Met de enorme hoeveelheden data die tegenwoordig beschikbaar zijn, is het ondoenlijk om nog handmatig alles te controleren. Data-analyse helpt je om patronen, trends en afwijkingen te signaleren zonder dat ze elk individueel document hoeven door te spitten.
In dit artikel bespreken we hoe data-analyse kan worden toegepast in verschillende fases van de audit, welke tools en vaardigheden je nodig hebt en hoe je een data-analyse audit gestructureerd kunt aanpakken.
De fases van de audit en het inzetten van data-analyse
Je kunt data-analyse in vrijwel elke fase van de audit inzetten. Hieronder bespreken we de verschillende fases en geven we wat voorbeelden van analyses.
1. Planningsfase
Tijdens de planningsfase ben je meer bezig met procedures en afspraken maken over de daadwerkelijke audit (de planning..). Toch kun je in deze fase al wel kijken wat voor applicaties of data er aanwezig is, die mogelijk van toegevoegde waarde kán zijn voor de audit.
Voorbeeld:
- Vraag op hoe data verkregen kan worden. Denk daarbij ook aan vragen als: Welke applicaties zijn er? Ken je die applicaties al? Heeft de klant voldoende kennis over de applicatie in huis? Is er een externe IT-partij betrokken?
2. Interimfase
In deze fase wil je de processen, controls en de bijbehorende risico's begrijpen. Hier kun je ook analyses voor inzetten. Denk daarbij aan proces mining om de flow te controleren of de kwaliteit van de data te beoordelen.
Voorbeeld:
- Je gebruikt proces mining om de werkelijke procesflows van financiële transacties te vergelijken met de verwachte interne controleprocedures.
- Je voert een analyse uit op gebruikerslogbestanden om te onderzoeken of er ongebruikelijke of ongeautoriseerde toegangspatronen zijn binnen financiële systemen.
- Je bekijkt of de inkoopfacturen altijd een intern factuurnummer kennen, die je goed kunt koppelen met de financiële administratie.
3. Uitvoeringsfase
Hier voer je daadwerkelijk de controles uit die zijn bepaald bij je controlestrategie. Wanneer je hier data-analyse inzet, kan je dat helpen om steekproeven gerichter te maken of zelfs de gehele populatie te controleren in plaats van slechts een deel.
Voorbeeld:
- Je vergelijkt de ontvangen facturen, met de inkooporders en de leveringen om verschillen vast te stellen.
- Je analyseert dubbele betalingen door te zoeken naar facturen met identieke bedragen, leveranciers en data.
4. Afsluiting en rapportage
Als de audit bijna klaar is, gebruik je data-analyse om bevindingen beter te onderbouwen en te visualiseren voor de klant.
Voorbeeld:
- Je maakt een dashboard met de belangrijkste auditbevindingen, inclusief grafieken die trends en risico’s laten zien.
- Je gebruikt data-visualisatie om afwijkende transacties of ongebruikelijke patronen duidelijk te maken voor stakeholders.
Wat heb je nodig voor data-analyse in de audit?
Wanneer je data-analyse wil gaan gebruiken in je audit, heb je een aantal dingen nodig. Het begint met een goed begrip van de data die beschikbaar is en hoe deze kan worden gebruikt om inzichten te verkrijgen. Daarnaast is het handig om de juiste tools en technieken voor handen te hebben en moeten er mensen zijn die weten hoe je moet omgaan met die tools.
-
Toegang tot de juiste data Hoe krijg je de juiste data?
- De data kan komen uit ERP-systemen, boekhoudsoftware of andere operationele databases.
- Data moet volledig en betrouwbaarheid zijn, anders kan de analyse misleidend zijn en er niet voldoende waarde uithalen.
-
De juiste tools Welke tools heb je zoal nodig? De meest bekende:
- Excel (voor basisanalyses zoals draaitabellen en zoekfuncties)
- Power BI, Qlik of Tableau (voor geavanceerde visualisaties)
- Python, R of SQL (voor complexe analyses en machine learning-toepassingen)
-
De juiste vaardigheden En hoe weet je of iemand geschikt is om de data om te zetten tot informatie voor de audit?
- Kennis van statistiek en data-analysetechnieken.
- Ervaring met de gebruikte tools.
- Het vermogen om resultaten te interpreteren en te vertalen naar bevindingen voor de audit.
Uiteraard hoef je niet één tool te gebruiken voor een analyse of moet één persoon alle vaardigheden hebben, maar dit kan ook binnen een team bestaat.
Hoe pak je een data-analyse audit aan? (Stappenplan)
Wanneer je dan een idee hebt, wordt het tijd om een plan op te zetten. Data-analyse kan op verschillende manieren worden ingezet, afhankelijk van het doel van de audit en de beschikbare gegevens. Hieronder heb ik een stappenplan opgesteld, die je kan helpen.
Stap 1: Bepaal je doelstelling
Wat wil je met de data-analyse bereiken? Wil je risico’s in kaart brengen, de klant ontlasten of een controle sneller uitvoeren? Definieer dit voordat je begint.
Stap 2: Verzamel en verken de data
Zorg ervoor dat je toegang hebt tot de relevante datasets. Verken de data vervolgens om te begrijpen welke velden beschikbaar zijn en of er opvallende dingen in zitten (zoals ontbrekende waarden of extreme uitschieters).
Stap 3: Schoonmaken en voorbereiden
Data kan rommelig zijn en fouten bevatten. Voordat je analyses uitvoert, moet je:
- Dubbele gegevens verwijderen.
- Onvolledige records aanvullen of uitsluiten.
- Datum- en getalformaten standaardiseren.
Stap 4: Voer analyses uit
Kies de juiste analysetechniek voor je doelstelling. Dit kan bijvoorbeeld:
- Descriptieve analyse: Basisstatistieken zoals gemiddelden, spreiding en aantallen.
- Trendanalyses: Vergelijkingen over meerdere perioden.
- Anomalie Detectie: Opsporen van afwijkende transacties.
Stap 5: Interpreteer de resultaten
Niet elke afwijking is direct een probleem. Denk kritisch na over wat de data betekent en combineer dit met andere audit informatie. Soms is er een logische verklaring.
Stap 6: Visualiseer en rapporteer
Gebruik grafieken, tabellen en dashboards om je bevindingen helder te presenteren. Dit maakt het makkelijker voor de rest van het auditteam en de klant om de resultaten te begrijpen en actie te ondernemen.
Op basis van je analyse geef je concrete aanbevelingen. Dit kan variëren van verbeteringen in interne controles tot het starten van een nader onderzoek naar bepaalde bevindingen.
Conclusie
Hopelijk is - na het lezen van dit artikel - duidelijk geworden dat data-analyse in de audit helemaal niet zo moeilijk hoeft te zijn. Zodra je maar tijdig begint, weet wat je wil en de juiste data voor handen is. En mocht je meer inspiratie willen? Op deze website vind je tal van voorbeelden voor verschillende gebieden.
