Introdução
A ideia desse post surgiu após a leitura de alguns capítulos do livro Forensic Analytics do Mark Nigrini para a elaboração do post intitulado “Uma Implementação em R do RSF Test”.
Na primeira edição do livro (atualmente o livro está em sua 2a edição) os três primeiros capítulos são intitulados, respectivamente, “Usando Access em Investigações Forenses”, “Usando Excel em Investigações Forenses” e “Usando PowerPoint em Apresentações Forenses” e meu objetivo com este post é mostrar que o R possui muito mais condições de ser a ferramenta para implementação não só dos procedimentos descritos na literatura de “forensic analytics” mas também das diversas outras técnicas de mineração de dados descritas na literatura de detecção de fraudes.
Além disso o R oferece ótimos recursos para apresentação dos resultados, tanto na forma de relatórios como de painéis ( dashboards ) e de apresentações.
Logo no início do Capítulo 1 Nigrini afirma que são quatro os principais passos em auditoria forense:
- obtenção dos dados;
- preparação dos dados;
- análise dos dados e
- reporte dos resultados
Na verdade, essas etapas são comuns a todos os projetos de análise de dados. No livro R for Data Science o autor apresenta o seguinte framework para o trabalho com dados:
Este processo engloba as etapas mencionadas por Nigrini como pode ser facilmente visto na figura.
O R, como será mostrado mais adiante, possui excelentes recursos para uso em todas as quatro etapas mencionadas pelo autor.
Nos capítulos que se seguem, mostramos os recursos que o R ofecere para a execução de cada uma das etapas.
Os recursos a que nos referimos são funções disponibilizadas por meio de pacotes. Esses são dois conceitos importantes para o trabalho com o R.
No R, diferentemente de outros aplicativos, o usuário em geral irá digitar na linha de comando as funções que ele deseja utilizar para realizar uma determinada tarefa. Isso não é muito diferente do que o usário faz ao inserir uma função numa célula de uma planilha, por exemplo, para realizar um cálculo qualquer ou outra ação de interesse.
As funções estão reunidas em pacotes. Por exemplo, o pacote {readxl} disponibiliza funções úteis para a importação de dados armazenados em planihas do Excel. Da mesma forma, outros pacotes irão disponibilizar funções escritas para relizar determinado tipo de tarefa.
Uma coisa interessante no R é que qualquer usuário pode criar suas próprias funções e disponibilizar para que outras pessoas possam também utilizá-las. Essa facilidade de extender as funcionalidades básicas do R é uma das coisas que o tornam bastante popular.
Forensic Analytics
O objetivo da auditoria financeira é disponibilizar aos usuáios das demonstrações financeiras uma opinião quanto à adequada apresentação das mesmas em todos os aspectos materiais e de acordo com normas que orientam sua elaboração. A finalidade é, então, fornecer aos interessados algum grau de confiança nas demonstrações fnanceiras objeto de análise.
Ainda que a Forensic Analytics guarde bastante similaridade com a auditoria financeira, dela se diferencia pelo fato de ter por objetivo identificar (detecção) erros intencionais e não intencionais e os vieses nos dados objeto de análise.
As circunstâncias em que a Forensic Analytics é utilizada caracteriza-se pela ação pró-ativa da entidade buscando pela ocorrência de fraudes e outras anomalias (abuso e desperdício) ou ainda em situações em que a fraude foi descoberta e objetiva-se avaliar a extenção da mesma e se outros esquemas semelhantes estão em operação.
As principais abordagens utilizadas em Forensic Analytics, segundo Nigrini, são os testes de alto nível (análise preliminar dos dados), os testes de duplicação excessiva de dígitos, testes para números redondos, testes para outliers e testes para mudanças no padrão temporal dos dados.
As ferramentas apresentadas no livro de Nigrini e também no livro Fraud and Fraud Detection de Sunder Gee, baseadas na aplicação dos testes acima mencionados bem como em outros do gênero, diferem bastante da abordagem feita, por exemplo, no livro Fraud Analytics: Using Descriptive, Predictive, and Social Network Techniques - A Guide to Data Science for Fraud Detection, de Bart Baesens, Veronique Van Vlasselaer e Wouter Werbeke, que propõe o uso de técnicas de aprendizado de máquina como ferramentas para detecção de fraudes.
Claramente o R tem muito mais a oferecer na implementação de técnicas de machine learning do que o Excel e o Access.
A propósito, destacamos que na 2a edição de seu livro, Nigrini já traz implementações de algumas das técnicas apresentadas no livro usando também o IDEA, R, SAS, Tableau e Minitab.
Especificamente em relação ao R o autor menciona que “(…) R é um programa flexível capaz de fazer virtualmente qualquer coisa relacionada à análise de dados, e para tanto utiliza uma interface baseada em linha de comando e sua própria sintaxe e linguagem de programação”
Boa parte do que é discutido no Capítulo 2 da 2a edição do livro de Nigrini é abordado em outros contextos como Análise Exploratória de Dados e o R oferece excelentes recursos para a execução desses procedimentos que em essência tem por objetivo a obtenção de uma visão geral e compreensão dos dados em análise.
Vamos agora dar uma olhada nos recursos que o R tem a oferecer para a execução de cada uma das etapas da auditoria forense mencionadas por Nigrini.
Obtenção dos Dados
A importação dos dados é sem dúvida uma etapa crítica no processo de análise. Os dados estão armazenados em arquivos e estes podem ser de diversos tipos, o que impõe ao usuário alguns desafios a depender do tipo de arquivo. Por exemplo, importar dados armazenados em arquivos .csv é bem mais fácil do que importar dados armazenados em arquivos .pdf.
Existem diversos pacotes no R que disponibilizam funções para acessar dados armazenados em diversos formatos, sejam abertos ou proprietários.
Vamos listar a seguir alguns pacotes disponíveis e dar a indicação dos tipos de arquivos a que se destinam:
| Pacote | Tipo de arquivo |
|---|---|
{readxl} |
planilhas do Excel. |
{readr} |
arquivos texto em geral. |
{haeven} |
arquivos dos softwarre estatísticos SAS, SPSS e Stata |
{rio} |
diversos tipos de arquivo, incluindo os acima mencionados |
{jsonlite} |
arquivos json |
{xml2} |
arquivos xml e html |
Além desses, existem pacotes que possibilitam o acesso a bancos de dados como os pacotes {DBI}, {odbc}, {RSQLite} dentre diversos outros.
A obtenção de dados em páginas web mediante um procedimento conhecido por web scraping ou “raspagem de dados” pode ser feito com o pacotes {rvest} em combinação outros pacotes.
Dados disponibilizados em APIs podem ser obtidos com o pacote {httr}.
Naturalmente existem muitos outros pacotes disponíveis, mas com estes já é possível fazer muita coisa.
Preparação dos Dados
De forma bem simples, a etapa de preparação dos dados consiste em colocá-los em condições de serem submetidos à modelagem ou aos testes como os discutidos nos livros já citados, ou ainda serem visualizados, após sua importação.
Isso implica que os dados, em geral, após serem importados precisam ser “limpos” e precisam ter sua consistência e integridade avaliados.
Em relação à preparação e organização dos dados recomendamos a leitura dos artigos Tidy Data do Hadley Wickham e Data Organization in Spreadsheets de de Karl W. Broman & Kara H. Woo.
Essa é muitas vezes uma etapa demorada e ter à disposição ferramentas adequadas que permitem o tratamento dos dados de forma simples faz muita diferença, e aqui é onde o R realmente brilha!
Para realizar essa etapa de forma eficiente o R disponibiliza um amplo conjunto de pacotes e funções dos quais mencionaremos apenas o que mais utilizamos, sendo certo que muitos outros existem e podem ser tão bons ou melhores que os aqui elencados.
Podemos iniciar com os pacotes que integram o denominado {tidyverse}. Da página (https://www.tidyverse.org/) deste “metapacote” tira-se a seguinte “definição”: "The tidyverse is an opinionated collection of R packages designed for data science. All packages share an underlying design philosophy, grammar, and data structures.
Trata-se de um conjunto de pacotes projetados para fazer ciência de dados o que claramente compreende o tipo de tarefa que encontramos na literatura de Forensic Analytics ou mesmo de Audit Data Analytics.
Também vale a pena destacar que os pacotes compartilham uma filosofia comum acerca da abordagem de análise de dados que integra a estrutura de dados utilizada e um conjunto de regras definindo como essa estrutra deve ser manipulada.
Os pacotes que integram o {tidyverse} básico são:
{dplyr}- manipulação de dados;
{ggplot2}- produção de gráficos;
{stringr}- manipulação de dados textuais;
{tidyr}- organização dos dados;
{readr}- importação de dados;
{purrr}- programação funcional;
{tibble}- extenção dos data frames;
{forcats}- manipulação de dados categóricos expressos como fatores
Um outro pacote importante que não integra o {tidyverse} básico é o {lubridate} que destina-se à manipulação de datas e horas.
Às vezes será necessário manipular uma grande quantidade de dados que não podem ser alocados na memória do computador, e para ajudar resolver esse problema alguns pacotes estão disponíveis, dentre os quais citamos: {sparklyr} e {disk.frame}.
Análise dos dados
Para efetivamente realizar a análise dos dados, aqui entendida como a modelagem dos mesmos, também existem diversos outros pacotes, além dos que já foram mencionados nas seções precedentes, que podem auxiliar nessa tarefa.
Dada a ampla gama de possibilidade de modelagem, vamos remeter o leitor para a página de alguns livros disponíveis online para que o leitor veja algumas possibilidades oferecidas pelo R:
Os exemplos acima apenas dão uma rápida visão das possibilidades que o R pode oferecer nessa área.
Um site interessante é o https://bookdown.org/ que disponibiliza online
livros sobre o R de forma gratuita em sua grande maioria. O The Big Book of R do Oscar Baruffa é outro site na mesma linha.
O livro Audit Analytics: Data Science for the Accounting Profession mostra o uso do R como ferramenta analítica num contexto puramente de auditoria. Aparentemente é o primeiro livro publicado nessa linha.
Comunicação dos Resultados
Nos trabalhos de auditoria essa é uma etapa fundamental sem a qual as etapas anteriores talvez não produzam os resultados esperados por melhor que tenham sido realizadas, visto que se os destinatários das análises não tomarem conhecimento dos resultados obtidos talvez nenhuma ação com base no trabalho realizado seja tomada.
Os resultados obtidos podem ser apresentados por intermédio de relatórios, painéis ou apresentações. Veremos o que o R tem a oferecer para cada um desses formatos de comunicação.
Relatórios
Para a produção de relatórios o R apresenta um conjunto de opções que se fundamentam numa ferramenta básica: o markdown.
O pacote {rmarkdown} oferece a infraestrutura básica sobre a qual outros pacotes mais especializados são construídos. Essencialmente o {rmarkdown} possibilita que texto e código em R (atualmente também Python e SQL) sejam combinados em um único arquivo .Rmd para a produção de um documento que pode ser um html, um pdf, ou um docx para citar os mais comuns.
Para conhecer um pouco mais de rmarkdown recomendamos a leitura do texto RMarkdown: O mínimo que você precisa saber
Mais recentemente uma outra ferramenta chamada Quarto (também baseada em rmarkdown) foi incorporada ao conjunto de ferramentas disponíveis para a produção de textos.
Pacotes como o {pagedown} e o {pagedreport}, também facilitam muito a produção de relatórios.
Também os pacotes {officer} e {officedown} podem ser usados para a produção de documentos em Word ou PowerPoint a partir de documentos escritos em rmarkdown.
Para mais informações sobre esses pacotes e alguns outros consultar https://ardata-fr.github.io/officeverse/
A criação de tabelas é um elemento essencial nos relatórios e também aqui o R tem muito a oferecer. A função kable() do pacote {knitr} pode ser usada para criar tabelas mais básicas e caso haja a necessidade de elaborar tabelas mais complexas os pacotes {kableExtra}, {gt} e {flextable}, para citar apenas três, podem dar conta do recado. Mas vários outros estão disponíveis para essa finalidade.
Painéis
É cada vez mais comum que os resultados de análises sejam mostrados não só atrávés de relatórios, mas também de painéis ou, como gostam alguns, dashboards.
Os pacotes {flexdashboard}, {shinydashboard} e {shiny} disponibilizam recursos para a construção de painéis estáticos ou interativos.
Os gráficos dinâmicos são elementos essenciais nesses “artefatos” e pacotes como o {plotly}, {echarts4r}, {leaflet}, {dygraphs}, {highcharter}, {gganimate}, {visNetwork} {networkD3}, {rAmCharts} podem ser muito úteis.
Apresentações
As apresentações são, também, uma forma muito comum de apresentação dos resultados e também aqui o R oferece excelentes opções. Além dos pacotes {officer} e {flexdashboard} já citados, o pacote {xaringan} possibilita a criação de apresentações no formato html.
Para uma visão geral do {xaringan} recomenamos ao leitor dar uma olhada nesse material da Bia Milz: https://beatrizmilz.com/talk/2021-3rday-xaringan/.
Outros pacotes de interesse
Além dos pacotes acima mencionados, alguns outros podem ser usados para implementar técnicas típicas de Forensic Analytics. Por exemplo, os pacotes {benford.analysis} e {benford} e {BenfordTests} implementam análises baseadas na Lei de Benford.
Para a detecção de outliers também existem algumas opções, uma delas sendo o pacote {outliers}.
Considerações Finais
A popularidade do Excel entre os profissionais de área de auditoria é certamente a razão de ser a ferramenta escolhida para a implementação das técnicas apresentadas no livro, apesar de suas limitações para realização de análise de dados.
O R, por outro lado, apesar de oferecer enormes vantagens, não é uma ferramenta popular entre os profissionais de auditoria, ao menos por enquanto.
Comparado ao Excel o R possui, certamente, uma curva de aprendizado mais longa, exigindo uma dedicação muito maior para o seu aprendizado o que por vezes pode tornar-se uma barreira intransponível. Por outro lado, uma vez vencida essa dificuldade inicial, esse esforço adicional acaba por ser compensado em razão da eficiência que se obtém na realização das tarefas de análise de dados.
O uso do R traz como um benefício adicional a possibilidade de reprodutibilidade das análises realizadas, já que todo o código utilizado para a realização das análises fica disponível, possibilitando a qualquer pessoa replicar o que foi feito, o que não é tão simples quando de usa uma planilha eletrônica.
Bem, era isso. Espero que tenham gostado.