此“Return Fraud Monitoring 加速器”利用零售销售和退货数据来监控所有产品和所有门店的退货活动，以识别潜在的欺诈行为。仪表板使用历史趋势来预测退货活动，并清楚地识别超出这些预期值的区域。可操作的数据让经理可以见解他们需要采取纠正措施以防止额外损失并确保员工合规。

[联系 Cleartelligence 了解更多信息。](https://www.cleartelligence.com/tableau-aceelerator-return-fraud-monitoring)

### 回答关键业务问题
- 某一特定时期的实际退货是多少？与预期退货相比如何?
- 在任何一家门店或一组门店中，是否存在可能意味着欺诈的超额退货?
- 超额退货在某些产品或产品组中更普遍吗?
- 一周中的哪几天和哪几个时间退货最常见?
- 哪些员工处理的退货最多?
- 有多少退货被确认为无效(开箱欺诈)或潜在无效(退货时没有收据)?

### 监控和改进 KPI
- 总销售额 
- 总退货额 
- 预期退货 
- 超额退货 
- 按地点划分的超额退货 
- 按产品类别划分的超额退货 
- 按产品划分的超额退货 
- 按时间和日期划分的退货分布 
- 按员工划分的退货分布 
- 按退货类型划分的退货百分比

### 必需的数据属性
- 员工编号(字符串) 
- 产品类别(字符串) 
- 产品 ID (字符串) 
- 产品名称(字符串) 
- Product Sub-Category 
- 退货状态(字符串) 
- 门店 ID (字符串) 
- 门店地点(字符串) 
- 时间(时间) 
- 交易日期(日期时间) 
- 交易类型(字符串) 
- TransactionID (Integer) 
- 退货数量(整数) 
- 销售额(小数) 
- 销售数量(整数)

### 构建您的数据源
用于退货欺诈监控分析的数据源由单个事务表组成，其中包含来自零售商运营数据存储的所有采购和退货。记录按事务和产品进行聚合，因此对于单个事务中的每个产品，都有一行数据。

您需要在自己的数据存储中查询适当的架构，以便为自己的业务分析这些 KPI。

退货和购买由名为 TransactionType 的字段标识。

数据源中包含的其他属性包括交易 ID、产品 ID、产品名称、产品类别、产品细分、门店 ID、门店地点、交易日期、交易周期、客户 ID、客户名称、订单 ID 和门店员工。
退货有两个独特的衡量标准: 退货状态和退货数量。销售有两个独特的衡量标准: 销售量和销售额。

有一个二级表，其关系设置为“期间”，包括门店员工按期间工作的总小时数。
