การเปิดเผยการฉ้อโกงในบริการสังคมช่วยคนนับล้าน เสริมสร้างความไว้วางใจจากสาธารณะ

เทศมณฑลลอสแอนเจลีสใช้ SAS^® เพื่อตรวจจับการฉ้อโกง ส่งผลให้สูญเสียน้อยลง ค่าใช้จ่ายในการสืบสวนลดลง และเพิ่มพูนความเชื่อมั่นจากประชาชน

ในเทศมณฑลลอสแอนเจลีส กรมบริการสังคมสาธารณะ (DPSS) เสนอโปรแกรมต่างๆ มากมายเพื่อบรรเทาความยากลำบากและส่งเสริมสุขภาพ ความรับผิดชอบส่วนบุคคล และความเป็นอิสระทางเศรษฐกิจ ทั่วทั้งชุมชนหลายแห่งของเคาน์ตี DPSS ให้ความช่วยเหลือทางการเงินชั่วคราว บริการจัดหางาน ประกันสุขภาพฟรี/ราคาประหยัด สวัสดิการด้านอาหาร บริการช่วยเหลือในบ้านสำหรับผู้สูงอายุและผู้พิการ และความช่วยเหลือทางการเงินอื่นๆ

เพื่อช่วยเหลือในความพยายามด้านความสมบูรณ์ของโปรแกรมในโครงการดูแลเด็ก CalWORKs Stage 1 ทางเทศมณฑลลอสแอนเจลิสจึงหันมาใช้โซลูชั่น SAS^® Analytics เพื่อระบุการฉ้อโกงที่อาจเกิดขึ้น ปรับปรุงการสืบสวน และป้องกันการชำระเงินที่ไม่ถูกต้อง โครงการนำร่องการขุดข้อมูลเปิดเผยอัตราความแม่นยำ 85 เปอร์เซ็นต์ในการตรวจจับขบวนการฉ้อโกง โดยประเมินการหลีกเลี่ยงต้นทุนเป็นมูลค่ารวม 6.8 ล้านดอลลาร์ ด้วยความเชื่อมั่นในผลลัพธ์ เทศมณฑลจึงตัดสินใจก้าวไปข้างหน้าด้วยการใช้แอปพลิเคชัน Data Mining Solution (DMS) สำหรับโปรแกรมการดูแลเด็ก CalWORKs Stage 1 ในเดือนพฤษภาคม 2011 ด้วยการต่อสู้กับการฉ้อโกงในเชิงรุก DPSS กำลังช่วยเหลือสมาชิกที่เปราะบางที่สุดของชุมชนในขณะเดียวกันก็ปกป้องผู้เสียภาษีหลายล้านดอลลาร์ด้วย

วิเคราะห์ข้อมูล ค้นหารูปแบบการทุจริต

คดีฉ้อโกงอาจรวมถึงการเรียกร้องการจ้างงานที่เป็นเท็จเมื่อมีการแจ้งว่าไม่มีพนักงานอยู่ ในกรณีอื่นๆ ธุรกิจถูกสร้างขึ้นโดยหัวหน้าขบวนการหลอกลวงที่สมรู้ร่วมคิดกับผู้รับที่ประกาศอย่างเป็นเท็จว่าลูกๆ ของพวกเขากำลังเข้าศูนย์ดูแลเด็กที่ไม่มีอยู่จริง บางครั้งอาชญากรจะแจ้งตารางการทำงานที่เป็นเท็จหรือสั้นกว่าระยะเวลาที่อ้าง

เพื่อต่อสู้กับการฉ้อโกง อันดับแรกเทศมณฑลลอสแอนเจลีสต้องการโซลูชั่นการบูรณาการข้อมูลและกลไกการวิเคราะห์ที่มีประสิทธิภาพเพื่อรวบรวมแหล่งข้อมูลภายในและภายนอกจำนวนมากมารวมกันเพื่อสร้างและเรียกใช้แบบจำลองเชิงคาดการณ์ ด้วยการวิเคราะห์และการวิเคราะห์เครือข่ายโซเชียล เทศมณฑลลอสแอนเจลีสสามารถคาดการณ์ได้ว่าผู้รับสวัสดิการและผู้ให้บริการรายใดมีแนวโน้มมากที่สุดที่จะมีส่วนร่วมในกิจกรรมที่ฉ้อโกงและสร้างการสูญเสียกองทุนเป็นจำนวนมาก

การใช้แบบจำลองการคาดการณ์และการวิเคราะห์กลุ่มเพื่อนเพื่อตรวจจับความผิดปกติในการใช้บริการดูแลเด็ก เทศมณฑลลอสแอนเจลิสได้พัฒนาคะแนนที่มีความเสี่ยงสูงเพื่อลดจำนวนกรณีที่เป็นการตรวจจับผิดพลาดที่มอบหมายให้กับผู้สืบสวน ระบบใช้แบบจำลองการคาดการณ์เพื่อวิเคราะห์เครือข่ายโซเชียลและประเมินความเป็นไปได้ของการฉ้อโกงการดูแลเด็กและการสมรู้ร่วมคิดในเครือข่ายการฉ้อโกงในโครงการดูแลเด็ก การวิเคราะห์เครือข่ายโซเชียลยังช่วยระบุวงการฉ้อโกงที่สมรู้ร่วมคิดในกรณีร่วมด้วย

เทศมณฑลลอสแอนเจลิสใช้ SAS และรวมเอาเทคโนโลยีการทำเหมืองข้อมูลของ SAS เข้ากับการวิเคราะห์เครือข่ายทางสังคม การวิเคราะห์เชิงคาดการณ์ การจัดการกฎ และเทคนิคการคาดการณ์ SAS Business Intelligence ยังถูกนำมาใช้เพื่อสร้างพอร์ทัลข้อมูลที่จัดเก็บรายงานและใช้เพื่อตรวจสอบและแบ่งปันข้อมูลเกี่ยวกับคดีฉ้อโกง ด้วยการระบุรูปแบบในอดีตของกิจกรรมการฉ้อโกง ผู้ตรวจสอบสามารถมุ่งเน้นไปที่กรณีที่มีโอกาสเกิดการฉ้อโกงสูงขึ้น ประสิทธิภาพกระบวนการที่ได้รับการปรับปรุงเหล่านี้หมายความว่าผู้ตรวจสอบการฉ้อโกงมีเวลามากขึ้นในการตรวจสอบกรณีที่มีความเสี่ยงสูง

เปิดโปงแผนการสมรู้ร่วมคิด เพิ่มขีดความสามารถให้กับผู้สืบสวน

แบบจำลองของ SAS ช่วยให้เจ้าหน้าที่ Welfare Fraud Prevention & Investigations (WFP&I) ของ DPSS สามารถระบุและเร่งรัดการตรวจสอบกรณีที่น่าสงสัยได้เร็วกว่าการรอการอ้างอิงจากหน่วยงานที่ทำสัญญาหรือแหล่งอ้างอิงอื่น ๆ

DMS ตรวจพบกลุ่มสมรู้ร่วมคิดได้เร็วกว่ามาก ซึ่งช่วยลดระยะเวลาของกิจกรรมฉ้อโกงได้อย่างมาก เทศมณฑลลอสแอนเจลีสได้จัดทำแผนผังเครือข่ายของผู้เข้าร่วมและผู้ให้บริการที่แสดงความสัมพันธ์ของพวกเขาอย่างเห็นได้ด้วยตา พวกเขาดูว่าเครือข่ายเล็กๆ ใดๆ เหมาะสมกับเครือข่ายที่ใหญ่กว่าหรือไม่ ซึ่งผู้เข้าร่วมสมรู้ร่วมคิดกับผู้ให้บริการดูแลเด็กรายอื่นๆ พวกเขาระบุโหนดกลางที่แข็งแกร่ง และในกรณีหนึ่ง พบว่ามีผู้ให้บริการดูแลเด็กที่ให้บริการโหนดจำนวนมากของผู้เข้าร่วมที่สมรู้ร่วมคิดในกิจกรรมที่ฉ้อโกง

ลักษณะของเครือข่ายที่พิสูจน์แล้วว่ามีคุณค่ามากที่สุดสำหรับผู้สืบสวนการฉ้อโกงคือการแสดงความสัมพันธ์ในการวิเคราะห์เครือข่ายโซเชียล จอแสดงผลนี้แสดงเว็บที่เชื่อมโยงความสัมพันธ์ที่ซับซ้อน เช่น ตามหมายเลขโทรศัพท์และที่อยู่ทั่วไป เข้าถึงเครือข่ายผู้รับการดูแลเด็กและผู้ให้บริการได้ทันที ช่วยให้ผู้สืบสวนการฉ้อโกงประหยัดเวลาในการเตรียมงานคดีได้นับไม่ถ้วน “ปกติฉันคงต้องใช้เวลาหลายเดือนหรือหลายปีกว่าจะเปิดเผยความสัมพันธ์ทั้งหมดที่แสดงออกมา” ผู้สืบสวนคนหนึ่งกล่าว

“ในคดีหนึ่งของฉัน เพียงคลิกเมาส์เพียงครั้งเดียวฉันก็เห็นหลักฐานเพิ่มเติมที่อาจต้องใช้เวลาหลายสัปดาห์หรืออาจเป็นเดือนในการค้นพบ ซึ่งรวมถึงหลักฐาน เช่น ที่อยู่และชื่อของนายจ้างที่อาจไม่ได้รับการรายงาน และที่อยู่ที่อาจเป็นที่อยู่อาศัยที่สอง ระบบยังแสดงความเชื่อมโยงระหว่างผู้ต้องสงสัยของฉันและผู้ต้องสงสัยอีกสองคนในอีกสองคดี”

นอกจากนี้ เจ้าหน้าที่สืบสวนคนหนึ่งซึ่งใกล้จะได้บทสรุปของการสืบสวนสมคบคิดที่มีสมาชิก 10 คนแล้ว ได้ค้นหาชื่อผู้ต้องสงสัยหลักผ่านการวิเคราะห์เครือข่ายโซเชียล และค้นพบผู้สมรู้ร่วมคิดที่อาจเป็นไปได้อีก 7 คนซึ่งเธอไม่เคยค้นพบมาก่อน

ผลตอบแทนจากการลงทุนที่แข็งแกร่ง ผลลัพธ์อันล้ำค่า

ตั้งแต่เดือนพฤษภาคม 2011 ถึงเดือนพฤษภาคม 2015 มีการดำเนินการที่เกิดขึ้นดังต่อไปนี้:

• มีการส่งคดี 88 คดีไปให้อัยการเขตเพื่อดำเนินคดีอาญา
• มีการส่งแหล่งอ้างอิงการฉ้อโกง DMS 941 รายเพื่อการสอบสวน
• มีการส่งแหล่งอ้างอิง 1,538 รายไปยังผู้ปฏิบัติงานเคสของ DPSS เพื่อติดตามผล โดย 879 รายในจำนวนนี้ส่งผลให้มีสิ่งใดสิ่งหนึ่งต่อไปนี้เป็นอย่างน้อย:
  • การอ้างอิงการฉ้อโกงด้วยเหตุผลอื่นนอกเหนือจากการฉ้อโกงการดูแลเด็ก
  • การปฏิเสธ/การยกเลิก/การลดสวัสดิการการสงเคราะห์สาธารณะต่างๆ
  • การจ่ายเงินมากเกินไป
  • ส่วนแบ่งค่ารักษาพยาบาล

นับตั้งแต่ปรับใช้ DMS เทศมณฑลลอสแอนเจลิสได้ปรับปรุงประสิทธิภาพอย่างมีนัยสำคัญ ค้นพบการฉ้อโกงมากขึ้น และเร่งการสอบสวนให้รวดเร็วขึ้น มีการส่งต่อแหล่งอ้างอิงประมาณ 10-15 รายต่อเดือน โดยมากกว่า 40 เปอร์เซ็นต์เป็นการฉ้อโกงจริง สิ่งนี้ไม่เพียงแต่ช่วยให้เทศมณฑลสามารถกู้คืนเงินทุนและป้องกันการจ่ายเงินที่ฉ้อโกงได้เท่านั้น แต่ยังช่วยลดวงจรการฉ้อโกงที่สมรู้ร่วมคิดขนาดใหญ่ก่อนที่จะมีการจัดระเบียบและสร้างความเสียหายอย่างแท้จริง การหลีกเลี่ยงความเสียหายนั้นไม่สามารถคำนวณเป็นมูลค่าได้