vestnikmephiВестник НИЯУ МИФИVestnik natsional'nogo issledovatel'skogo yadernogo universiteta "MIFI"2304-487XNational Research Nuclear University "MEPhI"10.26583/vestnik.2022.5vestnikmephi-5Research ArticleМАТЕМАТИЧЕСКИЕ МОДЕЛИ И ЧИСЛЕННЫЕ МЕТОДЫMATHEMATICAL MODELS AND NUMERICAL METHODSМЕТОДЫ ОБРАБОТКИ БОЛЬШИХ ДАННЫХ В ЗАДАЧАХ ФИНАНСОВОГО КОНТРОЛЯBIG DATA PROCESSING TECHNIQUES IN FINANCIAL CONTROL TASKShttps://orcid.org/0000-0002-4573-4695СушковВ. М.SushkovV. M.

аспирант, ассистент кафедры финансового мониторинга НИЯУ МИФИ

vmsushkov@mephi.ruhttps://orcid.org/0000-0002-3415-2702ЛеоновП. Ю.LeonovP. Y.

к.э.н., доцент кафедры финансового мониторинга НИЯУ МИФИ, аттестованный аудитор

p.u.leonov@gmail.comНИЯУ МИФИРоссияNational Nuclear Research University MEPhIRussian Federation202223042023115348357Copyright © Сушков В.М., Леонов П.Ю., 20232023Сушков В.М., Леонов П.Ю.Sushkov V.M., Leonov P.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnikmephi.elpub.ru/jour/article/view/5

С каждым годом увеличивается объем корпоративных данных, подлежащих анализу в рамках финансового контроля, вследствие чего актуальным является внедрение методов обработки больших данных в практику субъектов контроля. Целью исследования является разработка и апробация методов обработки больших данных в целях решения задач организаций государственного и частного сектора, проводящих мероприятия в области финансового контроля. В качестве методов исследования выбрано три наиболее перспективных и эффективных средств обработки больших данных, которые в то же время не требуют использования громоздкого математического аппарата или значительных компьютерных мощностей для их реализации, а именно статистический инструмент выявления искажений в финансовых данных закон Бенфорда, кластеризация методом К-средних и средства BI-системы Power BI. Результатом исследования является подтверждение результативности и эконо­мической эффективности рас­сматри­ваемых методов обработки больших данных, а также обоснование практической возможности их внедрения в качестве инструментов финансового контроля. Исследование проведено в студенческой Лаборатории финансовой разведки НИЯУ МИФИ.

Every year the volume of corporate data to be analysed in financial controls increases, which makes it relevant to introduce Big Data processing techniques into the practice of control subjects. The purpose of the study is to develop and test three techniques of Big Data processing in order to solve the problems of public and private sector organisations carrying out activities in the field of financial control. As research methods, we have chosen three most promising and effective means of processing Big Data, which at the same time do not require the use of complicated mathematical apparatus or significant computer power for their implementation, namely, a statistical tool for detecting errors in financial data Benford's law, clustering method of K-means and the means BI-system Power BI. The result of the study is the confirmation of the effectiveness and cost efficiency of the considered techniques of processing Big Data and the justification of the practical possibility of their implementation as financial control tools. The research was conducted in the student Financial Intelligence Laboratory of NRNU MEPhI.

большие данныефинансовый контрольмошенничествозакон Бенфордаметод K-среднихPower BIBig Datafinancial controlfraudBenford's LawK-meansPower BIReferencesLeonov P.Y., Suyts V.P., Rychkov V.A., Ezho¬va A.A., Sushkov V.M., Kuznetsova N.V. Possibility of Benford’s Law Application for Diagnosing Inaccuracy of Financial Statements / Klimov, V.V., Kelley, D.J. (eds) Biologically Inspired Cognitive Architectures 2021. BICA 2021. // Studies in Computational Intelligence, 2021. Vol. 1032. Springer, Cham. P. 243–248.Leonov P.Y., Suyts V.P., Rychkov V.A., Ezho¬va A.A., Sushkov, V.M. Kuznetsova, N.V. Possibility of Benford’s Law Application for Diagnosing Inaccuracy of Financial Statements. Klimov, V.V., Kelley, D.J. (eds) Biologically Inspired Cognitive Architectures 2021. BICA 2021. Studies in Computational Intelligence, 2021. Vol. 1032. Springer, Cham. Р. 243–248.Алексеев М.А. Применимость закона Бенфорда для определения достоверности финансовой отчетности // Вестник НГУЭУ. 2016. № 4. С. 114–128.Alekseev M.A. Primenimost' zakona Benforda dlja opredelenija dostovernosti finansovoj otchetnosti [Applicability of Benford's Law for determining the reliability of financial statements]. Vestnik NGUJeU, 2016. № 4. Р. 114–128 (in Russian).Суйц В.П., Хорин А.Н., Жакипбеков Д.С. Диагностика недостоверности отчетности организации: статистические методы в оценке достоверности бухгалтерской отчетности // Аудит и финансовый анализ. М.: ООО Издательство «ДСМ Пресс». 2015. № 1. С. 179–188.Sujc V.P., Horin A.N., Zhakipbekov D.S. Diagnostika nedostovernosti otchetnosti organizacii: statisticheskie metody v ocenke dostovernosti buhgalterskoj otchetnosti [Diagnosing the unreliability of an organisation's accounts: statistical methods in assessing the reliability of accounting records]. Audit i finansovyj analiz. M.: OOO Izdatel'stvo «DSM Press» Publ. 2015. № 1. Р. 179–188 (in Russian).Зверев Е., Никифоров А. Распределение Бенфорда: Выявление нестандартных элементов в больших совокупностях финансовой информации // Внутренний контроль в кредитной организации. 2018. № 4 (40). С. 4–18.Zverev E., Nikiforov A. Raspredelenie Benforda: Vyjavlenie nestandartnyh jelementov v bol'shih sovokupnostjah finansovoj informacii [Benford’s distribution: Identifying irregularities in large sets of financial information]. Vnutrennij kontrol' v kreditnoj organizacii. 2018. № 4 (40). Р. 4–18 (in Russian).Nigrini M.J. Benford’s law: applications for forensic accounting, auditing and fraud detection. – Hoboken, New Jersey: John Wiley & Sons, 2012. С. 320.Nigrini M.J. Benford’s law: applications for forensic accounting, auditing and fraud detection. Hoboken, New Jersey, John Wiley & Sons. 2012. Р. 320.Leonov P.Y., Suyts V.P., Kotelyanets O.S., Ivanov N.V. K-Means Method as a Tool of Big Data Analysis in Risk-Oriented Audit // Communications in Computer and Information Science. 2019. Т. 1054. Кв. 3. С. 206–216.Leonov P.Y., Suyts V.P., Kotelyanets O.S., Ivanov N.V. K-Means Method as a Tool of Big Data Analysis in Risk-Oriented Audit. Communications in Computer and Information Science, 2019. Vol. 1054. Q. 3. Р. 206–216.Лушин Л.Э. Алгоритм применения програм¬много обеспечения Power BI субъектами первичного финансового мониторинга в целях выявления подозрительных бухгалтерских записей: дипл. работа. М.: НИЯУ МИФИ, 2022.Lushin L.Je. Algoritm primenenija program¬mnogo obespechenija Power BI sub#ektami pervichnogo finansovogo monitoringa v celjah vyjavlenija podozritel'nyh buhgalterskih zapisej: dipl. rabota [Algorithm of application of Power BI software by reporting entities to identify suspicious accounting entries: graduate thesis]. M.: NIJaU MIFI [NRNU MEPhI], 2022 (in Russian).

The authors declare that there are no conflicts of interest present.