Dieser Beschleuniger für die Überwachung von Retourenbetrug nutzt die Verkaufs- und Retourendaten des Einzelhandels, um die Retourenaktivität über alle Produkte und alle Filialen hinweg zu überwachen und potenziellen Betrug zu erkennen. Das Dashboard nutzt historische Trends zur Vorhersage der Retourenaktivität und identifiziert eindeutig Bereiche, die von diesen erwarteten Werten abweichen. Die umsetzbaren Daten liefern Managern die nötigen Erkenntnisse, um Korrekturmaßnahmen zu ergreifen, um weitere Verluste zu verhindern und die Einhaltung der Vorschriften durch die Mitarbeiter sicherzustellen.

[Verbinden Sie sich mit Cleartelligence, um mehr zu erfahren.](https://www.cleartelligence.com/tableau-aceelerator-return-fraud-monitoring)

### Antworten auf wichtige Geschäftsfragen erhalten
– Wie hoch war die tatsächliche Rendite in einem bestimmten Zeitraum und wie verhält sie sich zu der erwarteten Rendite? 
– Gibt es in einer einzelnen Filiale oder einer Gruppe von Filialen übermäßig viele Retouren, was auf Betrug hindeuten könnte? 
– Treten übermäßige Retouren bei bestimmten Produkten oder Produktgruppen häufiger auf? 
– An welchen Tagen und zu welchen Uhrzeiten in der Woche sind Retouren am häufigsten? 
– Welche Mitarbeiter bearbeiten die meisten Retouren? 
– Wie hoch ist der Anteil der Retouren, die als ungültig (Betrug mit offener Verpackung) oder potenziell ungültig (Rücksendung ohne Quittung) bestätigt werden?

### KPIs überwachen und verbessern
– Gesamtumsatz 
– Retouren insgesamt 
– Erwartete Retouren 
– Überschüssige Retouren 
– Überschüssige Retouren nach Ort 
– Überschüssige Retouren nach Produktkategorie 
– Überschüssige Retouren nach Produkt 
– Verteilung der Retouren nach Uhrzeit und Tag 
– Verteilung der Retouren nach Mitarbeiter 
– Prozentualer Anteil der Retouren nach Retourenart

### Erforderliche Datenattribute
– Mitarbeiternummer (Zeichenfolge) 
– Produktkategorie (Zeichenfolge) 
– Produkt-ID (Zeichenfolge) 
– Produktname (Zeichenfolge) 
– Unterkategorie des Produkts 
– Rückgabestatus (Zeichenfolge) 
– Speicher-ID (Zeichenfolge) 
– Speicherort (Zeichenfolge) 
– Uhrzeit (Zeit) 
– Transaktionsdatum (Datum/Uhrzeit) 
– Transaktionsart (Zeichenfolge) 
– Transactions-ID (Ganzzahl) 
– Retourenmenge (Ganzzahl) 
– Umsatzmenge (Dezimalzahl) 
– Absatzvolumen (Ganzzahl)

### Erstellen Sie Ihre Datenquelle
Die Datenquelle für die Analyse zur Überwachung von Retourenbetrug besteht aus einer einzigen Transaktionstabelle mit allen Käufen und Retouren aus dem operativen Datenspeicher eines Einzelhändlers. Die Datensätze werden nach Transaktion und Produkt aggregiert, sodass für jedes Produkt in einer einzelnen Transaktion eine Datenzeile vorhanden ist.

Sie müssen das entsprechende Schema in Ihrem eigenen Datenspeicher abfragen, um diese KPIs für Ihr eigenes Unternehmen zu analysieren.

Retouren und Käufe werden durch ein Feld namens TransactionType identifiziert. 

Weitere Attribute in der Datenquelle sind die Transaktions-ID, die Produkt-ID, der Produktname, die Produktkategorie, das Produktsegment, die Filial-ID, der Filialstandort, das Transaktionsdatum, der Transaktionszeitraum, die Kunden-ID, der Kundenname, die Auftrags-ID und der Filialmitarbeiter. 
Es gibt zwei spezielle Kennzahlen für Retouren: Retourenstatus und Retourenmenge. Es gibt zwei eindeutige Kennzahlen für den Umsatz: Absatzvolumen und Umsatz.

Es gibt eine sekundäre Tabelle mit einer auf „Zeitraum“ festgelegten Beziehung, die die von den Filialmitarbeitern geleisteten Gesamtarbeitsstunden nach dem Zeitraum enthält.


Return Fraud Monitoring

Überwacht die Retouren eines Einzelhandelsunternehmens auf Betrug