第3章异常模式识别

3、异常模式识别：价格偏离、数量异常、供应商集中度、时间模式分析

做反舞弊调查这些年，我见过太多看似完美的交易流水。表面上看，采购订单、入库单、付款凭证一应俱全，但只要你把数据摊开来看，异常就像白纸上的墨点一样扎眼。这一章，我就带你练就一双「数据鹰眼」。

异常模式识别，说白了就是找「不对劲」的地方。我把它拆成四个维度：价格、数量、供应商、时间。这四个维度交叉验证，基本能覆盖90%的回扣交易场景。

  核心逻辑： 回扣交易的本质是「利益输送」，必然会在交易数据中留下痕迹。我们要做的，就是把痕迹找出来。

价格偏离是最直观的异常信号。我习惯先算一个基准价，然后看每个订单的偏离程度。

基准价怎么定？ 我个人常用三种方法：

嗯，这里要注意：基准价不是死的。比如原材料价格波动大的行业，你得考虑时间窗口。我曾在项目里遇到一个案例，采购经理说「原材料涨价了所以单价高」，结果我一查，他涨价的幅度是市场涨幅的3倍。这就是典型的「搭便车」式回扣。

避坑指南： 我曾经被一个「价格合理但数量异常」的案子坑过。后来我养成了习惯——价格偏离和数量异常必须一起看。单价没变，但采购量突然翻倍，这同样可疑。

价格偏离的量化指标：

当然，阈值不是绝对的。高端设备采购和办公用品采购，容忍度完全不同。我建议你根据公司实际情况动态调整。

数量异常往往比价格异常更隐蔽。为什么？因为很多人觉得「多买点东西不算问题」。你想想看，如果采购量突然暴增，但生产计划没变，那多出来的货去哪了？

我总结了几种常见的数量异常模式：

我记得有个案子特别典型。一家工厂的采购员，每个月固定采购某型号轴承1000个。但生产部门反馈实际用量只有600个。多出来的400个去哪了？后来查出来，采购员和供应商串通，虚开发票，多买的轴承直接拉走倒卖了。

注意： 数量异常一定要结合库存数据看。如果采购量增加但库存没涨，那大概率有问题。我曾经见过一个案子，采购量翻了三倍，库存反而下降了——因为货根本没入库，直接拉走了。

供应商集中度，说白了就是「钱都给了谁」。正常情况下，一家公司会有多个供应商，分散风险。但如果某个供应商的采购额突然飙升，或者长期独占鳌头，你就得留个心眼了。

我常用的分析指标：

你想想看，如果一家公司有10个供应商可选，但采购经理只跟其中1家合作，而且这家供应商的报价还比别人高。这合理吗？

我做过一个很有意思的分析：把供应商集中度和采购员个人绩效放在一起看。结果发现，某个采购员的绩效评分很高（因为「成本控制好」），但他负责的品类供应商集中度也是最高的。一查，原来他所谓的「成本控制」是跟供应商串通好的——供应商给他回扣，他帮供应商拿单，然后供应商在报价上「配合」他做假账。

个人经验： 供应商集中度分析不能只看绝对值。要跟行业平均水平比。有些行业（比如芯片、特种材料）本身就高度集中，那就不算异常。关键是要看「不合理的变化」。

时间模式分析，是我觉得最有意思的一个维度。因为人的行为是有规律的，回扣交易也不例外。

常见的时间异常模式：

我记得有个案子特别有意思。一家公司的采购系统记录显示，某个采购员经常在晚上11点到凌晨2点之间下单。一开始以为是加班，后来一查，他白天跟供应商谈好回扣比例，晚上回家偷偷操作下单。你说这不是掩耳盗铃吗？

时间模式分析的常用方法：

# 伪代码示例：时间异常检测
1. 提取所有订单的创建时间戳
2. 按小时/天/周/月分组统计
3. 计算每个时间段的订单量均值与标准差
4. 标记超出均值+2倍标准差的异常时间段
5. 交叉验证：异常时间段内的订单是否集中在某个供应商或采购员

注意： 时间模式分析要小心「假阳性」。比如有些公司确实有夜班生产，那深夜下单可能就是正常的。一定要结合业务场景判断。

单独看一个维度，可能只是巧合。但四个维度同时出现异常，那基本就是实锤了。我习惯用一张图来展示交叉验证的逻辑：

我个人习惯的做法是：先跑四个维度的独立分析，然后把结果汇总到一个矩阵里。比如：

订单编号	价格偏离	数量异常	供应商集中	时间异常	综合评分
PO-2024-001	✅ 偏离25%	✅ 超量50%	✅ 独家供应	❌ 正常	⚠️ 高风险
PO-2024-002	❌ 正常	❌ 正常	✅ 集中度高	✅ 深夜下单	⚠️ 中风险
PO-2024-003	✅ 偏离8%	❌ 正常	❌ 正常	❌ 正常	✅ 低风险

我的经验： 综合评分≥2个维度的订单，我会列入「观察名单」。≥3个维度的，直接启动正式调查。别犹豫，犹豫就会败北。

好了，异常模式识别这块，核心就是这四个维度。你回去之后，可以拿自己公司的数据跑一遍。我保证，你会看到一些「有意思」的东西。