Big data en data-analyse transformeren de audit

We verkennen de belangrijkste problemen waarmee auditors te maken krijgen bij gebruik van big data en data-analyse.

Data waren historisch gezien een bezitting, meestal gestructureerd en door mensen gegenereerd. De definitie van data is het afgelopen decennium echter breder geworden door technologische ontwikkelingen. Er bestaan nu ook data die ongestructureerd en door machines gegenereerd zijn, evenals data die zich buiten het domein van de onderneming bevinden.

Deze reusachtige, exponentieel groeiende hoeveelheid gegevens wordt omschreven als 'big data'. De algemene opvatting is dat big data een gigantische impact zullen hebben op de verbetering van productiviteit, winst en risicomanagement. Toch heeft big data op zichzelf maar een beperkte waarde zolang de data niet worden verwerkt en geanalyseerd.

Data-analyse is de naam van het proces waarbij gegevens worden geanalyseerd om zinvolle conclusies te kunnen trekken. Grote ondernemingen en organisaties zijn zich bewust van de mogelijkheden van big data en data-analyse. Veel van deze organisaties doen aanzienlijke investeringen om de impact van de nieuwe mogelijkheden op hun bedrijf beter te kunnen begrijpen. Een van de domeinen waarin we een groot potentieel zien, is de transformatie van de audit.

Transformatie van de audit

Terwijl we nog altijd opereren in een zwaar en ongelijkmatig economisch klimaat dat zijn weerga amper kent in de moderne tijd, is de rol van de auditor op de financiële markten belangrijker dan ooit tevoren. Accountantsorganisaties moeten doorgaan met hun robuuste audits om het algemeen belang te dienen. Daarom moeten ze de kwaliteit doorlopend verder verbeteren en meer inzichten en waarde leveren aan de gebruikers van jaarverslagen. Gedurende de gehele audit zijn professionele scepsis en een aanhoudende focus op de kwaliteit van de controle-informatie vereist. Ondertussen verwachten ondernemingen van hun auditors een betere dialoog en meer relevante inzichten.

De beroepsgroep is zich al lange tijd bewust van de positieve impact van data-analyse op de kwaliteit en de relevantie van de audit, maar een algemene inzet van deze methode werd belemmerd door een gebrek aan efficiënte technologische oplossingen, problemen rond de extractie van data en privacy-aspecten. Dankzij recente technologische ontwikkelingen op het gebied van big data en data-analyse komt er echter ruimte voor een heroverweging van de manier waarop een audit wordt uitgevoerd.

De getransformeerde audit beperkt zich niet langer tot tests op basis van steekproeven, maar omvat ook een analyse van volledige populaties van data die relevant zijn voor de audit (transactiedata en stamgegevens van belangrijke bedrijfsprocessen). Hierbij wordt intelligente analyse ingezet om een hogere kwaliteit van de controle-informatie en meer relevante zakelijke inzichten te verkrijgen. Met behulp van big data en data-analyse kunnen auditors de risico's rond financiële verslaglegging, het frauderisico en de operationele bedrijfsrisico's beter herkennen en de werkwijze aanpassen om te komen tot een audit met meer relevantie.

Hoewel we aanzienlijke vooruitgang boeken en de voordelen van big data en analyse voor de audit beginnen te zien, zijn we ons bewust dat dit een traject een van de lange adem is. Een goede manier om de huidige situatie van onze beroepsgroep te beschrijven, is via een analogie met Netflix, de abonnementsdienst voor films en televisieseries. In de begindagen na de oprichting in 1997 stuurde Netflix per post dvd's naar de abonnees, die ze een dag of een week later weer retourneerden. Netflix wist toen al dat online streaming van films de toekomst was, maar de technologie was op dat moment nog niet zo ver en snelle breedbandverbindingen voor consumenten waren nog lang niet zo wijdverbreid als tegenwoordig.

De waarde van de integratie van big data en data-analyse in de audit kan alleen worden optimaal benut wanneer auditors deze technologie gebruiken om de scope, de aard en de omvang van de audit te veranderen. Daarvoor moeten ze nieuwe vaardigheden ontwikkelen om te kunnen bepalen welke vragen moeten worden ingevoerd voor data-analyse en moeten ze de uitkomsten van de analyse weten te gebruiken om controle-informatie te produceren, conclusies te trekken en zinvolle zakelijke inzichten te verkrijgen.

Dit vereist een fundamenteel programma om het onderwijs aan studenten op universiteiten en hogescholen beter te begrijpen en te beïnvloeden, zodat opleidings- en ontwikkelingsprogramma's worden verbeterd en de juiste implementatie- en ondersteuningsprogramma's worden opgezet om auditteams te helpen bij het effectief integreren van big data en analyse in de audit.

Dilemma's bij de analyse

Een ander vraagstuk is hoe normen en regels voor audits kunnen worden afgestemd op het gebruik van data-analyse. Over het algemeen wordt het accountantsberoep gereguleerd door normen die jaren geleden zijn bedacht, waarbij nog geen rekening werd gehouden met de mogelijkheden van big data. De onderstaande vier aspecten moeten goed worden overwogen.

1. Uitvoerige analytische procedures: deze procedures gaan na of de relatie tussen balansposten van de jaarrekening redelijk zijn, om afwijkingen van de verwachte trends aan het licht te brengen. De huidige norm voorziet echter niet in het gebruik van analyse op basis van big data om 'materieel bewijs' te leveren. Een van de belangrijkste verschillen met analysetechnieken is dat de procedures worden gebruikt om ongebruikelijke transacties of afwijkingen te identificeren op basis van data-analyse en meestal zonder dat de auditor een verwachting definieert. Big data en dit type analysetechniek bestonden nog niet toen de norm werd opgesteld en werden dus niet overwogen als een bron van controle-informatie. Dit hiaat leidt tot onzekerheid over de relevantie en toepasbaarheid van data-analyse om méér dan alleen indicatief bewijs te leveren.
2. Validatie van de data die worden gebruikt voor analyse: wanneer auditors gegevens ontvangen van de klant bepalen zij de administratieve correctheid en volledigheid ervan en of de gegevens geschikt zijn als auditinformatie. Dit geldt zowel voor papieren documenten (bijvoorbeeld contracten) als voor elektronische gegevens.
   
   Data-analyse maakt echter geen gebruik van rapporten die door het systeem zijn gegenereerd. In plaats daarvan worden relevante stam- en transactiegegevens rechtstreeks uit de onderliggende databases gehaald. Vervolgens worden de juistheid en de volledigheid van de data gevalideerd via speciale procedures en worden de data afgestemd met door het systeem gegenereerde rapporten. De auditor kan er vervolgens op vertrouwen dat zijn analyse is gebaseerd op dezelfde data als de data die het bedrijf gebruikt bij het produceren van de financiële overzichten.
   
   Hoewel de normen op dit gebied wel enkele handvatten bieden, hebben de normen niet kunnen anticiperen op het type en het volume van de data die tegenwoordig door auditors worden geëxtraheerd. Er zijn onvermijdelijk beperkingen verbonden aan de hoeveelheid informatie die auditors kunnen ontlenen aan de procedures die met dergelijke data kunnen worden uitgevoerd.
3. Definitie van controle-informatie: de normen beschrijven een hiërarchische informatiestructuur waarbij informatie van derden bovenaan staat en managementvragen onderaan. De normen zeggen echter niets over het type controle-informatie dat voortkomt uit data-analyse. Sommige tests kunnen worden gekoppeld aan het huidige framework in de normen, maar niet alle. Zonder een goede beschrijving van het soort informatie dat voortkomt uit analyse, zijn auditors terughoudend om de gegevens te claimen als controle-informatie. Dit doet de voordelen teniet.
4. Nauwkeurigheid: een audit is bedoeld om afwijkingen van materieel belang te detecteren. Wanneer ondernemingen omzetten van miljarden dollars boeken en gebruikers van de jaarrekeningen verwachten dat deze vrij zijn van afwijkingen van materieel belang, welke mate van nauwkeurigheid moeten auditors dan van hun data-analyse vragen? De normen moeten op dit punt meer duidelijkheid bieden.

Uiteindelijk zou de audit van de toekomst er wel eens heel anders kunnen uitzien dan de audit van vandaag. Auditors kunnen gebruikmaken van grotere datasets en data-analyse om het bedrijf beter te begrijpen, belangrijke risicogebieden te identificeren en verbeterde kwaliteit en dekking te leveren, terwijl ze tegelijkertijd meer bedrijfswaarde bieden. Maar om deze transformatie te realiseren, zal de beroepsgroep nauw moeten samenwerken met de belangrijkste stakeholders van de bedrijven die ze controleren tot de regelgevers en normbepalers.