節約 $不正・二重払い

支払いが出ていく前に捕まえる。

不正や支払いミスの多くは、取引を1件ずつ見ると普通に見えます。CompliBearはすべての取引先・請求書・支払いを750以上の実証済みパターンと毎日照合し、次回の支払い処理に間に合うようにリスクのあるものを知らせます。

24か月の支払い遡及レビューを始める →節約できる額を試算する

マネーライン阻止・回収した支払いを、請求書ごとに証拠付きで測定。

01課題

支払い不正は目の前に隠れている

1件ごとのコストが大きい

不正1件あたりの平均損失額は170万米ドルです（ACFE）。その大半は普通に見える支払いとして出ていきます。

内部通報はコントロールより多くの不正を見つける

従業員などからの通報は、どのコントロールよりも多くの不正を明らかにします（ACFE）。しかしその時点で、お金はたいてい出ていった後です。

重複が完全に一致することはまれ

請求書番号の余分なスペース、変更された日付、2つ目の取引先コード。完全一致のチェックでは見逃します。

02Why now

Fraud got smarter, more collusive and more convincing

Tech-powered

77% of anti-fraud professionals saw deepfake social engineering rise in two years (ACFE and SAS). Forged documents made with generative tools are rising too.

Collusive

More than half of frauds involve two to five people working together (KPMG). Segregation of duties stops one person, not a group.

Convincing

USD 25.6 million left a company in 15 transfers after a video call in which the CFO and colleagues were deepfakes (Hong Kong, 2024). Every approval looked valid.

Fraudsters adopted smart technology in two years. Only a quarter of anti-fraud teams have. Audit is still sampling.

03チェック内容

すべての支払いでチェックする内容

支払い直前に変更された銀行情報
重複請求書（番号・金額・日付が似ている近似一致を含む）
銀行口座・納税者番号・住所を共有する重複取引先
休眠・ブロック中・一時取引先への支払い
発注プロセスを経ない直接支払い
発注書や入庫記録のない請求書
承認限度を下回るように分割された発注
取引先の登録と支払いの両方ができる同一ユーザー
異常な手動仕訳：週末、端数のない金額、しきい値のすぐ下
出張・経費精算：重複領収書、私的支出、規程違反（SAP Concurパック）
Vendor–employee matches on bank account, address, phone or tax ID
Vendors created and paid within 30 days
Prices above the contract or above peer prices
Quantity invoiced above quantity received
Payments outside the normal payment runs
The same user raised the order and posted the goods receipt

**Expense claims, checked in full**A screen recording of every claim tested, with z-scores, Benford’s law and policy rules, by employee, policy, travel and fraud pattern. Employee names are replaced with codes.See it live →

04Every scheme leaves a footprint

Every fraud scheme leaves a footprint in the data

Scheme	Footprint in the data	Where it lives
Fictitious or shell vendor	Created, bank details changed and paid within days; shares a bank account or address with staff	Vendor master, change log, HR master
Kickbacks and bid rigging	Prices creep above contract; the same supplier always wins; awards just below approval limits	Purchase orders, contracts, approvals
Duplicate or inflated invoices	Same vendor and amount with an altered invoice number; quantity billed above quantity received	Invoices, goods receipts
Inventory and scrap theft	Scrap rates out of line by plant or shift; write-offs just before stock counts	Material movements, stock counts
Expense and payroll fraud	Weekend or leave-day claims, round amounts, exited employees still paid	Travel and expenses, payroll
Channel and revenue schemes	Credit notes after period end; rebates above agreement; distributor outliers	Billing, credit notes, rebate terms

05仕組み

01
接続
取引先マスター、請求書、支払い、出張・経費
02
スクリーニング
支払い処理のたびに750以上のパターン
03
アラート
リスク金額順に、理由付きで
04
解決
OATSで保留・解除・調査
05
回収
ForenCityで回収のための証拠を

06Machine learning, explained

How a model ranks a vendor, and explains why

01
Features
40+ measures per vendor: payment timing, price against peers, master-data changes, links to staff.
02
モデル化
Unsupervised first, because confirmed fraud labels are rare; supervised once outcomes are recorded.
03
スコア
Every vendor ranked from 0 to 100, every day.
04
Reason codes
The top drivers of each score, in plain words.
05
Feedback
Reviewer decisions retrain the model every quarter.

VENDOR RISK SCORE90RANK 1 OF 2,140

Vendor V-20931

Scored daily against 2,140 active vendors

Reason codes and their weight

Address matches an employee record+30
Bank details changed 3 days after creation+25
Orders split just below the approval limit+20
The same user created the vendor and the receipts+15

A synthetic example.

07実績

実績

お客様全体で防止した不正USD 103.68 Mn+、検出した不正USD 46.44 Mn+ · 導入事例：SAP Concurでの不正検出

08ご提案

まずは24か月分の支払いの遡及レビューから

取引先マスター・請求書・支払いの2年分に、支払いライブラリ全体を実行します。プラットフォームの契約前に、6週間で金額換算した結果（重複、リスクのある変更、コントロールの不備）をご覧いただけます。

24か月の支払い遡及レビューを始める →

義務は一切ありません。データへのアクセスは読み取り専用。すべての発見は御社のものです。

09よくある質問

誤検知のアラートに埋もれませんか？

いいえ。すべてのアラートはリスク金額でスコア付け・順位付けされ、それぞれ発生理由を説明します。チームの判断が次回の実行を学習させます。ノイズではなく、シグナルを。

支払いが出る前に止められますか？

支払い処理の前にリスクのある項目を知らせ、チームが保留できるようにします。自動保留が可能かどうかはERPの設定によります。

お金がすでに出ていったら？

遡及レビューで過去の損失を見つけます。デジタルフォレンジック製品のForenCityと私たちの調査担当者が、回収のための証拠づくりを支援します。

出張・経費精算にも対応していますか？

はい。SAP Concurパックが、すべての申請を御社の規程と既知の不正利用パターンに照らして検証します。

ミスでどれだけ出ていっている？

2年分の支払いを、6週間でチェック。

24か月の支払い遡及レビューを始める →