Anomaly Detection Modelle
In der Datenanalyse wird unter Anomalieerkennung (auch als Ausreißererkennung und manchmal auch als Neuheitserkennung bezeichnet) im Allgemeinen die Identifizierung seltener Elemente, Ereignisse oder Beobachtungen verstanden, die erheblich von der Mehrheit der Daten abweichen und nicht mit einer genau definierten Norm übereinstimmen. Ein plötzlicher Anstieg oder Rückgang einer Kennzahl ist ein anomales Verhalten und erfordert in beiden Fällen Aufmerksamkeit. Die Erkennung von Anomalien kann durch überwachte Lernalgorithmen gelöst werden, wenn wir vor der Modellierung Informationen über anomales Verhalten haben, aber zunächst ohne Feedback ist es schwierig, diese Punkte zu identifizieren. Deshalb modellieren wir dies als ein unbeaufsichtigtes Problem, indem wir Algorithmen wie Isolation Forest, One Class SVM* und LSTM** verwenden. Meistens identifizieren wir Anomalien mithilfe des Isolationswaldes.
Die Anomalieerkennung mit Isolation Forest (s.o.) ist ein Prozess, der aus zwei Hauptphasen besteht:
1- In der ersten Phase wird ein Trainings-datensatz zum Erstellen von iTrees verwendet.
2- In der zweiten Stufe durchläuft jede Instanz im Testsatz diese iTrees und der Instanz wird ein ordnungsgemäßer „Anomalie-Score“ zugewiesen.
Sobald allen Instanzen im Testsatz ein Anomaliewert zugewiesen wurde, ist es möglich, jeden Punkt als „Anomalie“ zu markieren, dessen Wert über einem vordefinierten Schwellenwert liegt, der von der Domäne abhängt, auf die die Analyse angewendet wird.
*SVM=Support Vector Machines; ** LSTM= ....
Rechnungsprüfung 4.0
Die Level-Ebenen sind frei wähl- oder kombinierbar und umfassen selbst jeweils zwei Teilmodule im Umfang von jeweils fünf Seminartagen, je nach individuellem Bedarf. Das Angebot wird überwiegend online bereitgestellt und ist mit zahlreichen Praxisbeispielen und Give-Aways (Musterdateien, Skripten) angereichert.
Es ist nicht erforderlich, das gesamte Programm in numerischer Reihenfolge zu absolvieren.
Nach jedem Einzelmodul können bereits Analyseschritte und -verfahren im Echtbetrieb erprobt werden. Ansonsten können Einzelmodule nach Bedarf über gewünschte Zeiträume gestreckt werden. Zur Vertiefung bietet CHE zahlreiche sogenannte Methodenworkshops (ganztägige Prakikerseminare) zu einzelnen Themen an, beispielsweise zum Monetary Unit Sampling oder zur Benford-Ziffernanalyse einschließlich Tool-Training (Umsetzung mit digitalen Werkzeugen von Excel bis KNIME).
Da in den für Rechnungsprüfer/-innen besonders relevanten einschlägigen Studiengängen / Ausbildungsgängen Kenntnisse zur Statistik wie auch zu umsetzungsbezogenen Excel-Kenntnissen nicht systematisch vermittelt werden, wird jeweils die Möglichkeit geschaffen, sich vor, während und/oder zwischen einzelnen Modulen derartige Kenntnisse noch anzueignen.
Für jedes Modul kann auf Basis eines Multiple-Choice-Tests ein qualifizierter Leistungsnachweis erworben werden.
Das gesamte Kursprogramm und die Beschreibung der Inhalte der einzelnen Modulbausteine finden Sie hier
QUICKLINKS
ANSCHRIFT
CHE - Kommunalberatung
Christoph Heck
Gonellastraße 62
40668 Meerbusch
KONTAKT
Tel.: 02150 794320
Fax: 02150794323
Mail: info@che-kommunalberatung.de