」には、兆候特化型シナリオを示しており、より具体的には、シナリオ識別情報「ＳＣ００１」に対応付けられた「シナリオ名」には架空売上が行われた可能性を示す兆候の一つである「規則性のある取引日」が登録されており、シナリオ識別情報「ＳＣ００２」に対応付けられた「シナリオ名」には架空売上が行われた可能性を示す別の兆候である「特定の日付に集中した取引」が登録されている。「必要データ項目」は、分析対象の会計データのうちシナリオスコアの算出に使用されるデータ項目を特定するデータである。「分析対象データ項目候補」は、ユーザが選択可能な分析対象データ項目の候補を特定するデータである。スコア算出ロジックは、シナリオスコアの算出に用いられるロジックであり、例えばプログラムコード、関数、プログラムモジュール、又はこれらの組み合わせであってもよい。あるシナリオについての「算出ロジック情報」は、当該シナリオに関するシナリオスコアを算出するために使用されるスコア算出ロジックを特定する情報（例えば、関数名）又はシナリオスコアを算出するために用いられるスコア算出モデルを特定する情報（例えば、モデル名）であってもよい。図６のマッピングデータ入力画面１３０のシナリオ情報領域１３４に示されているように、「規則性のある取引日」のシナリオに基づいてシナリオスコアを算出するためには、「計上日」、「取引額」、及び「出荷日」のデータ値が必要であるため、「必要データ項目」には「売上明細：計上日；取引額；出荷日」が格納されている。スコア算出ロジックに応じて、シナリオスコアの算出に必要なデータ（すなわち、必要データ項目）が変わり得る。図示されているシナリオデータ２５ｃは例示であり、本発明に適用可能なシナリオデータ２５ｃは、図示のものには限られない。シナリオデータ２５ｃに登録される内容は、ハードコードなど後から追加や変更ができない形で記録されてもよい。分析支援システム１は、ユーザがシナリオデータ２５ｃに登録される内容を新規に作成し、及び／又は、予め定められている内容を更新するためのインタフェースを備えてもよい。
　分析部２１ｃは、分析対象の会計データに含まれる複数のデータ項目のうちの特定のデータ項目に含まれるデータごとにシナリオスコアを算出してもよい。例えば、分析対象の売上明細データ２５ａのデータ項目のうち「部署」というデータ項目に「部署Ａ」～「部署Ｊ」のデータが含まれる場合、この「部署Ａ」～「部署Ｊ」の各々について個別にシナリオスコアが算出されてもよい。「部署Ａ」について個別のシナリオスコアが算出される場合には、分析対象の会計データ全体のうち、「部署Ａ」に関連するデータのみを用いて（例えば、データ項目「部署」にデータ値「部署Ａ」が設定されているデータのみを用いて）シナリオスコアが算出される。
　分析部２１ｃにより算出されたシナリオスコアは、スコアデータ２５ｄとしてストレージ２５に格納される。図８にスコアデータ２５ｄの例を示す。スコアデータ２５ｄは、分析対象の会計データを識別する分析対象会計データ識別情報と、シナリオを識別するシナリオ識別情報と、分析対象データ項目候補のデータ値と、算出されたシナリオスコアと、を対応付けて保持する。分析部２１ｃは、データ項目間のマッピングにより明細データから分析対象の会計データが得られると、シナリオデータ２５ｃに登録されているシナリオの各々について、分析対象データ項目候補のデータ値ごとにシナリオスコアを算出し、算出されたシナリオスコアをスコアデータ２５ｄとして記憶する。図３のスコア表示画面１２０の表示内容は、スコアデータ２５ｄを参照して決定される。スコア表示画面１２０で分析対象データ項目が変更された場合には、スコア計算を改めて行う必要はなく、スコアデータ２５ｄを参照することでスコア表示画面１２０の表示内容を変更後の分析対象データ項目に対応するものに更新することができる。このように、本発明の一又は複数の実施形態では、計算可能なシナリオスコアを全て予め算出してスコアデータ２５ｄに格納しておくので、ユーザによる分析対象データ項目の変更により素早く対応することができる。シナリオスコアの算出は、分析対象データ項目候補のデータ値ごとではなく、シナリオごとに算出されてもよい。この場合、スコアデータ２５ｄは分析対象データ項目候補のデータ値を保持しなくてもよく、スコア表示画面１２０には、シナリオごとに算出されたシナリオスコアが表示されてもよい。
　本発明の一又は複数の実施形態では、スコアデータ２５ｄを記憶しなくともよい。この場合、分析部２１ｃは、分析対象のシナリオ（及び必要に応じて分析対象データ項目）が選択されるたびにシナリオスコアの算出を行い、算出されたシナリオスコアをスコア表示画面１２０に表示する。
　分析部２１ｃによるシナリオスコアの算出方法の具体例について図９及び図１０を参照して説明する。図９は、「規則性のある取引日」のシナリオについてのシナリオスコアの算出の具体例を説明する説明図であり、図１０は、「特定の日付に集中した取引」のシナリオについてのシナリオスコアの算出の具体例を説明する説明図である。
　「規則性のある取引日」のシナリオにおいては、取引日の間隔に一定の規則性がある取引ほど架空売上のリスクが高いという仮説の下で、分析対象の会計データから計算される取引間隔と架空売上を含まない場合の取引間隔のモデルとを比較してシナリオスコアが算出される。図９は、横軸が取引間隔日数を表し縦軸が取引間隔日数ごとの取引回数を示す。グラフ６０は、架空売上を含まないと仮定した取引間隔日数ごとの取引回数の分布モデルを示す。また、グラフ６１は、売上明細データ２５ａのうち部署Ｆが関与した取引を抽出し、この部署Ｆについて抽出されたデータに基づいて計算された取引間隔日数ごとの取引回数の分布を示し、グラフ６２は、売上明細データ２５ａのうち部署Ａが関与した取引を抽出し、この部署Ａについて抽出されたデータに基づいて計算された取引間隔日数ごとの取引回数の分布を示す。「規則性のある取引日」のシナリオにおける部署Ｆのシナリオスコアは、部署Ｆについての取引間隔日数と取引回数の関係を示すグラフ６１と架空売上を含まない場合の取引間隔日数と取引回数のモデルを示すグラフ６０とのユークリッド距離を取引間隔日数ごとに算出し、算出したユークリッド距離を合算した上で０～１．０の範囲に正規化した値とされる。同様に、「規則性のある取引日」のシナリオにおける部署Ａのシナリオスコアは、部署Ａについてのグラフ６２と架空売上がない場合のグラフ６０とのユークリッド距離を取引間隔日数ごとに算出し、算出したユークリッド距離を合算した上で０～１．０の範囲に正規化した値とされる。
　図９に示されている例では、グラフ６２とグラフ６０とのユークリッド距離の合計がグラフ６１とグラフ６０とのユークリッド距離の合計よりも大きいので、「規則性のある取引日」については部署Ａについてのシナリオスコアが部署Ｆについてのシナリオスコアよりも大きくなる。同様の計算を部署Ａ～部署Ｊの各々について行う。「部署」ごとにシナリオスコアを算出することにより、特定の部署が架空取引に関与している蓋然性の高さを示すことができる。例えば、部署ぐるみで架空取引が行われており架空取引を実行する担当者が取引ごとに区々である場合でも、部署ごとにシナリオスコアを算出することで架空取引の発見が容易となる。シナリオスコアは、「部署」以外の分析対象データ項目候補のデータごとに算出されてもよい。例えば、「取引先」のデータ項目に含まれるデータ、「商品」のデータ項目に含まれるデータ、「販売担当者」の項目に含まれるデータごとに同様のスコア算出ロジックに従ってシナリオスコアが算出されてもよい。特定のデータ項目のデータ値ごとに算出されたシナリオスコアにより、どのような不正が行われた蓋然性が高いかをより具体的に示すことができる。例えば、「取引先」ごとにシナリオスコアを算出することにより、架空売上に特定の取引先が関与している蓋然性の高さを示すことができる。これにより、監査対象の企業が特定の取引先と結託して行う架空取引を見つけやすくなる。「商品」ごとにシナリオスコアを算出することにより、特定の商品が架空取引のために利用されている蓋然性の高さを示すことができる。例えば、架空取引の実行者やその共犯者が通常取引との違いを識別できるように不正取引用の商品を作り上げる手口が不正の実例として知られている。商品ごとにシナリオスコアを算出することでそのような不正取引用の商品を洗い出すことができる。「販売担当者」ごとにシナリオスコアを算出することにより、特定の販売担当者が架空取引に関与している蓋然性の高さを示すことができる。監査人は、このようにして算出されるシナリオスコアから得られる洞察に基づいて、架空売上が行われていないかどうかの調査を、特定の部署、特定の取引先、特定の商品、及び／又は特定の販売担当者について行うことができる。このような仮説または洞察が得られることにより、不正を発見する確度を高めることが期待できるし、不正が行われたか否かを確かめるための調査を効率的に行うことができる。
　「特定の日付に集中した取引」のシナリオにおいては、毎月同日に取引が行われているほど架空売上のリスクが高いという仮説の下、分析対象の売上明細データ２５ａに含まれる「計上日」からから年及び月の情報を除いた取引日データと架空売上を含まない場合の取引日の分布のモデルとを比較してスコアが算出される。図１０は、横軸が取引日データ（「１」～「３１」の整数）を表し縦軸が各取引日における取引回数を示す。グラフ７０ａは、分析対象の会計データが記録された会計期間（１年間）における部署Ｆの総取引回数を３６５で割った値を縦軸の値とするグラフである。つまり、グラフ７０ａは、分析対象の会計データが記録された１年間における部署Ｆの１日当たりの平均取引回数を示している。同様に、グラフ７０ｂは、分析対象の会計データが記録された１年間における部署Ａの１日当たりの平均取引回数を示している。グラフ７１は、売上明細データ２５ａのうち部署Ｆが関与した取引を抽出し、この部署Ｆについて抽出されたデータに基づいて取引日ごとの取引回数の分布を示すグラフであり、グラフ７２は、売上明細データ２５ａのうち部署Ａが関与した取引を抽出し、この部署Ａについて抽出されたデータに基づいて計算された取引日ごとの取引回数の分布を示すグラフである。「特定の日付に集中した取引」のシナリオにおける部署Ｆのシナリオスコアは、部署Ｆについての取引日と取引回数の関係を示すグラフ７１と部署Ｆの平均取引回数を示すグラフ７０ａとのユークリッド距離を取引日ごとに算出し、算出したユークリッド距離を合算した上で０～１．０の範囲に正規化した値とされる。同様に、「特定の日付に集中した取引」のシナリオにおける部署Ａのシナリオスコアは、部署Ａについてのグラフ７２と部署Ａの平均取引回数を示すグラフ７０ｂとのユークリッド距離を取引日ごとに算出し、算出したユークリッド距離を合算した上で０～１．０の範囲に正規化した値とされる。図１０に示されている例では、グラフ７２とグラフ７０ｂとのユークリッド距離の合計を正規化した値がグラフ７１とグラフ７０ａとのユークリッド距離の合計を正規化した値よりも大きいので、「特定の日付に集中した取引」についても部署Ａについてのシナリオスコアが部署Ｆについてのシナリオスコアよりも大きくなる。
　シナリオ受付部２１ｄは、ユーザ装置１０から送信された分析対象シナリオを特定するシナリオ特定データに基づいて、サーバ装置２０に登録されている複数のシナリオのうちどのシナリオが選択されたかを特定する。
　データ項目受付部２１ｅは、ユーザ装置１０から送信された分析対象データ項目を特定するデータ項目特定データに基づいて、分析対象の会計データに含まれる全てのデータ項目の中から分析対象となるデータ項目を特定する。
　分析結果出力部２１ｆは、シナリオ受付部２１ｄにより特定された分析対象シナリオ及びデータ項目受付部２１ｅにより特定された分析対象データ項目に対応する一又は複数のシナリオスコアをスコアデータ２５ｄから抽出し、抽出したシナリオスコアをユーザ装置１０に送信する。
　続いて、図１１を参照して、分析対象となる会計データに基づいて不正の蓋然性を表すシナリオスコアを算出するスコア算出処理の流れを説明する。まず、ステップＳ１１において、ユーザ装置１０からサーバ２０に明細データが送信され、この明細データがサーバ２０において受信される。ユーザ装置１０は、監査対象の企業から受け取った明細データをそのままサーバ２０に送信してもよいし、図６に示されているマッピングデータ入力画面１３０において明細データのデータ項目と分析支援システム１が利用するデータ項目との対応付けを指定した上でサーバ２０に送信してもよい。
　次に、処理はステップＳ１２に進み、ステップＳ１２において、サーバ２０で受信された明細データにマッピング処理が行われ、分析対象となる会計データが生成される。例えば、明細データに基づいて売上明細データ２５ａ及び仕入明細データ２５ｂが生成されてもよい。ステップＳ１２におけるマッピング処理は、上記のマッピング部２１ｂにより行われてもよい。分析対象となる会計データは、ストレージ２５に格納されてもよい。
　次に、処理はステップＳ１３に進む。ステップＳ１３では、ステップＳ１２で生成された分析対象の会計データに基づいて、シナリオデータ２５ｃとして記憶されている複数のシナリオの各々について、分析対象の会計データに不正が存在する蓋然性を示すシナリオスコアが算出される。シナリオスコアは、分析対象の会計データに含まれる複数のデータ項目のうちの特定のデータ項目に含まれるデータごとに算出されてもよい。例えば、「規則性のある取引日」及び「特定の日付に集中した取引」の各々について、「部署」のデータ項目に含まれるデータごとに（「部署Ａ」～「部署Ｊ」の各々について）個別にシナリオスコアが算出されてもよい。シナリオデータ２５ｃに上記以外のシナリオが記憶されている場合には、これらのシナリオに関するシナリオスコアも算出される。また、シナリオスコアは、「部署」以外のデータ項目についても個別に算出され得る。シナリオスコアの算出は、例えば、上記の分析部２１ｃにおいて行われる。以上のようにして算出されたシナリオスコアは、スコアデータ２５ｄとしてストレージ２５に格納される。
　続いて、図１２を参照して、シナリオスコアを出力するスコア出力処理の流れについて説明する。図１２に示されている実施形態では、ユーザ装置１０のユーザが、分析対象シナリオとして「規則性のある取引日」及び「特定の日付に集中した取引」を選択し、分析対象データ項目として「部署」を選択することが想定されている。まず、ステップＳ２１において、ユーザ装置１０のユーザによって分析対象としたいシナリオが分析対象シナリオとして選択される。分析対象シナリオは、例えば、図２に示されているシナリオ選択画面１１０において選択される。複数の分析対象シナリオが選択されてもよい。
　分析対象シナリオが選択されると、処理は、ステップＳ２２に進む。ステップＳ２２においては、ユーザが分析対象としたいデータ項目が分析対象データ項目として選択される。分析対象データ項目は、図２に示されているシナリオ選択画面１１０において、ユーザインタフェース要素１１２への操作に応じて選択されてもよい。複数の分析対象データ項目が選択されてもよい。
　シナリオ選択画面１１０において決定ボタン１１３が選択されると、ステップＳ２１で選択された分析対象シナリオを特定するシナリオ特定データ及びステップＳ２２で選択された分析対象データ項目を特定するデータ項目特定データがサーバ２０に通知される。
　次に、処理はステップＳ２３に進む。ステップＳ２３においては、シナリオ特定データにより特定される分析対象シナリオ、及び、データ項目特定データにより特定される分析対象データ項目に含まれるデータに対応するシナリオスコアがスコアデータ２５ｄから抽出され、抽出されたシナリオスコアがユーザ装置１０に送信される。シナリオスコアの抽出及びユーザ装置１０への送信は、例えば、上述した分析結果出力部２１ｆによって行われる。サーバ２０から送信されたシナリオスコアは、ユーザ装置１０において受信され、受信されたシナリオスコアは、例えば図３に例示されているスコア表示画面１２０の形式でユーザ装置１０のディスプレイに表示される。分析対象シナリオとして「規則性のある取引日」及び「特定の日付に集中した取引」が選択され、分析対象データ項目として「部署」が選択されたため、スコア表示画面１２０は、「規則性のある取引日」及び「特定の日付に集中した取引」の各々について、「部署Ａ」～「部署Ｊ」の各々について算出されたシナリオスコアを含んでいる。
　「規則性のある取引日」及び「特定の日付に集中した取引」はいずれも架空売上という不正がなされた蓋然性を調査するためのシナリオという共通性がある。このように、同種の不正（例えば、「架空売上」）がなされた蓋然性を調査するためのシナリオが複数選択されている場合には、その複数のシナリオの各々についてのシナリオスコアに対する演算を行って、その演算結果をスコア表示画面１２０に含めて表示してもよい。図３に示されている実施形態においては、「規則性のある取引日」について算出されたシナリオスコアと「特定の日付に集中した取引」について算出されたシナリオスコアの平均値が「スコア平均」として示されている。
　ユーザ装置１０のユーザは、スコア表示画面１２０に表示されているシナリオスコア又はそのシナリオスコアの演算結果（例えば、「平均値」）に基づいて、分析を希望したシナリオに関して、分析を希望したデータ項目に含まれるデータの各々について算出されたシナリオスコアをレビューすることができる。ユーザ装置１０のユーザ（主に監査人）は、スコア表示画面１２０に表示されているシナリオスコアに基づいて、財務諸表監査を効率良く行うことができる。例えば、図３に示されている例においては、部署Ａに関して架空売上の不正が行われた蓋然性を示すシナリオスコアが高く表示されているため、部署Ａが関与する取引において架空売上が計上されていないかを調査することができる。
　ユーザ装置１０のユーザは、「規則性のある取引日」及び「特定の日付に集中した取引」以外のシナリオを分析対象シナリオとして選択することもできるし、「部署」以外のデータ項目を分析対象データ項目として選択することもできる。この場合も、図１２と同様の方法で、分析対象シナリオについて分析対象データ項目ごとに算出されたシナリオスコアがユーザ装置１０によって出力される。
　本明細書において説明された処理手順、特にフロー図を用いて説明された処理手順においては、その処理手順を構成する工程（ステップ）の一部を省略すること、その処理手順を構成する工程として明示されていない工程を追加すること、及び／又は当該工程の順序を入れ替えることが可能であり、このような省略、追加、順序の変更がなされた処理手順も本発明の趣旨を逸脱しない限り本発明の範囲に含まれる。例えば、図１２に示されているステップＳ２１及びステップＳ２２は並行して処理することが可能であり、ステップＳ２２をステップＳ２１よりも先に実行することも可能である。
　以上の実施形態によって奏される作用効果については、実施形態の構成及び機能の説明と併せて説明されているため、以下では本発明の実施形態によって奏される作用効果の概要について簡単に説明する。本発明の一又は複数の実施形態によれば、財務諸表における不正又は誤謬に関するシナリオに基づいて財務諸表における不正を検知することを可能とする分析支援システム１が提供される。この分析支援システム１では、分析対象の会計データからシナリオスコアが算出されるから、対象企業の取引データの全量検査を効率的に行うことが可能となる。シナリオは、不正検知に精通した熟練の監査人がこれまでの経験から定義され、分析支援システム１のユーザは、そのように定義されたシナリオから分析対象としたいシナリオを選択する。分析支援システム１は、選択されたシナリオに基づき取引データを処理し、シナリオごと（一般型シナリオごと、及び／又は、兆候特化型シナリオごと）に不正の蓋然性を示すスコアを算出して提示する。また、分析支援システム１において、シナリオスコアは、シナリオごとに異なるスコア算出ロジック及び／又はスコア算出モデルを用いて算出される。このため、ユーザ装置１０のユーザ（例えば、監査人）は、ユーザ装置１０から出力されるシナリオスコアに基づいて、分析対象の会計データにおいてシナリオごとに不正が発生している蓋然性を把握することができる。つまり、監査人は、シナリオごとに算出されるシナリオスコアから、どのような態様の不正がなされたかを特定するための洞察を得て、そのシナリオが示す不正が実際に行われたか否かを効率的に調査及び検証することができる。
　上記の分析支援システム１によれば、各シナリオに特化したスコア算出ロジック及び／又はスコア算出モデルを用いてシナリオスコアが算出されるため、分析対象の会計データ全体について一括して（シナリオを特定せずに）算出された不正の蓋然性を表す指標よりも高い精度で不正の蓋然性を表すことができる。
　分析支援システム１においては、新しい手口による不正事案が発生した場合には、その不正事案に関連する会計データに基づいて、その新しい手口の不正が発生している蓋然性を表すシナリオスコアを算出するためのスコア算出ロジック及び／又はスコア算出モデルを定めることができる。分析システム１においては、不正の類型に応じたシナリオを追加することによりシナリオスコアを算出可能なシナリオを拡張することができ、その拡張の際に企業ごとに個別の事情を考慮する必要がないため（つまり、カスタマイズが不要であるため）、拡張性に優れている。このため、新たな不正の手口が発覚した際に、その新たな不正の蓋然性を算出するためのスコア算出ロジック又はスコア算出モデルを定めることにより、個別企業ごとのカスタマイズを行うことなく、その新たな不正に対応するシナリオスコアを算出することができる。
　分析支援システム１によれば、シナリオ選択画面１１０またはスコア表示画面１２０において分析対象データ項目を切り替えることで、分析の切り口を変えてシナリオスコアを表示することができる。これにより、例えば監査対象企業とその企業の各得意先（各取引先）との間の取引に関するデータを用いて取引先ごとにシナリオスコアを表示又は算出して不正に関する評価を行った後、分析対象データ項目を商品に切り替えて商品ごとにシナリオスコアを表示又は算出して不正に関する評価を行うことができる。このように、まずは取引先の観点（例えば、特定の取引先と結託して架空売上の計上がなされていないかという観点）から不正の評価を行い、続いて商品の観点（例えば、架空取引用の商品がないかという観点）から不正の評価を行うことができる。、以上のように、分析支援システム１は、分析対象データ項目を切り替えるという簡単な切り替え操作で様々な角度から会計データを分析することができるので、ユーザに対して利便性に優れた会計データの分析支援を提供することができ、また、シナリオごとだけでなく分析対象データ項目ごとにシナリオスコアを算出することができるため高精度の分析結果を提供することができる。
　本明細書において説明された具体的な機能は、本発明の実施形態の一例であり、本発明は、本明細書において開示された具体的な実施形態には限定されない。例えば、分析対象の不正の種類をユーザが選択できるようにシナリオ選択画面１１０および／またはスコア表示画面１２０が構成されてもよい。この場合、分析結果出力部２１ｆはシナリオデータ２５ｃを参照し、シナリオ選択画面１１０またはスコア表示画面１２０において選択された不正の種類に対応するシナリオを特定し、特定されたシナリオのシナリオスコアをスコアデータ２５ｄから抽出してユーザ装置１０に送信する。この場合、スコア表示画面は、選択された不正の種類ごとに総合的な発生の蓋然性を示す総合スコアを表示してもよい。総合スコアは例えば対応する不正の種類に対応するシナリオのシナリオスコアに所定の統計処理（平均、正規化など）を施すことにより算出されてもよい。総合スコアに代えてまたは加えて、選択された不正の種類に対応する一般型シナリオを用いて算出されたシナリオスコアが表示されてもよい。
　本明細書中で説明される処理及び手順が単一の装置、ソフトウェア、コンポーネント、モジュールによって実行される旨が説明されたとしても、そのような処理または手順は複数の装置、複数のソフトウェア、複数のコンポーネント、及び／又は複数のモジュールによって実行され得る。また、本明細書中で説明されるデータ、テーブル、又はデータベースが単一の記憶装置（ストレージやメモリ）に格納される旨説明されたとしても、そのようなデータ、テーブル、又はデータベースは、単一の装置に備えられた複数の記憶装置または複数の装置に分散して配置された複数の記憶装置に分散して格納され得る。さらに、本明細書において説明されるソフトウェアおよびハードウェアの要素は、それらをより少ない構成要素に統合して、またはより多い構成要素に分解することによって実現することも可能である。
　本明細書において単数形で表される構成要素は、矛盾を生じさせない限り、複数形を含むものとする。
　相互参照
　本出願は、２０２０年１２月１５日に出願された日本国特許出願２０２０－２０７９９２に基づく優先権を主張し、引用によりこれらの出願の全体を包含する。
　１　分析支援システム
　１０　ユーザ装置
　２０　サーバ

Claims (17)

  1. 　会計データの分析を支援するための分析支援プログラムであって、
    　一又は複数のプロセッサに、
    　複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる機能と、
    　前記複数のシナリオの各々について、一又は複数の種類の不正のうち各シナリオに関連付けられた不正の発生の蓋然性を表すように分析対象の会計データに基づいて算出されたシナリオスコアのうち、前記分析対象シナリオに対応する分析対象スコアを前記ユーザ装置に表示させる機能と、
    　を実行させる分析支援プログラム。
  2. 　前記複数のシナリオのうちの第１シナリオは、前記一又は複数の種類の不正のうちの第１不正に関連付けられている、
    　請求項１に記載の分析支援プログラム。
  3. 　前記複数のシナリオのうちの第２シナリオは、前記一又は複数の種類の不正のうちの第２不正に関連付けられている、
    　請求項２に記載の分析支援プログラム。
  4. 　前記複数のシナリオのうちの第３シナリオは、前記第１不正により会計データに現れうる一又は複数の兆候のうちの第１兆候に関連付けられている、
    　請求項２または３に記載の分析支援プログラム。
  5. 　前記複数のシナリオのうちの第４シナリオは、前記第１不正により会計データに現れうる一又は複数の兆候のうちの第２兆候に関連付けられている、
    　請求項４に記載の分析支援プログラム。
  6. 　前記シナリオスコアは、前記複数のシナリオの各々について前記分析対象の会計データに含まれる複数のデータ項目のうちの少なくとも一部のデータ値ごとに算出され、
    　前記一又は複数のプロセッサに、
    前記複数のデータ項目の中から分析対象データ項目の選択を受け付ける機能を実行させ、
    　前記分析対象スコアは、前記複数のシナリオスコアのうち前記分析対象データ項目に含まれるデータ値ごとに算出されたシナリオスコアを含む、
    　請求項１から５のいずれか１項に記載の分析支援プログラム。
  7. 　前記一又は複数のプロセッサに、前記分析対象の会計データに含まれる複数のデータ項目のうち、前記複数のシナリオの各々について前記シナリオスコアの算出のために必要な必要データ項目を、その他のデータ項目と区別可能な態様で前記ユーザ装置に表示させる機能を実行させる、請求項１から６のいずれか１項に記載の分析支援プログラム。
  8. 　前記一又は複数のプロセッサに、前記分析対象の会計データに含まれる複数のデータ項目のうち、前記複数のシナリオの各々について前記分析対象データ項目として選択可能なデータ項目を、その他のデータ項目と区別可能な態様で前記ユーザ装置に表示させる機能を実行させる、請求項６又は７に記載の分析支援プログラム。
  9. 　前記一又は複数のプロセッサに、前記ユーザ装置から受け付けた明細データに基づいて前記分析対象の会計データを生成する機能を実行させる、
    　請求項１から８のいずれか１項に記載の分析支援プログラム。
  10. 　前記複数のシナリオの各々についてスコア算出ロジックが関連付けられており、
    　前記複数のシナリオの各々の前記シナリオスコアは、各シナリオに関連付けられた前記スコア算出ロジックに基づいて算出される、
    　請求項１から９のいずれか１項に記載の分析支援プログラム。
  11. 　前記複数のシナリオの各々についてスコア算出モデルが関連付けられており、
    　前記複数のシナリオの各々の前記シナリオスコアは、各シナリオに関連付けられた前記スコア算出モデルに基づいて算出される、
    　請求項１から９のいずれか１項に記載の分析支援プログラム。
  12. 　前記複数のシナリオの各々の前記スコア算出モデルは、各シナリオについて準備された教師データに基づいて構築される、
    　請求項１１に記載の分析支援プログラム。
  13. 　会計データの分析を支援するための分析支援プログラムであって、
    一又は複数のプロセッサに、複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる機能と、
    　前記分析対象シナリオに対応する不正の発生の蓋然性を表すように分析対象の会計データから算出されたシナリオスコアであって、前記分析対象の会計データに含まれる複数のデータ項目のうちの少なくとも一部のデータ値ごとに算出されたシナリオスコアを前記ユーザ装置に表示させる機能と、
    　を実行させる分析支援プログラム。
  14. 　前記一又は複数のプロセッサに、
    　前記複数のデータ項目の中から分析対象データ項目の選択を受け付ける機能と、
    　前記分析対象データ項目のデータ値ごとに算出されたシナリオスコアが表示されるように前記ユーザ装置における表示を更新する機能と、
    　を実行させる請求項１３に記載の分析支援プログラム。
  15. 　分析対象の会計データを記憶する記憶部と、
    　前記分析対象の会計データに基づいて、各々が一又は複数の種類の不正のうちの一つに関連付けられた複数のシナリオの各々について、各シナリオに関連付けられた不正の発生の蓋然性を表すシナリオスコアを算出するスコア算出部と、
    を備える分析支援装置。
  16. 　一又は複数のプロセッサがコンピュータ読み取り可能な命令を実行することにより会計データの分析を支援する分析支援方法であって、
    　複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる工程と、
    　前記複数のシナリオの各々について、一又は複数の種類の不正のうち各シナリオに関連付けられた不正の発生の蓋然性を表すように分析対象の会計データに基づいて算出されたシナリオスコアのうち、前記分析対象シナリオに対応する分析対象スコアを前記ユーザ装置に表示させる工程と、
    　を備える分析支援方法。
  17. 　一又は複数のプロセッサがコンピュータ読み取り可能な命令を実行することにより会計データの分析を支援する分析支援方法であって、
    　複数のシナリオの中から分析対象シナリオの選択を受け付ける画面をユーザ装置に表示させる工程と、
    　前記分析対象シナリオに対応する不正の発生の蓋然性を表すように分析対象の会計データから算出されたシナリオスコアであって、前記分析対象の会計データに含まれる複数のデータ項目のうちの少なくとも一部のデータ値ごとに算出されたシナリオスコアを前記ユーザ装置に表示させる工程と、
    　を備える分析支援方法。

     
PCT/JP2021/000135 2020-12-15 2021-01-05 分析支援プログラム、分析支援装置、及び分析支援方法 WO2022130650A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2020207992A JP2024016300A (ja) 2020-12-15 2020-12-15 分析プログラム、分析装置、及び分析方法
JP2020-207992 2020-12-15

Publications (1)

Publication Number Publication Date
WO2022130650A1 true WO2022130650A1 (ja) 2022-06-23

Family

ID=82059320

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/000135 WO2022130650A1 (ja) 2020-12-15 2021-01-05 分析支援プログラム、分析支援装置、及び分析支援方法

Country Status (2)

Country Link
JP (1) JP2024016300A (ja)
WO (1) WO2022130650A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7360118B1 (ja) 2023-07-04 2023-10-12 ゼネリックソリューション株式会社 審査業務支援装置、審査業務支援方法及び審査業務支援プログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050222928A1 (en) * 2004-04-06 2005-10-06 Pricewaterhousecoopers Llp Systems and methods for investigation of financial reporting information
JP6345856B1 (ja) * 2017-09-29 2018-06-20 新日本有限責任監査法人 財務分析装置、財務分析方法及び財務分析プログラム
JP6667865B1 (ja) * 2019-11-19 2020-03-18 国立大学法人一橋大学 会計情報処理装置、会計情報処理方法及び会計情報処理プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050222928A1 (en) * 2004-04-06 2005-10-06 Pricewaterhousecoopers Llp Systems and methods for investigation of financial reporting information
JP6345856B1 (ja) * 2017-09-29 2018-06-20 新日本有限責任監査法人 財務分析装置、財務分析方法及び財務分析プログラム
JP6667865B1 (ja) * 2019-11-19 2020-03-18 国立大学法人一橋大学 会計情報処理装置、会計情報処理方法及び会計情報処理プログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MIYAGAWA, DAISUKE: "By AI, detection of the fraudulent accounting and possibility of prediction: Exploring the future of financial audit", ACCOUNTING, vol. 71, no. 11, 1 November 2019 (2019-11-01), pages 89 - 96 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7360118B1 (ja) 2023-07-04 2023-10-12 ゼネリックソリューション株式会社 審査業務支援装置、審査業務支援方法及び審査業務支援プログラム

Also Published As

Publication number Publication date
JP2024016300A (ja) 2024-02-07

Similar Documents

Publication Publication Date Title
US8527375B1 (en) Methods systems and computer program products for identifying suspect data of an electronic tax return
US8121875B2 (en) Comparing taxonomies
US7593859B1 (en) System and method for operational risk assessment and control
Shah et al. Identification of performance measures of Lean Six Sigma in small-and medium-sized enterprises: a pilot study
EP2329447A1 (en) Evaluating loan access using online business transaction data
WO2012129154A2 (en) Credibility scoring and reporting
US9508100B2 (en) Methods and apparatus for on-line analysis of financial accounting data
US20140046709A1 (en) Methods and systems for evaluating technology assets
US20140081680A1 (en) Methods and systems for evaluating technology assets using data sets to generate evaluation outputs
Ritchi et al. The influence of business process representation on performance of different task types
EP2053551A1 (en) Execution decision support program and device of regulation measures
US20130246126A1 (en) System and method for customer value creation
JP2005134938A (ja) 企業信用格付システム及び企業信用格付プログラム
WO2022130650A1 (ja) 分析支援プログラム、分析支援装置、及び分析支援方法
Ozlanski et al. Kabbage: A fresh approach to understanding fundamental auditing concepts and the effects of disruptive technology
Cheng et al. ChicagoLand popcorn®—Examining online retailer nexus following Wayfair using data visualization and robotics process automation
Ahmed Overview of security metrics
JP2007034761A (ja) 事業価値評価支援装置及び事業価値評価支援プログラム
Ciprian-Costel Arguments on using computer-assisted audit techniques (Caat) and business intelligence to improve the work of the financial auditor
US20210117828A1 (en) Information processing apparatus, information processing method, and program
CN107533686A (zh) 用于监控业务运营的方法和系统
JP5284309B2 (ja) 情報処理システム、情報処理プログラムおよび情報処理方法
JP4991086B2 (ja) 情報処理システム、情報処理プログラムおよび情報処理方法
US20150356574A1 (en) System and method for generating descriptive measures that assesses the financial health of a business
McKnight Preliminary investigation of big data and implications for accounting curricula

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21906018

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 21906018

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP