เราใช้ความรู้ด้านสถิติและวิเคราะห์ธุรกิจตรวจจับการทุจริตได้หรือไม่?

ในโลกปัจจุบันมีการเปลี่ยนแปลงรวดเร็ว มีสภาพแวดล้อมที่มีพลวัตสูง ทำให้ต้องมีการบริหารความเสี่ยง (Risk management) เพื่อรองรับการเปลี่ยนแปลงต่างๆ ที่เกิดขึ้นอย่างรวดเร็วและหลายครั้งไม่ได้คาดฝัน แต่มีความเสี่ยงอย่างหนึ่งที่กร่อนกัดกินสังคมไทย ธุรกิจไทยมายาวนาน นั่นคือการทุจริตคอรัปชั่น การฉ้อราษฎร์บังหลวง ถ้าไม่มีการทุจริตคอรัปชั่นแล้วประเทศไทยคงพัฒนาไปได้ก้าวไกลกว่านี้อีกมาก

ในสาขาวิชาวิเคราะห์ธุรกิจ (Business analytics) นั้นมีวิชาหนึ่งวิชาชื่อว่า Quantitative risk analytics หรือการวิเคราะห์ความเสี่ยงเชิงปริมาณ โดยมีเนื้อหาประกอบด้วย การจัดอันดับความน่าเชื่อถือ (Credit scoring) ด้วยแบบจำลองความน่าจะเป็นเชิงเส้น (Linear probability model) การตรวจจับการทุจริต (Fraud detection) ด้วยการวิเคราะห์จำแนก (Discriminant analysis) แบบจำลองการล้มละลายทางการเงิน (Bankruptcy model) ด้วยการวิเคราะห์ถดถอยลอจิสติก (Logistic regression analysis) การวิเคราะห์พฤติกรรม (Behavioral analysis) ด้วยการวิเคราะห์การอยู่รอด (Survival analysis) การวัดความเสี่ยงและการจำลองความเสี่ยง (Risk measurement and simulation) ด้วยแบบจำลองโซ่มาร์คอฟ (Markov Chain Monte Carlo Simulation) เป็นต้น

เราสามารถนำความรู้ในวิชาวิเคราะห์ความเสี่ยงเชิงปริมาณมาช่วยหาคำตอบสำหรับแก้ไขและป้องกันปัญหาการทุจริตคอรัปชั่น การโกงต่างๆ ได้ในระดับหนึ่งแม้จะไม่ทั้งหมดก็ตาม เนื้อหาวิชานี้ครอบคลุมการประยุกต์ใช้ความรู้ทางสถิติและวิทยาศาสตร์คอมพิวเตอร์มาประยุกต์ใช้ในการวิเคราะห์ความเสี่ยง หนึ่งในความเสี่ยงนั้นก็คือการตรวจจับการทุจริต (Fraud detection)

เรามีวิธีการในการสร้างแบบจำลองเพื่อตรวจจับทุจริตได้หลายกรณี ยกตัวอย่าง ปัญหาที่เราต้องตรวจจับทุจริตได้แก่

1. เราจะรู้ได้อย่างไรว่าการที่คนนำบัตรเครดิตการ์ดไปใช้งานเป็นธุรกรรมปกติหรือเป็นธุรกรรมที่เกิดจากการขโมยบัตรเครดิตไปใช้งาน
2. เราจะทราบได้อย่างไรว่าผู้ซื้อประกันชีวิตนั้นเป็นการซื้อประกันชีวิตตามปกติและไม่น่าจะเป็นการฟอกเงิน
3. เราจะรู้ได้ผู้เอาประกันสุขภาพหรือโรงพยาบาลคนใดคนหนึ่งหรือทั้งสองคนร่วมกันโกงเบิกจ่ายค่ารักษาพยาบาลแบบไม่สมเหตุสมผล
4. เราจะตรวจสอบได้หรือไม่ว่ามีการลอกข้อสอบ หรือเราจะตรวจสอบได้หรือไม่ว่ามีข้อสอบรั่ว ในการสอบคัดเลือกเข้ารับราชการในองค์การปกครองส่วนท้องถิ่น

ทั้งหมดนี้สามารถนำความรู้ทางสถิติและวิทยาศาสตร์คอมพิวเตอร์มาช่วยได้

ข้อสมมุติในการตรวจสอบทุจริตนั้นมีอยู่สองประการ

ประการแรก ผู้ทำการทุจริตจะทิ้งร่องรอยไว้เสมอ และร่องรอยการทุจริตมีโปรไฟล์หรือรูปแบบที่น่าจะศึกษาได้ ทำให้สามารถใช้เป็นแนวทางในการจับทุจริตได้ ในการสร้างแบบจำลองเพื่อตรวจจับการทุจริตด้วยวิธีการนี้ จะใช้รายงานผลการตรวจสอบที่พบเจอว่ามีการทุจริต เช่น ผู้ตรวจสอบบัญชี (Auditor) พบว่ามีการทุจริตในการจัดซื้อจัดจ้าง หรือธนาคารได้รับการแจ้งว่าบัตรเครดิตถูกขโมยไปใช้ เป็นต้น และนำมาเป็นตัวแปรเกณฑ์หรือตัวแปรตามเพื่อแยกแยะระหว่างพฤติกรรมของคนปกติกับผู้ที่ทุจริตและทิ้งร่องรอยไว้ให้เห็น

ประการสอง ผู้ทำการทุจริตมักจะทำสิ่งต่างๆ ที่มีรูปแบบค่อนข้างเบี่ยงเบนไปจากที่คนปกติทั่วไปทำกันตามปกติ ทำให้สามารถใช้เป็นแนวทางในการจับทุจริตได้ เช่น นักเรียนที่เข้าสอบทำข้อสอบได้ในข้อที่ยากแต่กลับทำข้อสอบข้อที่ง่ายๆ ไม่ได้เลย กล่าวคือนักเรียนทำข้อสอบข้อที่ยากได้ดีเกินกว่าความสามารถของนักเรียนเอง เช่นนี้ก็ทำให้เราพอจะเชื่อได้ว่าน่าจะมีข้อสอบรั่ว คนที่ซื้อประกันชีวิตหลายฉบับมาก และไล่ซื้อไปหลายบริษัทในเวลาเดียวกัน หรือมีแหล่งที่มาเดียวกัน และมีวงเงินสูงมากๆ ทำให้ชวนสงสัยได้ว่าน่าจะเป็นการฟอกเงิน (Money Laundering) หรือการเบิกจ่ายเงินค่ารักษาพยาบาลของผู้เอาประกันสุขภาพที่สูงมากผิดปกติเกินกว่าปกติวิสัยในโรคที่รักษาในทางสถิติเรียกค่าเหล่านี้ว่าค่าสุดโต่ง (Outlier) การตรวจจับ Outlier ได้นั้นทำให้เราชวนสงสัยว่าน่าจะมีความผิดปกติอยู่

ขอยกตัวอย่างการทุจริตในการสอบ การที่คนที่ตอบข้อสอบผิดเหมือนกันกับผู้เข้าสอบคนอื่นๆ ถ้านำผังห้องสอบ (แปดคนที่นั่งรอบผู้เข้าสอบ) มาพิจารณาว่าคำตอบของผู้ต้องสงสัยนั้นตอบผิดเหมือนกันกับผู้เข้าสอบทั้งแปดคนที่นั่งรอบๆ ผู้เข้าสอบผู้ต้องสงสัยหรือไม่ ที่ Educational Testing Service ใช้วิธีการนี้ในการตรวจสอบว่ามีการลอกข้อสอบ TOEFL, SAT, GRE, GMAT หรือไม่ด้วยดัชนีวัดการคัดลอกที่เรียกว่า K-index เป็นนี้

สำหรับในกรณีที่ข้อสอบรั่ว ก็สามารถตรวจจับได้เช่นเดียวกันว่าผู้เข้าสอบคนใดที่เป็นผู้ต้องสงสัยว่าน่าจะเป็นคนได้รับรู้ข้อสอบที่รั่วก่อนเข้าห้องสอบและข้อสอบข้อใดน่าจะเป็นข้อสอบที่รั่วออกมา ซึ่งผู้เขียนเองได้ทำงานวิจัยชิ้นนี้ขณะฝึกงานที่ National Board of Medical Examiner ที่สหรัฐอเมริกา ข้อสอบที่รั่วจะมีลักษณะบางอย่างผิดปกติ เช่น จะไม่ค่อยสามารถจำแนกระหว่างคนเก่งกับคนอ่อนได้ ข้อสอบข้อที่รั่วจะมีแนวโน้มที่จะไม่สะท้อนหรือสัมพันธ์กับคะแนนรวมหรือข้อคำถามอื่นๆ ทั้งๆ ที่วัดในเรื่องเดียวกัน ในขณะที่คนที่ได้รู้ข้อสอบที่รั่วมาก่อนมีแนวโน้มจะทำข้อสอบที่ยากได้ดี โดยที่ยังไม่สามารถทำข้อสอบที่ง่ายๆ ได้ทั้งๆ ที่ควรจะทำได้เป็นต้น

การตรวจจับว่าการใช้บัตรเครดิตใดเป็นธุรกรรมต้องสงสัยว่ามีการทุจริต อาศัยการวิเคราะห์รูปแบบพฤติกรรม (Behavioral pattern) ในอดีตของผู้ถือบัตรเครดิตนั้น เช่น เคยใช้บัตรเครดิตจ่ายเงินส่วนใหญ่ด้วยยอดเงินเท่าใด มีการใช้บ่อยมากน้อยเพียงใด ไปจับจ่ายใช้สอย ณ สถานที่ใด ผมเองเคยไปเที่ยว California เป็นครั้งแรกหลังจากอยู่ในนิวยอร์กซิตี้ได้สามปี เมื่อไปรูดเครดิตการ์ดจ่ายเงินค่าแฮมเบอร์เกอร์เพียงไม่กี่เหรียญ ทางธนาคารเจ้าของบัตรเครดิตก็รีบโทรมาตรวจสอบความถูกต้องในทันที เนื่องจากพบว่ามีแนวโน้มจะเป็นธุรกรรมต้องสงสัยว่าจะเกิดการทุจริตหรือมีคนขโมยบัตรเครดิตไปใช้

การตรวจจับพฤติกรรมผิดปกติในการซื้อประกันชีวิต (Anomalous health insurance buying behavior) เป็นงานวิจัยที่ลูกศิษย์ที่กำลังทำ independent study ของผู้เขียนกำลังดำเนินการ โดยใช้ดัชนีวัดความเป็นค่าสุดโต่ง (Outlier) ของลูกค้าแต่ละราย ซึ่งซื้อประกันชีวิตหลายกรมธรรม์มากและหลายบริษัท โดยที่แต่ละบริษัทหรือแต่ละกรมธรรม์มียอดเงินเอาประกันค่อนข้างสูงผิดปกติ

การตรวจจับทุจริตเหล่านี้อาศัยการวิเคราะห์ข้อมูลจำนวนมาก และมักเป็นข้อมูลที่ผ่านระบบอิเล็คทรอนิกส์ สามารถนำมาใช้สร้างแบบจำลองต่างๆ

ข้อที่พึงระวังคือการใช้แบบจำลองจากการวิเคราะห์ธุรกิจโดยอาศัยวิธีการทางสถิติและวิทยาศาสตร์คอมพิวเตอร์นั้นมีโอกาสผิดพลาดได้ตามรูปข้างล่างนี้

1. สำหรับกรณีที่มีการทุจริตจริงและเราตรวจจับพบว่าทุจริตจริงถือว่าเราจับทุจริตได้ถูกต้อง (Hit)
2. สำหรับกรณีที่ไม่มีการทุจริตและเราตรวจจับไม่พบว่าทุจริตจริงถือว่าเราปฏิเสธอย่างถูกต้อง (Correct Rejection)
ทั้งสองกรณีนี้ถือว่าเราทำได้ดี แม่นยำสูงในการตรวจจับทุจริต
3. สำหรับกรณีที่มีการทุจริตจริงและเราตรวจจับไม่พบว่าทุจริตจริงถือว่าหลุดรอดจากการตรวจจับ (Miss) ซึ่งทำให้ผู้ร้ายลอยนวลได้
และ กรณีที่ 4. สำหรับกรณีที่ไม่มีการทุจริตและเราตรวจจับพบว่าทุจริตจริงถือว่าเราตรวจจับได้ผิด (False Alarm) ซึ่งเป็นอันตรายอย่างยิ่ง จะอาจจะเป็นการทำร้ายคนดีก็ได้

การตรวจจับทุจริต (Fraud detection) ด้วยการวิเคราะห์หลักฐานทางสถิติ (Statistical evidence) จากการวิเคราะห์ธุรกิจ จึงควรใช้เป็นการเตือนล่วงหน้า (Early warning) ว่าน่าจะมีการทุจริต แต่ต้องมาอาศัยหลักฐานเชิงประจักษ์ (Empirical evidence) เช่น หลักฐานทางการเงิน หลักฐานทางบัญชี หลักฐานพยาน หลักฐานทางวิทยาศาสตร์อื่นๆ ประกอบเข้าด้วยกันเพื่อให้ได้คำตอบที่มั่นใจ และต้องไม่ใช้ Statistical evidence เพียงอย่างเดียวในการตรวจจับทุจริต ควรใช้หลายๆ วิธีประกอบกัน