Forensic Data Analytics - eDiscovery

Traditionelle Methoden der Datenanalyse sind bereits länger als eine Methode der Aufdeckung von Ineffizienzen und  betrügerischen Handlungen im Einsatz. Diese Methoden erfordern jedoch komplexe und zeitintensive Untersuchungen, die sich mit verschiedenen Wissens-Domänen wie Finanz-, Wirtschafts- Geschäftspraktiken und natürlich Recht, beschäftigen. Betrug besteht oft aus vielen Instanzen oder Vorfällen von Übertretungen mit teils gleicher oder ähnlicher Methodik. Fraud-Instanzen wiederum können ähnlich sein in Inhalt und Aussehen, sind in der Regel aber selten identisch. 

Typische Anlassfälle z. B. bei M&A, Joint Ventures und Investements: 

. Patent- und Urheberrechtsstreitigkeiten 

. Vertragsstreitigkeiten 

. Lizenzstreitigkeiten 

. Verdacht auf Kartellrechtsverletzungen 

. Betrugsverdacht 

Weiters bspw. auch bei Verdacht auf betrügerische Steuerhinterziehung, Geldwäscheverdacht, Zollvergehen, Korruptionsverdacht, Betrugsverdacht, etc.  

Generell zu verarbeitende Informationsarten:

. Strukturierte Daten

  - Datenbanken, Transaktionssysteme

  - Analytische Verfahren aller Art

. Unstrukturierte Daten (keine Datenmodelle, keine Metadaten)

  - eMails, Office-Dateien (inkl. Textsuchen aller Art), Bilder & Media-Files, etc.

  - >80% der Unternehmensdaten; Verdoppelung alle 2 - 3 Jahre! 

. Programm Code 

  - Reverse Engineering 

  - Source Code Reviews 

. Betriebssystem-Artefakte 

. Netzwerk-traffic 

. Memory dumps 

Generelle Verarbeitungsmöglichkeiten:

. Wiederherstellung gelöschter und versteckter Daten

. Entschlüsselung

. Einspielen, Deduplizieren, Indizieren

. Systemwiederherstellung oder Emulation

. Live Verarbeitung und Postprocessing

. Anlassbezogen und Continuous Monitoring 

. Text-Mining (Keyword search, Context search, Semantik, Syntax, Stil ...) 

. Data-Mining und BI (hypothesenprüfend und hypothesengenerierend!) 

. Prozessanalysen, Beziehungsanalysen, Interviews, Überwachung, etc.