부패 가능성을 발견하는 데 데이터 분석을 이용하는 네 가지 방법

주요 규정 준수 프로그램 관례를 제정할 때, 해외부패방지법(FCPA – Foreign Corrupt Practices Act of 1977)을 위반하지 않도록 적절한 모니터링, 감사, 그리고 진행 중인 프로그램 유효성에 대한 계속되는 평가를 설립해야 합니다. 모니터링 및 감사 업무를 담당하는 내부 감사 및 규정 준수 팀에게 데이터 분석이란, 규정 준수 프로그램의 효과를 개선하는 데 중요한 도구입니다. Tableau 분석 플랫폼을 사용하여 위험 요소를 식별하고, 이상 현상을 표시하는 플랫폼을 설계하고, 거래에 위험성 등급을 지정하고, 사전 대응적 알림을 보냄으로써, 부패 계획을 조기에 감지하고 예방하는 데 초점을 맞춰 규정 준수 프로그램을 시행할 수 있습니다.

해외부패방지법(FCPA – Foreign Corrupt Practices Act of 1977)은, 증권거래법(Securities Exchange Act)에 따른 회계 투명성 요건을 규정하는 조항과 외국 공무원에 대한 뇌물 공여 행위를 다루는 조항의 두 가지 주요 조항으로 잘 알려진 미국 연방법입니다. FCPA 조항은 미국 외 관할 구역에서 사업 중인 모든 개인 또는 미국 기업에 적용되며, 미국 증권거래위원회(SEC – Securities and Exchange Commission)와 사법부(DOJ – Department of Justice)에서 공동으로 집행하고 있습니다.

FCPA의 철저한 정밀 조사 및 집행 수준을 고려할 때, FCPA를 위반하는 회사는 불이행으로 인해 상당한 벌금을 부담하고, 조사에 시간을 소요해야 할 수 있으며, 평판 및 브랜드에 손상을 입을 수 있습니다. 따라서, 주요 규정 준수 프로그램 관례를 제정할 때는, 적절한 모니터링, 감사, 그리고 프로그램 유효성에 대한 계속되는 평가를 설립해야 합니다.

모니터링 및 감사 업무(예: 내부 감사, 규정 준수 등)를 담당하는 팀이 데이터 분석을 사용하는 것은, 규정 준수 프로그램의 효과를 개선하는 데 중요합니다. 분석을 사용하여 위험 요소를 식별하고, 이상 현상을 표시하는 플랫폼을 설계하고, 거래에 위험성 등급을 지정하고, 사전 대응적 알림을 보냄으로써, 부패 계획을 조기에 감지하고 예방하는 데 초점을 맞춰 규정 준수 프로그램을 시행할 수 있습니다.



부패 방지 프로그램을 위한 분석 고려 사항

1) 부패 위험 요소를 식별합니다.

위험 평가 절차의 일환으로, 회사는 자사 또는 업계에 해당하는 특정 부패 위험을 평가해야 합니다. 이러한 위험 요소를 식별하고 등급을 지정했으면, 가능한 부패 책략과 시나리오를 생각해 본 후 이러한 부패 계획을 방지하거나 탐지할 수 있는 완화 조치가 있는지 알아봐야 합니다.

이러한 활동의 결과로, 잠재 위험에 따라 구체적인 테스팅이나 추가적인 분석이 수행되어야 하는 영역의 프로그램 목록이 나올 것입니다. 프로그램의 허점을 직시하는 것이야말로 문제를 적극적으로 해결해 나가는 첫 걸음입니다.

2) 부패 위험 가능성을 식별하기 위한 분석을 설계합니다.

위험성이 있는 거래를 식별하고 추가적인 테스팅을 하는 데 데이터 분석을 활용할 수 있습니다. 있을 수 있는 숨겨진 부패 계획을 파악함으로써, 회사는 분석을 설계하여 모집단에 포함된 나머지 거래 대비, 눈에 띄는 추세 또는 이상값에 근거하여 위험도가 높은 거래를 프로파일링할 수 있습니다.

이해를 돕기 위해, 채널 또는 파트너 영업과의 부패 기법에 대한 예로, 어떤 제품을 리셀러에게 초특가 할인을 주어 판매하면, 그 리셀러가 그 판매에서 얻은 큰 수익으로 최종 고객에게 뇌물을 제공하는 경우를 들 수 있습니다. 이 시나리오에서, 파트너 영업 거래에서의 이상 할인 값을 검토함으로써 조사를 필요로 하는 높은 부패 위험을 발견할 수 있습니다. 거래 규모, 지역, 경향이 있는 직원 또는 파트너 할인 패턴 등의 위험 요소가 부패 가능성을 드러낼 수 있습니다.

이러한 다양한 위험 요소를 기반으로, 분석을 사용하여 재빠르게 이상값과 이례적인 할인 패턴을 식별할 수 있습니다. 이상값과 이례적인 패턴을 빠르고 쉽게 볼 수 있는 아래 매출 할인 분산형 차트 대시보드를 참고하십시오. 이러한 방식으로 분석을 설계하는 경우, 회사는 부패 인식 지수(CPI – Corruption Perception Index)가 더 낮은 지역, 즉 잠재 부패 및 뇌물수수가 더 일반적인 지리적 관할 구역에 대해 더 집중적으로 검토할 수 있습니다.

영업 할인 분산형 차트 대시보드: Tableau를 사용함으로써, 영업 데이터를 쉽게 렌더링, 필터링 및 분석할 수 있습니다. 아래 예에서, 거래 할인율은 y축에, 거래 체결일은 x축에 표시되어 있습니다. 각 원은 각 거래를 표시하는데, 원의 크기는 거래의 규모를 나타냅니다. 이 대시보드에는 다음과 같은 필터가 사용되었는데, 위험 거래를 구분하는 것을 돕도록 각각을 업데이트할 수 있습니다.

  • 거래 체결일: 검토 기간은 언제부터 언제인가요?
  • 거래 체결월: 어떤 달에 체결된 거래가 다른 달의 거래보다 기본적으로 더 위험할까요?
  • 할인율: 어느 할인 수준부터 추가적인 정밀 조사를 해야 할까요?
  • 지역 및 구역: 어디에서 위험도가 높은 거래가 체결되었습니까?
  • 거래 제안부터 체결까지의 일 수: 큰 규모의 거래가 짧은 시일 내에 제안되고 체결되었다면, 적절한 채널을 통해 검토되고 승인된 것일까요?

3) 거래에 위험 등급을 매기고 테스팅을 수행합니다.

분석을 개발했으면, 이례적이거나 데이터 집합의 예상 패턴 또는 기타 항목과 일치하지 않는 거래를 식별해야 합니다. 이러한 거래에 위험 등급 지정을 고려하고 추가적인 테스팅 절차를 수행하십시오. 위에서 주목했던 영업 거래의 예를 사용해 볼 때, 영업 지원 문서, 영업 담당자 또는 파트너 대표와의 협상 내용을 조사하는 것 등을 추가적인 세부 테스팅에 포함할 수 있습니다.

4) 고위험 거래에 대한 사전 경보를 제공하는 데 분석을 사용합니다.

이러한 정보를 사내 규정 준수 팀과 공유하여 진행 중인 모니터링에 규모에 맞게 분석을 배포할 방법을 결정하십시오. 앞으로 부패를 어떻게 방지할 수 있을까요? 어떻게 영업 주기 초기에 부패를 발견할 수 있을까요?

Tableau를 사용하면, 데이터 기반 알림을 설정할 수 있습니다. 예를 들어, CPI 척도가 낮은 국가에서 파트너 주도의 파이프라인 거래가 체결되고 할인율이 50%를 초과한다면 규정 준수 팀에게 통보되길 원한다고 가정합니다. 이러한 임계값에 알림을 설정하면, 해당 거래를 모니터링하는 팀에게 자동으로 알림을 보내 팀에서 데이터에 근거하여 조치를 취할 수 있게 할 수 있습니다.

데이터 분석은 큰 규모의 부패 방지 프로그램의 강력한 일면입니다. 분석은 부패 가능성을 감지하고 부패 계획을 예방할 수 있으며, 잠재적인 벌금, 조사 그리고 평판에 측정하기 어려운 손상을 입는 것을 모면할 수 있도록 돕습니다. 이러한 네 가지 분석 고려 사항을 귀사의 규정 준수 프로그램에 적용한다면 부패 방지 노력을 효과적이고 강력한 방식으로 향상하여, 실시간으로 거래를 모니터링하고 감사할 수 있습니다.

위험 요인을 노출하고 부패 방지 및 예방을 개선하는 사전 대책을 세우는 방법에 대해서는 Tableau 감사, 위험 및 규정 준수 분석 솔루션 페이지를 살펴보십시오.