The Digital Professional LIO-bijeenkomst Data-analyse en Auditing Presentation by drs. Angelique Koopman RE RA LIO bijeenkomst NBA, 25 juni 2018
The Future of our Profession Page 2
The Future of our Profession?
Data-analyse bij de controle: Uitdagingen en vooral Kansen Controleren is als een wetenschap en een kunst? Agenda: Inleiding (Angelique) met 3 voorbeelden van data-analyse De ontwikkeling van Guidance voor data-analyse toegelicht (Angelique) Context internationale ontwikkelingen Concept NBA-Handreiking Data-analyse Voorbeeld aanpak voorbereiding data-analyse toegelicht door Esther Bijlage 2 uit concept NBA-Handreiking Discussie aan de hand van Stellingen Page 4
The Intelligent Automation journey in our profession Data analytics Artificial intelligence Data analytics, insights, decision-making Intelligent chatbots Interaction with users (internal or external) RPA cognitive Manage unstructured data through machine learning & natural language processing Robotic process automation (RPA) traditional Repetitive, rule based, high volume activities Page 5
Accountantsdag 2014... (Mona de Boer & Angelique Koopman) Diepgang van data gebruik CAATs Big Data Proces analyse Audit process redesign Hoeveelheid gebruik van elektronische data Page 6
Waar staan we nu? Page 7
Example 1: Using Artificial intelligence in auditing
Think about this. Concerns about using Ai (towards deep learning) Data Opportunities: Challenges:... Deep Learning Engine Insight! Page 9
Example 2: Advanced analytics with Continuous Auditor
Example 3: Working differently with Process mining Page 11
Auditing is like making a puzzle 1 Z A Y 3 abc Page 12
What is Process Mining? «Process Mining is extracting valuable, processrelated information from event data» «Process Mining is the science to analyze enterprise processes with a bottom-up approach to explain, measure and optimize operational excellence» «Process mining is a process management technique that allows for the analysis of business processes based on event logs» Page 13
Working differently with Process Mining Traditional approach: Innovative approach: Interviews and studying client documentation Perform walkthroughs Manually test controls (sample) Perform substantive procedures Invoice sent by Supplier Create Purchase Order Change Purchase Order Approve Purchase Order Post Goods Receipt Post Invoice Payment Run And now???? Page 14
Let s discuss 1. Kan Data-analyze puzzelstukken veranderen? 2. Kunnen we kapotte puzzelstukken repareren? 3. Wat als een puzzelstuk helemaal ontbreekt? Z? Source and reference to project Peter Eimers & Angelique Koopman Page 15
Guidance voor Data-analyse bij de controle The making of Kansen & Uitdagingen Page 16
Ontwikkelingen Internationaal IAASB DAWG update Discussion document (zeer) goed ontvangen Video was brugfunctie naar International Forum of Independent Audit Regulators (IFIAR) Geen data analytics standaard, maar opname in revised ISAs (te beginnen met ISA 315) IAASB is terughoudend met eigen non-authorative guidance, national standard setters en audit firms aangemoedigd zelf guidance te ontwikkelen en te delen. Bron: Peter Eimers Page 17
IAASB projects: ISA 315 (revised) From summary meeting highlights March 2018:. Further clarification and guidance was needed in relation to IT controls.. and the use of dataanalytics. Page 18
IAASB Key messages (1): Taking the credits Source: ifac.org Page 19
IAASB Key messages (2): An iterative process Source: ifac.org Page 20
Uitdagingen bij het toepassen van Data-analyse Van praktische aard a) Data acquisitie b) Legal and regulatory aspecten c) Omgaan met toezichthouders d) Investeren in het opnieuw trainen van auditors Bron: ifac.org- IAASB paper pag. 11 ev Van conceptuele aard Positie van ITGCs e) Relevantie en betrouwbaarheid van externe data f) Aard van audit evidence met data analyse g) Hoe om te gaan met uitzonderingen h) Documentatie vereisten bij toepassing data analyse i) Quality control process inzake tooling Page 21
Concept NBA-Handreiking Data-analyse bij de controle Verwachtingen managen Doel: o o Beantwoorden vragen uit de praktijk over het toepassen van data-analyse Een basis-document Een levend document : o o Regelmatig actualiseren met nieuwe ontwikkelingen en inzichten, zoals toepassing data-visualisatie toepassingen, op algoritme gebaseerde tools, Ai Ook denkbaar dat een volgende versie (als add-on) ingaat op vraagstukken als informatiebeveiliging, privacy wet- en regelgeving, toepassen process mining en het gebruik van ongestructureerde brondata Page 22
Concept NBA-Handreiking Data-analyse bij de controle Indeling Data-analyse in de planningsfase, bij de risico-inschattingswerkzaamheden, het testen van controls en bij gegevensgerichte werkzaamheden (hoofdstuk 3) Data-analyse bij het onderkennen van fraude en fraude-risico s (hoofdstuk 4) Hoe kan de accountant de betrouwbaarheid van verkregen data ten behoeve van data-analyse vaststellen (hoofdstuk 5) Hoe resulteert data-analyse in voldoende en geschikte controle-informatie (hoofdstuk 6) Hoe gaat de accountant om met de uitkomsten van data-analyse (hoofdstuk 7) Welke data bewaart de accountant in het dossier (hoofdstuk 8) Bijlagen: Bijlage 2: Hoe kan de accountant data-analyse op een gedegen wijze voorbereiden: een voorbeeld aanpak Page 23
White paper Stuurgroep Publiek Belang Bij toegevoegde waarde (pagina 9): Page 24
White paper Stuurgroep Publiek Belang Randvoorwaarden voor kwaliteit; 10 drivers voor kwaliteit (pagina 17) Page 25
Page 26 How to become a digital professional?
Thank You! LIO bijeenkomst Data-analyse en auditing 25 juni 2018