Browsing by Subject "Fraud"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Análisis del papel que desempeñó la firma de auditoría KPMG en el caso de Odebrecht en Colombia
    (Pontificia Universidad Javeriana Cali, 2025) Ramírez Rodríguez, Melissa; López Casella, Jesús Darío
    La investigación pretende analizar el papel que desarrolló la firma de auditoría KPMG en el caso Odebrecht en Colombia mediante una metodología descriptiva, cualitativa que utiliza la recolección de información de trabajos de grados, revistas, libros y fuentes legales. Este trabajo de grado fue realizado tomando como fuente principal el informe final de auditoría que emitió la firma KPMG el 8 de octubre en el año 2015. El caso de Odebrecht es un tema de corrupción destacado en la historia de América latina e importante para muchos sujetos a nivel internacional, pero en esta investigación se enfocó en el papel que desempeñó KPMG y analizar los posibles obstáculos que pudieron ser partícipes para la investigación en este delicado caso que dejo un hueco significativo para nuestro país.
  • Thumbnail Image
    Item
    Predicción de fraudes y anomalías en el suministro de agua potable con técnicas de analítica de datos
    (Pontificia Universidad Javeriana Cali, 2025) Zamudio Rojas, José David; Enríquez Sánchez, Dany Alexander; Rodríguez Rodríguez, Cristian Fabián; Ramírez Buelvas, Sandra Milena
    El estudio desarrolló una metodología integral para la detección de fraudes y anomalías en el consumo de agua potable en Chile, utilizando una base de datos anonimizada con series de consumo mensuales, características metrológicas y localización geográfica de medidores mecánicos. En la detección de fraude sin enfoque de negocio, los modelos supervisados Random Forest (RF) y XGBoost (XGB) mostraron desempeños técnicos similares, con diferencias leves en métricas como el F1-Score. Al incorporar el enfoque de negocio mediante matrices de costos y métricas económicas, las métricas estadísticas se mantuvieron estables, pero el Random Forest resultó con mejor desempeño operativamente, alcanzando una ganancia promedio cercana a 2,31 millones de dólares y un mROI del 64,3%, superior al 59,9% obtenido por XGBoost. En el análisis de anomalías técnicas, los modelos supervisados también se evaluaron, pero el desempeño fue limitado debido a la baja frecuencia de muestreo, mientras que el enfoque no supervisado basado en DBSCAN no logró separar de forma efectiva los casos de interés de fraude y anomalías. Adicional, se empleó la regresión logística para el problema de fraude como modelo base interpretable: permitió identificar el efecto de variables de consumo, clase metrológica, año de instalación y zona geográfica, alcanzó un AUC-ROC de 0,78 y un Brier Score de 0,18, aunque la prueba de Hosmer--Lemeshow (p-value approx 0) indicó un ajuste limitado frente a la complejidad del fenómeno. Por su parte, en el caso de anomalías el modelo de regresión logística no cumplió los supuestos fundamentales de linealidad en el logit ni de adecuación del ajuste, por lo que no resultó apropiado para predecir anomalías y fue descartado como alternativa metodológica en este componente. A su vez, enfoque no supervisado basado en DBSCAN tampoco logró separar de forma efectiva los casos de interés, presentando sensibilidades cercanas a cero para la detección de fraude y utilidad acotada para anomalías. Finalmente, pese a las limitaciones inherentes del muestreo mensual y el desbalance extremo, los resultados obtenidos muestran que es posible construir modelos predictivos útiles para la priorización de inspecciones y el fortalecimiento de estrategias de control de fraude.