Hoe auditprocessen kunnen profiteren van deep data

Geavanceerde analysetools zorgen voor een grote sprong voorwaarts in de auditwereld en maken de introductie van innovatieve benaderingen mogelijk.

Er doet zich momenteel een ware gegevensrevolutie voor op het gebied van auditing. De hoeveelheid gegevens die bedrijven produceren en de verscheidenheid hiervan is in hoog tempo aan het toenemen, waardoor bij audits veel meer informatie kan worden betrokken dan voorheen. Door alle gegevens met digitale tools te analyseren, kunnen specialisten op een nieuwe manier naar bedrijven kijken. Dit resulteert in een dieper inzicht in risico's, prestaties en kansen.

Hoewel gegevensanalyse al decennialang voor talloze doeleinden wordt ingezet, maakten beperkingen in rekenkracht, connectiviteit en cybersecurity het vaak tot een lastige opgave om gegevens op een effectieve en consistente manier te verzamelen, te verwerken en te interpreteren. Nu de meeste transacties elektronisch worden uitgevoerd, stellen krachtige tools en technieken voor gegevensanalyse auditors in staat meer datapunten dan ooit te analyseren, wat zowel de auditkwaliteit als het vertrouwen in de kapitaalmarkten een boost kan geven.

De grotere transactievolumes en gegevenssets waarover auditors beschikken, stellen hen bovendien in staat om hun inzicht in financiële en niet-financiële informatie te verdiepen. Dankzij de mogelijkheid om grotere gegevenssets te analyseren, kunnen auditors risico's op afwijkingen van materieel belang, inclusief het risico op fraude, beter identificeren.

In het bankwezen kan een diepgravende analyse van transacties met een hoger risico bijvoorbeeld een ongewoon hoog aantal krediettransacties aan het licht brengen. Dat kan wijzen op fouten in de verwerking – een relevante afwijking.

Met auditanalyses en risicobeoordelingen kunnen auditors zich concentreren op gebieden met een hoger risico. Bij EY hebben we in het kader van een wereldwijde auditopdracht een dashboard ontwikkeld waarin de nieuwste analysetools zijn opgenomen. Met dit dashboard konden we het risiconiveau van bedrijfsactiviteiten in verschillende regio's bepalen en de mate vaststellen waarin landen of entiteiten vatbaar waren voor corruptie en regelgevingskwesties. De bevindingen werden verwerkt in het auditplan om zo de audit te versterken.

De komende jaren zal het gebruik van geavanceerde analysetools fors toenemen. Auditprofessionals zullen intensiever gebruik gaan maken van gecombineerde analyses van gestructureerde gegevens (zoals financiële overzichten) en niet-gestructureerde gegevens (zoals grote aantallen klantcontracten). Mede hierdoor zullen ze nog beter toegerust zijn om gedetailleerde analyseresultaten en hoogwaardige zakelijke inzichten te leveren.

Ook de toepassing van kunstmatige intelligentie (AI), machine-learning, robotica en blockchain zal een grote impact hebben op het vak. Deze technologieën zijn echter allemaal afhankelijk van gegevens. Zonder de juiste tools en expertise om gegevens te analyseren, is de implementatie van machine-learning, robotica of blockchain zinloos.

Naar verwachting zal de toepassing van kunstmatige intelligentie leiden tot krachtigere en effectievere audittools voor het onderzoeken van gegevens, het detecteren van afwijkingen en het verbeteren van processen. Dit alles kan leiden tot audits van een hogere kwaliteit. Ook de inzet van machine-learning ziet er veelbelovend uit. Op basis hiervan kunnen applicaties na verloop van tijd zelf inzicht ontwikkelen in wat 'normaal' is binnen de organisatie en wat niet.

Digitale technologie is de auditprocessen fundamenteel aan het vernieuwen en biedt professionals geavanceerde tools waarmee gegevens diepgaand kunnen worden geanalyseerd. Dit leidt tot betere vragen en tot betere antwoorden.