Datagedreven audit wordt toegankelijker voor het mkb

Vrijwel iedere mkb-onderneming beschikt tegenwoordig over een digitale financiële administratie. Waar accountants vroeger veel tijd besteedden aan het exporteren, opschonen en analyseren van gegevens, maken geautomatiseerde analyses het mogelijk een groter deel van die werkzaamheden te ondersteunen. Patronen kunnen sneller zichtbaar worden, afwijkingen kunnen eerder opvallen en risico’s kunnen gerichter worden onderzocht.

Voor ondernemers kan ook de ervaring van een jaarrekening controle daardoor veranderen. Wanneer financiële data digitaal beschikbaar is, hoeft de accountant minder informatie handmatig op te vragen. Gesprekken kunnen daardoor steeds vaker gaan over de uitzonderingen die echt aandacht verdienen, in plaats van over het verzamelen van documenten.

Waarom een accountantscontrole soms als gedoe voelt en hoe data-analyse daar verandering in brengt

Iedere ondernemer die een accountantscontrole heeft meegemaakt, kent het proces. Er komt een lijst met informatieverzoeken. Er moeten documenten worden opgezocht en vragen worden beantwoord. Soms lijken vergelijkbare gegevens meerdere keren terug te komen. Dat kost tijd en levert niet per se energie op, voor de ondernemer én voor het auditteam.

Die werkwijze heeft een logische verklaring. Traditioneel verzamelde de klant voor de accountant een groot deel van de controle-informatie handmatig. Klanten exporteerden grootboekmutaties en downloadden bankafschriften via hun bank. Vervolgens voegde de accountant datasets samen en bouwde analyses op in Excel. Dat werkte, maar maakte de controle ook sterk afhankelijk van capaciteit en specialistische kennis.

Steeds meer financiële gegevens kunnen rechtstreeks uit de administratie worden ontsloten en automatisch worden geanalyseerd. Financiële mutaties uit auditfiles en banktransacties, aangeleverd via een export uit de bankapplicatie of een rechtstreekse bankkoppeling, kunnen worden samengebracht in datasets. Accountants kunnen daarop gerichte analyses uitvoeren. Daarmee verschuift het werk geleidelijk van het verzamelen van informatie naar het onderzoeken van uitzonderingen die uit de analyses naar voren komen.

Dat betekent overigens niet dat een controle zonder vragen verloopt. Integendeel.
Sander geeft een voorbeeld: “Een ondernemer geeft tijdens de risicoanalyse aan dat alle verkopen via het verkoopboek verlopen. Uit de data-analyse blijkt echter dat een opvallend aantal boekingen op omzetrekeningen via het memoriaal is verwerkt. Dit vormt aanleiding voor een verdiepend gesprek en nader onderzoek naar de aard en onderbouwing van deze boekingen.”

Een goede accountantscontrole blijft draaien om professioneel-kritische oordeelsvorming. Het verschil is dat vragen steeds vaker kunnen voortkomen uit concrete signalen in een grotere dataset, in plaats van uitsluitend uit een steekproef of handmatig verzamelde informatie.

De Big Four investeren al jarenlang in data-analyse

Lange tijd waren datagedreven controles vooral haalbaar voor de grootste accountantsorganisaties. Zij beschikten over de schaal om te investeren in eigen auditplatforms en in de doorontwikkeling van financiële en operationele data-analyse.

Voor veel mkb-accountantskantoren lag die ontwikkeling minder voor de hand. Het ontwikkelen van een eigen platform vraagt om investeringen in technologie, auditkennis en IT-expertise, zowel voor data-analyse als voor de beveiliging van het platform. Die schaal is lang niet voor ieder kantoor haalbaar.

Inmiddels zijn de randvoorwaarden veranderd. Datagedreven audit wordt steeds toegankelijker voor mkb-ondernemingen en hun accountants. Voor organisaties als PIA Group biedt de schaal de mogelijkheid om te investeren in een eigen data-analyseplatform, waarmee moderne controletechnieken beschikbaar worden voor de mkb-praktijk. Zo kunnen ook mkb-accountants steeds vaker dezelfde principes toepassen, met technologie die eerder alleen bij de grootste kantoren beschikbaar was.

De accountant blijft daarbij verantwoordelijk voor de risicoanalyse, de interpretatie van uitzonderingen en het professionele oordeel. Technologie verandert de manier van werken, maar niet de verantwoordelijkheid van de accountant.

Hoe ziet de ontwikkeling van datagedreven audit eruit?

Datagedreven audit ontwikkelt zich op verschillende manieren. De afgelopen twintig jaar is een breed ecosysteem ontstaan van auditsoftware, data-analyseplatforms, processminingoplossingen en AI-toepassingen. Naast de Big Four zijn gespecialiseerde softwareleveranciers met oplossingen gekomen voor data-analyse, visualisatie en fraudedetectie. Een belangrijk onderscheid daarbij is dat financiële data relatief uniform beschikbaar is, terwijl operationele data sterk verschilt per klant, sector en systeem.

Benieuwd welke partijen en oplossingen een rol spelen in datagedreven audit? Het overzicht hieronder laat de verschillende spelers zien, van accountantsorganisaties tot aanbieders van data-analyse, process mining en AI.

Waarom PIA een data-analyseplatform ontwikkelt

Iedere accountant kent wel een collega die uitzonderlijk goed is in data-analyse of Excel. Vaak is dat degene die precies weet hoe een auditfile moet worden opgeschoond, welke scripts nodig zijn en welke analyses de meeste waarde opleveren. Die kennis is in de praktijk opgebouwd door jarenlange ervaring. Dat is waardevol. Tegelijkertijd maakt het een organisatie kwetsbaar. Wanneer specialistische kennis bij een klein aantal mensen zit, kost het veel tijd om die expertise over te dragen. De kwaliteit van analyses wordt afhankelijk van ervaring en iedere accountant ontwikkelt gaandeweg een eigen werkwijze. Ook ontbreekt vaak een eenduidige audittrail van de uitgevoerde werkzaamheden.

Vanuit de auditpraktijk van ESJ en Vanhier ontstond de behoefte om datagedreven audit schaalbaar te maken zonder in te leveren op kwaliteit. Die behoefte vormde het startpunt voor de ontwikkeling van het PIA Data-analyseplatform. Het platform wordt ontwikkeld om financiële data uit auditfiles en banktransacties automatisch te verwerken. Standaardanalyses moeten vervolgens beschikbaar komen voor auditteams binnen de groep. Denk aan journal-entry testing, dagboekanalyses, analyses van banktransacties en andere risico-indicatoren die zichtbaar worden in een interactief dashboard.

Het doel is dat niet iedere accountant het wiel opnieuw hoeft uit te vinden. De basisanalyses kunnen worden gestandaardiseerd, terwijl er alle ruimte blijft voor professioneel oordeel. Het ontwikkelen van een uniform data-analyseplatform, dat gefaseerd bij de kantoren van PIA Group wordt ingevoerd en op basis van praktijkervaring verder wordt ontwikkeld, is iets anders dan één uniforme controleaanpak. De afzonderlijke kantoren en accountants blijven verantwoordelijk voor hun eigen professionele uitvoering.

De volgende stap: van financiële naar operationele data

De ontwikkeling van datagedreven audit stopt niet bij financiële data, maar die volgende stap vraagt om een andere aanpak. De eerste stap is het ontwikkelen van een gestandaardiseerde aanpak voor financiële data, zoals eerder beschreven. Deze data is bij vrijwel iedere onderneming beschikbaar en kan daardoor relatief uniform worden geanalyseerd.

De volgende stap is het verbinden van financiële en operationele data. Gegevens uit bijvoorbeeld voorraadbeheer, orderverwerking, urenregistratie, logistiek en productie kunnen inzicht geven in de processen achter de financiële cijfers. Dat maakt de controle inhoudelijk rijker, maar ook complexer: systemen, definities en datakwaliteit verschillen sterk per organisatie en sector. Dat is de stip op de horizon.

Op langere termijn kunnen financiële en operationele data helpen om niet alleen transacties achteraf te beoordelen, maar ook de werking van processen gedurende het jaar beter in beeld te brengen. Dat vervangt de jaarrekeningcontrole niet. Procesbeoordelingen, aanvullende controlewerkzaamheden en het professionele oordeel van de accountant blijven nodig. Wel kan de accountant met informatie uit systemen gerichter vaststellen waar risico’s en afwijkingen zich voordoen.

Voor het mkb betekent deze ontwikkeling dat datagedreven audit steeds toegankelijker wordt. Met een combinatie van technologie, vakkennis en professioneel oordeel kunnen accountants hun controles verdiepen en gerichter uitvoeren. Dat is de rol die PIA met het data-analyseplatform verder wil ondersteunen.

Zelf bijdragen aan de volgende fase van accountancy? Ontdek bijvoorbeeld de accountancy vacatures in Oosterhout binnen PIA Group.