Data-analyse: klik en klaar?

Gepubliceerd op 23 februari 2017
Data-analyse: klik en klaar?

Big data-analyse, blockchain, process mining, zomaar een paar kreten die we de laatste tijd veel voorbij horen komen. Kunnen we er wat mee? Hoe zit het met (big) data-analyse? Binnen onze controlepraktijk leven deze vragen ook. Natuurlijk hebben we daar onze ideeën over, en daarom neem ik jullie graag mee in de wereld van data-analyse.

Wat is data-analyse? Even googelen op ‘definitie van data-analyse’ levert al zo’n 160.000 hits op binnen een seconde. Dat is nog eens big data! Zo veel definities… Laat ik het maar gewoon simpel houden. De naam zegt het al: je bent bezig met het analyseren van data en het presenteren van de uitkomsten.

“Lekker”, zul je denken, “je herhaalt gewoon de woorden en dan heb je een definitie”. Daarom wil ik het ook graag verduidelijken met een paar voorbeelden. Een eenvoudig voorbeeld is de ouderdomsanalyse op debiteuren. Hierbij orden je een lange lijst pagina’s met facturen en factuurdata op debiteur en ouderdom (0 tot 30 dagen, 30 tot 60 dagen, etc.). Een andere analyse die we binnen de controlepraktijk gebruiken is een controle op de uitgaande goederen. Hierbij controleren wij of alle uitgaande goederen ook daadwerkelijk zijn gefactureerd en gepresenteerd in de jaarrekening.

Zoals je uit het eerste voorbeeld wel hebt begrepen, ben je dus al bezig met data-analyse voordat je het door hebt! Dit komt ook doordat de zoekopdrachten die nodig zijn voor een goede analyse al zijn toegevoegd in de software. Bij het tweede voorbeeld is de opbouw van de analyse niet zo eenvoudig te maken. Vaak worden de verzonden goederen in een ander pakket geregistreerd dan de financiële administratie. Dit betekent dat de zoekopdrachten, data-exporten en de presentatie van de uitkomsten in zijn geheel gebouwd moeten worden.

En zo komen we uit bij de titel van dit artikel. Over het algemeen leeft de veronderstelling dat het uitvoeren van een data-analyse een kwestie is van op een knop klikken en klaar is Kees. (Was het maar waar!) In het eerste voorbeeld klopt dat, maar in het tweede voorbeeld is die ene knop er helaas niet. Die knop moet eerst geprogrammeerd en vervolgens onderhouden worden.

Het opbouwen van een analyse is een samenspel tussen de accountant en de klant. Bij de eerste analyses komen vaak veel afwijkingen aan het licht. Deze afwijkingen kunnen aan de ene kant veroorzaakt worden door een onjuiste zoekopdracht, maar kunnen ook een beter inzicht geven in de aanwezige processen. Want juist de bijzondere transacties komen bij deze analyses naar voren. De bijzondere transacties zijn voor ons dan ook vaak de ‘krenten in de pap’.

Zo hebben we afgelopen jaar bij een klant de omvang van de orderkorting op factuur geanalyseerd. Volgens de interne richtlijnen mogen deze niet hoger zijn dan 30%. Uit onze analyse kwamen echter een aantal facturen naar voren waarop de totale korting opliep tot wel 70%. Bij een verdere analyse bleek dat enkele medewerkers een creatieve oplossing hadden gevonden voor de beperking in de maximale korting. De klant heeft uiteindelijk dit ‘lek’ gedicht in de software.

Binnen de controlepraktijk zien we met de steeds verdergaande automatisering en de groei van (vrij beschikbare) data nieuwe mogelijkheden ontstaan. Hiermee krijgen we voldoende zekerheid over de verschillende posten in de jaarrekening en kunnen we extra toegevoegde waarde leveren aan onze klanten. Wij grijpen deze mogelijkheden dan ook graag aan om onze controles nog efficiënter uit te voeren en hebben hiervoor speciale software die ons ondersteunt bij het analyseren van grote databestanden.

Wil je meer weten over de mogelijkheden van data-analyse? Neem dan contact op met je accountant. We zijn je graag van dienst!

Willem de Jong

Wij maken tijd

  • De zaken goed op een rij hebben
  • Grip op processen krijgen
  • Betere balans tussen leven en werken
  • Wij maken tijd door te bentaceren!

Alles in de cloud

bentaceraapp

Alles op één plek: de Bentacera cloud!

Meer weten?