Data analytics: nieuw instrumentarium voor auditors en accountants

Erasmus Q-Intelligence is een jong bedrijf dat gelinkt is aan de Erasmus School of Economics. Er werken experts op het gebied van kwantitatieve analyse - oftewel data analyse - aan projecten voor het bedrijfsleven. Daarbij hebben ze directe toegang tot de kennis van wetenschappers en hoogleraren van de universiteit. Q-Intelligence biedt daarnaast executive programs en postacademische opleidingen aan voor mensen die zelf in hun organisatie aan de slag willen met data science. Interessant voor iedereen die patronen en afwijkingen wil herkennen in grote hoeveelheden data. Bijvoorbeeld een ministerie dat gevaarlijke lading wil controleren en wil weten welke auto’s geïnspecteerd moeten worden. Of de Belastingdienst die inzicht wil hebben in risicogroepen bij aangiftes.

Vak verbreden

De mogelijkheden van data analyse zijn legio en kunnen van toegevoegde waarde zijn voor tal van beroepen. Bijvoorbeeld voor het vak van accountants en auditors. Cees van Halem legt uit: “Een accountant is bij het doorspitten van de bedrijfsgegevens op zoek naar abnormaliteiten. Auditors zoeken binnen bedrijven of ze in de formulierenloop van de afgelopen perioden, in de logs, vreemde dingen tegenkomen. Ze controleren of alles volgens de standaardprocedure is gegaan en of er bijvoorbeeld geen pakket met eindproducten is verstuurd zonder rekening. Het vak van deze ‘controleurs’ verandert en staat onder druk door steeds lagere tarieven. Accountants moeten zich regelmatig in de rechtbank verdedigen voor schandalen die ze over het hoofd gezien hebben. Data analyse kan helpen om frauduleuze constructies op te sporen en minder mazen in het net te laten vallen. We zien veel mensen van grote accountantskantoren in onze executive programs en postacademische opleidingen. Ze zoeken naar tools om hun positie sterker te maken.” Kristiaan Glorie vult aan: “Ze zijn ook op zoek naar andere taken die hun vak breder kunnen maken in de toekomst. Bijvoorbeeld door naast het controleren ook te adviseren. Met de data gedreven technieken die wij in huis hebben, kunnen ze hun advies kwantitatief onderbouwen.”

Process mining

Eén van die relevante technieken voor operational en financial auditing is process mining: een analyse van de eventlogs van bedrijfsprocessen. Bij wie komt een telefoontje binnen, hoe lang is de wachttijd, welke paden worden vervolgens bewandeld? “Process mining maakt inzichtelijk welke handelingen er achtereenvolgens worden verricht. Niet hoe het volgens het boekje – het protocol – zou moeten gaan, maar hoe de daadwerkelijke processen lopen”, legt Van Halem uit. “Door conformiteitschecks kan precies worden aangetoond waar wordt afgeweken van het protocol. Van Halem: “Nu moeten zij zelf zoeken naar patronen in Excelsheets, maar de juiste datasoftware kan veel gerichter inspecteren en abnormaliteiten constateren. De computer analyseert bovendien niet op basis van steekproeven, maar analyseert álle beschikbare data. Zo ontstaat er een soort complete MRI-scan van een organisatie.”

Van diagnose naar advies

Glorie geeft een voorbeeld: “Stel dat een organisatie de wachttijden voor haar klanten wil verkorten. Dan is het goed om te weten hoe de organisatorische processen die wachttijden beïnvloeden. Vervolgens kan worden vastgesteld welke interventies zullen leiden tot de grootste reductie in wachttijd. Bijvoorbeeld het bijplaatsen van medewerkers op een bepaalde afdeling. Het werk van auditors is traditioneel meer diagnostisch van aard: het opsporen van fouten in een proces. Maar met die door data onderbouwde diagnose zouden ze bedrijven verder kunnen adviseren over verbeteringsslagen. Wij zien veel potentie in het koppelen van die kennis over processen aan key performance indicators (KPI’s) van een bedrijf. Welke aanpassingen in het proces zijn realistisch en waar kan het management het beste de aandacht op richten?”

Fraude onderzoeken

Een andere techniek van data analyse is Forensic auditing: de detectie van fraude in transacties en boekingen. “Een bedrijf wil bijvoorbeeld weten of er gesjoemeld wordt met het verlenen van kortingen”, zegt Glorie. “Een klassieke (univariate) aanpak zou zijn om de hoogst verleende kortingen nader te onderzoeken. Maar zijn deze grootste kortingen wel zo interessant? Als je ook kijkt naar andere karakteristieken, zoals de grootte van de order, het type klant en de leveringscondities, zijn die kortingen misschien helemaal niet zo uitzonderlijk. Data analyse is een multivariate analyse, waarbij we ook die andere dimensies meenemen en daarmee een beter aanknopingspunt krijgen voor een inspectie.” Deze manier van onderzoek kan men toepassen op kortingen, maar ook op heel veel andere facetten van bedrijfsprocessen.

Onafhankelijk

Als derde voorbeeld noemen Van Halem en Glorie de mogelijkheid om data analyse te gebruiken voor auditing van algoritmes, oftewel het nalopen en verifiëren van de werking van beslissingsalgoritmen. “We hebben voor de bank KNAB eens een audit uitgevoerd op hun adviesapplicatie voor verzekeringen”, illustreert Van Halem. “In deze app werd aanbevolen welke aansprakelijkheidsverzekering het beste past bij de klant. Via een elektronisch invulformulier geeft de klant informatie door van persoonlijke aard. KNAB wilde graag een garantie kunnen afgeven dat het algoritme onafhankelijk was van de belangen van KNAB. Ze wilden met recht kunnen zeggen dat hun advies niet gebaseerd is op premies die KNAB ontvangt als iemand een verzekering afsluit. Wij hebben de hele module nagelopen en in een rapport uitspraken gedaan over hun onafhankelijkheid. In dit voorbeeld waren wij van Q-Intelligence dus eigenlijk de auditors voor de bank. Niet in de traditionele auditing rol met betrekking tot IT-systemen (doorlopen van procesgang en detailanalyse van de programmatuur), maar door middel van simulatie. Data van hypothetische klanten werden door het systeem gehaald. De 3 uitkomsten en het gegeven advies bleken onafhankelijk van de door de bank ontvangen vergoedingen als intermediair."

Software pakketten

Data analyse technieken zullen de meeste accountants en auditors niet vreemd zijn. Er bestaan ook softwarepakketten op bijvoorbeeld het gebied van process mining. Met zo’n pakket zijn de meeste accountants wel in staat visualisaties te maken. “Op zulke visualisaties kun je best laten zien wat er gebeurd is in de logs. Maar vaak is dat te algemeen, niet geval-specifiek en er zit nog weinig analyse in”, vindt Van Halem. “Om de echte afwijkingen te doorgronden moet je dieper kijken. Een voorbeeld: als we op de verkiezingsavond de uitslagen horen, dan weten we ook nog steeds niet welke mensen van stem veranderd zijn en waar de winst van die ene partij vandaan komt. Daarvoor heb je ‘advanced analytics’ nodig. In de meeste standaard softwarepakketten is een dergelijke analysemogelijkheid volgens de uitgevers opgenomen; in de praktijk blijkt dat de mogelijkheden nogal elementair zijn."

Nieuw instrumentarium

Auditors en accountants zitten in een unieke positie om voor hun eigen werkzaamheden en ten behoeve van de klant data analytics effectief te kunnen inzetten. "Wat betreft de eigen werkzaamheden: wij hebben nieuw instrumentarium voor ze, in een digitale vorm die alle gekke dingen uit een proces kan filteren. En wat betreft de toepassing van data analytics voor de klant: auditors en accountants weten hoe een bedrijf in elkaar zit en kennen het bedrijf vaak jarenlang. Zij kunnen dus als geen ander beoordelen waar data analytics nuttig kunnen zijn. De beschikbaarheid van een nieuw instrumentarium biedt vele mogelijkheden. De werkwijze van beide beroepsgroepen zal veranderen. Je moet weten hoe dat gereedschap werkt. Wij willen dat graag aan zoveel mogelijk accountants en auditors overbrengen qua filosofie en ook in de vorm van concrete toepassing.”