Data-analyse en boekhoudsoftware voor de MKB-accountant in een breder perspectief

Maat: px

Weergave met pagina beginnen:

Download "Data-analyse en boekhoudsoftware voor de MKB-accountant in een breder perspectief"

Nora de Wit
8 jaren geleden
Aantal bezoeken:

1 Data-analyse en boekhoudsoftware voor de MKB-accountant in een breder perspectief

2 Wie ben ik Wat is data-analyse Plaats in de controle Schema Een netwerkmodel van de controle; Focus op en inkleuren van elementen data-analyse Welke data zijn relevant Transactiemodel (3 keer) Boekhoudpakket of ERP Ideaalmodel grootboek: Bak journaalposten is geen ideaalmodel Wat te doen met de data Analogie boekhoudpakket met ERP OECD SAF-T en SAF-P datamodellen Missende transacties & missende metadata Controleaanpak Financial Audit Transactiemodel, Monetary Unit Sampling, Audit Risk Model Samenvatting Relatie Data-analyse en MKB 2

ideaalmodel Wat te doen met de data Analogie boekhoudpakket met ERP OECD SAF-T en SAF-P datamodellen Missende transacties & missende

3 Wie ben ik? Hein Kloosterman RA en RE Tot 1 april 2005 Belastingdienst Vaktechnisch adviseur IT-audit, Statistical Audit Daarna zelfstandig Adviseur IT-audit & Statistical Audit Betrokken bij EUR, Nyenrode en VU Lid Stuurgroep Statistical Audit (Limperg Instituut) Associated partner Key Group b.v. 3

adviseur IT-audit, Statistical Audit Daarna zelfstandig Adviseur IT-audit

4 Wat is data-analyse Veelheid aan definities (omschrijvingen) En afhankelijk van het kennisgebied Audit: wetenschap zowel als praktijk Niet convergerend (d.w.z. vaag) Geplaatst in de accountantscontrole: Onderzoek consistentie vastgelegde gegevens B.v. process mining en computational auditing Dit is onderzoek naar Interne Beheersing Vergelijk ook met verbandscontroles Creëren norm uit gecontroleerde data t.b.v. analoge set Dit is geavanceerde cijferanalyse of cijferbeoordeling Gebruik van regressieanalyse om norm te ontwikkelen Onderzoek naar (doorgaans onderkende) mogelijke fouten gebruik statistiek en heuristiek (associatie) Tendens: veel vals positieven 4

5 Plaats data-analyse in de controle Een netwerkmodel van de financial audit My J S U IT DC TR DTr ST C O E IB CA2 CA CA1 Legenda: S = Start U = Understanding the Business My = vaststellen materialiteit IT = Understanding the IT IB = Interne Beheersing (ook beoordelen) RA J = Bepaling interval DC = data collectie CA1 = initiële cijferanalyse CA2 = Gerichte cijfer- of data-analyse CA = cijferanalyse als substantive test(s) RA = Risicoanalyse (Audit Risk Model) TR = trekking steekproef DTr = trekking deelsteekproeven ST = Substantive testing met detailcontroles C = controle afsluiten; evaluatie O = oordeelvorming E = einde 5

CA1 = initiële cijferanalyse CA2 = Gerichte cijfer- of data-analyse CA = cijferanalyse als substantive test(s) RA = Risicoanalyse (Audit Risk Model) TR =

6 Plaats data-analyse in de controle Focus op elementen data-analyse IT DC IB CA2 CA RA IT = Understanding the IT IB = Interne Beheersing (ook beoordelen) DC = data collectie CA2 = Gerichte cijfer- of data-analyse CA = cijferanalyse als substantive test(s) RA = Risicoanalyse (Bayesian Audit Risk Model) 6

beoordelen) DC = data collectie CA2 = Gerichte cijfer- of data-analyse CA =

7 Plaats data-analyse in de controle Focus op elementen data-analyse (ingekleurd) IT DC IB CA2 CA RA IT = Understanding the IT IB = Interne Beheersing (ook beoordelen) DC = data collectie CA2 = Gerichte cijfer- of data-analyse CA = cijferanalyse als substantive test(s) RA = Risicoanalyse (Bayesian Audit Risk Model) 7

Beheersing (ook beoordelen) DC = data collectie CA2 = Gerichte cijfer- of

8 Activiteiten Plaats data-analyse in de controle Understanding the Business Beoordelen Interne Beheersing en Beoordelen Informatie Technologie Betekenis IB en IT voor aggregatie van audit evidence Gegevensgerichte controles (substantive tests) Business IT alignment Bij transactiemodel: Mogelijk missende transacties (tromen) Mogelijk missende metadata Process Mining Bij transactiemodel Mogelijke inconsistentie(s) vastgelegde gegevens 8

controles (substantive tests) Business IT alignment Bij transactiemodel: Mogelijk missende transacties

9 Welke data relevant(voor controle) Om te weten welke data mogelijk is, is een plaatje nodig; transactiemodel 9

10 Welke data relevant (voor controle) Om meer te kunnen zeggen zelfs nog een: 10

11 Welke data relevant (voor controle) Taxaties volgen niet uit de transacties Real World Primaire Vastlegging Logistiek Financieel Personeel schattingen Grootboek of General Ledger

12 Boekhoudpakket of ERP? Alleen het grootboek Geen logistiek Geen treasury Geen HR Alleen de gedetailleerde journaalposten: het grootboek In ERP is boekhouding een beperkte view op de database 12

13 Wat te doen met de data? Analogie boekhoudpakket met ERP Vorige slide laat die link zien OECD SAF-T en SAF-P datamodellen Verwachting van verwachte data Zie b.v pdf File interrogation = vragen stellen Zie mogelijkheden slide 4 Zie volgende slide 13

en SAF-P datamodellen Verwachting van verwachte data Zie b.v. 45045602.

14 Missende transacties & missende metadata Missende transacties: Geen primaire vastlegging(en): Transactiegegevens dus niet in het totaal of andere view Missende metadata Transactie ligt vast; niet alle soorten gegevens ervan; b.v. acterende functionaris REAL WORLD 14

totaal of andere view Missende metadata Transactie ligt vast; niet

15 Controleaanpak financial audit Financial audit en Audit Risk Model gaan uit van Monetary Unit Sampling Geldsteekproeven dus. Plaatje: 15

16 Controleaanpak financial audit Monetary Unit Sample Steekproefomvang: - Steekproefomvang proportioneel verdeeld - Geen prior information (audit risk model nog niet toegepast) Onvolledigheid transacties 16

proportioneel verdeeld - Geen prior information

17 Controleaanpak financial audit: audit risk model Per subset kijken: informatie dat de subset goed is? per subpopulatie kijken of er informatie is die als equivalent van een steekproef kan gelden (aggregation of evidence). 17

per subpopulatie kijken of er informatie is die als

18 Controleaanpak financial audit: audit risk model Per subset kijken: informatie dat de subset goed is? Data-analyse 1 + 2? Data-analyse 1? Data-analyse 3? per subpopulatie kijken of er informatie is die als equivalent van een steekproef kan gelden (aggregation of evidence). 18

per subpopulatie kijken of er informatie is die als equivalent van

19 Controleaanpak financial audit: audit risk model Per subset kijken: informatie dat de subset goed is? Data-analyse 1 + 2? Data-analyse 1? Data-analyse 3? per subpopulatie kijken of er informatie is die als equivalent van een steekproef kan gelden (aggregation of evidence). 19

20 Pakketten Samenvatting relatie data-analyse & MKB Niet gauw (echt) ERP Data: verzameling mutaties journaalposten Hoe staat het met niet-financiële data Goederen, diensten (& grond- en hulpstoffen) Duurzame productiemiddelen Diensten (contractors, uren personeel) Inherente aansluitingen Schattingsmethoden 20

Goederen, diensten (& grond- en hulpstoffen) Duurzame productiemiddelen

21 Vragen? 21

Vergelijkbare documenten

Agenda. Controleaanpak belastingdienst. Denkmodellen Pre planning Volledigheidscontroles. Juistheidscontroles 20-5-2016

Agenda. Controleaanpak belastingdienst. Denkmodellen Pre planning Volledigheidscontroles. Juistheidscontroles 20-5-2016 Webinar Deloitte De Leidraad en de CAB staan ook op de internetsite van de belastingdienst 1 Agenda Controleaanpak belastingdienst Denkmodellen Pre planning Volledigheidscontroles Juistheidscontroles Steekproef