本福德定律：查出账本中假发票的首位数字检验法

你的会计系统中约 30% 的数字应当以数字 1 开头。不是 11%，而是 30%。而只有约 5% 应当以 9 开头。如果这听起来不对，那你并不孤单：大多数人以为每个首位数字出现的频率大致相同。正是这个错误的直觉，让本福德定律成为小企业能运行的最廉价的欺诈检测工具之一——因为在你的账本里编造数字的那个人，几乎肯定也抱着同样的错误直觉。

本指南将解释本福德定律说了什么、为什么伪造的发票和费用报销单会通不过检验、你的哪些账户值得检验，以及如何只用电子表格对自己的数据运行首位数字检验。

本福德定律到底说了什么​

本福德定律描述了自然产生的数据集中数字的首位数字是如何聚集的：小的首位数字出现的频率远高于大的首位数字，遵循一种对数模式而非平均分布。一个数字以数字 d 开头的概率是 log10(1 + 1/d)，由此产生下面这个预期分布：

这个模式在极其广泛的数据中都成立：河流长度、街道地址、电费账单、股票价格，以及——对你最有用的——会计交易。天文学家西蒙·纽科姆（Simon Newcomb）在 1881 年最先注意到它，当时他发现对数表的靠前几页比后面几页磨损得更快。物理学家弗兰克·本福德（Frank Benford）在 1938 年对来自 20 个不同数据集的两万多个数字进行了严格检验，并将结果发表为《异常数字定律》（The Law of Anomalous Numbers）。

与会计的联系是几十年后才出现的。20 世纪 90 年代，研究者马克·尼格里尼（Mark Nigrini）证明本福德定律可以作为分析性程序应用于审计数据，这项工作被《Journal of Accountancy》作为审计师实用的欺诈检测技术报道过。如今，外部审计师会例行对客户的交易文件运行数字分析——而你完全可以先在自己的账本上运行同样的检验。

为什么造假者通不过数字检验​

这个检验的威力来自人的心理。当人们编造数字——注水的费用报销单、虚构的供应商发票、倒填日期的销售数字——他们会努力让这些数字看起来"随机"。但他们对随机的心智模型大致是均匀分布的：每个数字感觉都应当出现约 11% 的时间。真实的财务数据从来不是这样。

伪造的数字往往会表现出几个明显的特征：

过于均匀的分布。 编造的金额在首位数字上的分布远比本福德预测的从 30 到 5 的陡峭斜率要均匀。金额中过多的 7、8、9 打头，是有人凭"看起来对"就敲下数字的典型迹象。

过多的整数。 真实的发票金额往往是零碎的总额——$1,847.20、$312.55——因为数量乘以单价，还要加上税。一批干净的 $500 或 $1,000 金额扎堆，尤其来自同一个供应商或同一个员工，就值得再看一眼。

阈值聚集。 这是对小企业最有可操作性的模式。如果你的政策要求超过 $500 需第二个签名，那就盯着 $400 到 $499 这个区间。员工拆分采购以规避审批，或者记账员把欺诈性发票压在审核限额以下，都会把额外的交易堆到首位数字 4 上。数字检验把你的审批阈值从一项控制变成了一个警报线。

反复出现的偏好数字。 人会无意识地重复使用自己喜欢的数字组合。前两位数字检验（检查前两位数字，10 到 99，对照预期频率）可以揪出某个员工那些"随机"金额总是以同一对数字开头。

这些模式都不能证明欺诈。每一个都只是一个理由，让你调出底层单据仔细核查——而这恰恰一项好的筛查检验应该做的。

哪些账户值得检验​

本福德定律只在合适类型的数据上才有效。经验法则是：数字必须自然产生，跨越多个数量级，并且不受人为的下限、上限或指定序列的影响。以下是小企业常见数据的分类情况。

好的候选对象​

应付账款与供应商发票。 最佳单一目标。发票总额来自数量、费率和税相乘，跨越大大小小的供应商——教科书式的本福德条件。先跑这个文件。

员工费用报销单。 餐费、里程、住宿和用品差异极大，且由众多人手录入。伪造或注水的费用会迅速扭曲数字模式。

销售与收入交易。 客户发票和销售点总额通常符合得很好，因此很适合用来发现倒填日期或凭空编造的销售——或者某个员工偷取现金销售、再用编造的数字填补缺口。

退款与贷项通知单。 数量小但风险高：退到个人卡上的假退款是小企业长盛不衰的舞弊手法，而金额完全由作案者自己敲定。

差的候选对象——跳过这些​

工资。 净工资聚集在薪级和时薪附近，所以会因为无辜的原因通不过检验。用其他控制手段来检验工资（人数核对、幽灵员工审查），而不是数字分析。

指定序列的数字。 支票号、发票号、采购订单号和账号按设计就是连续的。检验它们毫无意义。

受约束的金额。 按固定费率封顶的每日津贴、按单一价格档收费的订阅，或定价在 $9.99 价格点的存货，都带有人为的下限、上限或尖峰。一个以 $9.99 为主的商品目录会显示出神秘的 9 过剩，那反映的是定价策略，而非欺诈。

小文件。 几十笔交易无法产生统计上有意义的分布。目标是至少几百条记录，跨越多个数量级——从几十美元到几万美元——这样每个首位数字都有空间以自然频率出现。

如何在电子表格中运行首位数字检验​

你不需要审计软件。整个流程第一次花不到一个小时，有了模板之后就只需几分钟。

第 1 步：导出某一类交易的整整一年数据​

从你的会计系统中拉出 12 个月的应付账款（或费用，或销售）：日期、供应商或客户、摘要和金额。每次检验只针对一类交易——把应付账款和工资混在一起会扰乱分布。导出每一条记录，包括作废和更正；事先筛选可能恰好把你正在找的东西藏起来。

第 2 步：清理金额​

在副本上操作。取绝对值，这样退款和贷项不会破坏数字提取，并删除金额为零的行。如果你的导出里有少量巨大的离群值（比如一笔落在应付账款里的房产购置），标注它们但第一遍先保留——在理解数据之前就删掉它，正是让发现被搪塞过去的方式。

第 3 步：提取首位数字​

加一列公式，抓取每个金额的首位数字。在 Excel 或 Google Sheets 中，如果金额从单元格 A2 开始：

LEFT(TEXT(ABS(A2),"0"),1)

这会去掉符号、去掉小数，并以文本形式返回首位数字。把这一列填到底。

第 4 步：汇总并比较​

统计有多少金额以 1 到 9 的每个数字开头（COUNTIF 几秒钟就能完成），把每个计数换算成占总数的百分比，然后将结果与上表中的本福德预期占比并排摆放。一张简单的条形图——你的百分比对照预期曲线——能让偏差跃然屏上。审计师会用统计检验来规范化这种比较，但对于第一遍筛查，用肉眼审视一张几百笔交易的图表，就足以发现某个数字远高于其预期占比。

第 5 步：深入追查那些尖峰​

假设数字 4 的占比是 18%，而不是预期的 9.7%。把你的导出筛选为以 4 开头的金额，看看那里实际是什么：是哪些供应商？是哪些员工录入的？这些金额是否聚集在某个审批限额之下？是否有相同的总额反复出现？每个答案要么解释掉这个尖峰（一个合法的批量供应商每月开具 $400 区间的发票），要么让它更加可疑（从一个没人听说过的供应商那里来的十一张 $480 发票）。

想要更细的视角，就把检验扩展到前两位数字——每个金额的前两位，从 10 到 99——寻找个别数字对异常偏高。像 48 和 49 一起亮起来，就是典型的压线拆分特征。

解读结果：红旗与误报​

偏差是一条线索，不是裁决。在当面质问任何人之前，先排除审计师最常见的那几种无辜解释：

你忘了的审批阈值。 任何政策限额——$500 需要经理签字、$1,000 需要你签字——都会在其周围重塑行为。守规矩的员工也会把采购压在限额下面。尖峰告诉你该往哪里看，而不是你会看到什么。

价格点和费率表。 如果你的商品目录以 $19、$29 和 $99 为主，那就预期会有额外的 1、2 和 9。如果某个供应商以一笔标准月费主导了某个数字区间，那是集中度，不是编造。

数据太薄。 几百条记录以下的文件，或者只跨越一个数量级的金额（全部在 $100 到 $999 之间），会因为偶然在其预期曲线附近波动。随着文件增长按季度重跑，而不要过度解读小样本。

一个诚实的巨无霸。 单笔经常性付款——$4,200 的月租金十二次命中数字 4——就能让一个小文件倾斜。把经常性固定付款单独切出来，再单独检验变动的剩余部分。

当一个尖峰在所有这四种解释下都存活，就把它当作真正调查的起点：调出发票，独立于录入人核实供应商是否存在，检查是否有重复以及同一供应商的连续发票号，并确认货物或服务确实收到。

当数字看起来不对劲时该怎么办​

发现可疑模式是流程的开始，而不是结束。要小心处理：

1. 先保全，后质疑。 在任何东西被"更正"之前，先保存一份导出和底层记录的副本。如果你的账本存放在版本控制中，这一步已经完成。
2. 独立核实供应商。 在你的会计系统之外查找不熟悉的供应商——网上搜索、拨打你自己找到的电话号码、确认汇款地址不是某人的公寓。虚构供应商舞弊是最常见的小企业欺诈之一，正因为创建一个供应商记录太容易了。
3. 追踪审批链。 谁创建的供应商，谁录入的发票，谁审批的？欺诈集中在一个人掌控其中太多环节的地方。
4. 修复控制，而不只是修复个案。 职责分离，让能添加供应商的人无法同时审批向其付款。如果模式是拆分，就降低或错开审批阈值。对超过设定金额的费用要求原始收据——而非复印件。
5. 知道何时上报。 如果金额重大，或模式指向某个拥有系统访问权的人，就在向任何人透露之前请来你的注册会计师或舞弊审查师。职务舞弊平均在被发现前会持续数月，所以安静核实一周胜过仓促指控。

还要记住那些让这件事值得你花时间的基准比率：在注册舞弊审查师协会（ACFE）的《2024 年向国家报告》中，资产挪用——账单方案、截留、假退款——出现在所研究的 89% 的职务舞弊案件中，损失中位数为 $120,000。小企业职责分离更少、监督更薄，承受这些损失也最重。

干净的账本才让检验成为可能​

这里有一个安静的、上述任何一步离开它都无法运作的前提：完整、分类一致的交易数据。对半录入的费用、笼统的"杂项"记账、以及三个月未核对的银行流水运行数字检验，只会产生噪音，而非信号。每一笔未分类的交易，都是伪造交易藏身的地方。

这就是全年保持账本及时、细致的更深的理由——不只是报税时。当每一张发票都被及时录入、归入正确的账户，并关联到一个真实的供应商记录时，像本福德定律这样的分析性检查才真正起作用：异常会凸显出来，因为基线值得信赖。把数字检验与定期的可视化审视搭配起来——按供应商或类别绘制支出图表，也就是 Fava 的报告提供的那种仪表盘视图，能让一个新的收款方或一个膨胀的类别一眼就看得清楚。如果你要从头开始，Beancount 文档会带你一步步搭建一个纯文本账本，其中每一笔交易都是明确的、带日期的、可审查的。

从第一天起就让你的账本防欺诈​

每年跑一次首位数字检验花你一个下午，却能揪出那些否则会悄无声息地运转多年的账单舞弊或注水费用。但这个检验的好坏取决于它底下的数据——而那数据的好坏取决于你的记账习惯。维护清晰、完整的财务记录，是其他一切控制所依赖的那项控制。Beancount.io 提供纯文本会计，让你对自己的财务数据拥有完全的透明和掌控——没有黑箱，没有供应商锁定。免费开始使用，建立那种干净、可审计的账本，让欺诈无处藏身。