De gekozen use-case beschrijft een voorbeeld situatie gebaseerd op het fictieve bedrijf Geel & van der Pijl Accountants. Dit voorbeeld is gebaseerd op onze ervaringen met datagerelateerde projecten in de wereld van de accountant. Wij zijn technologie/data specialisten en geen accountants, maar hebben in onze samenwerking met accountants wel verschillende inzichten opgedaan die wij graag met jullie delen.
Een kerntaak van een accountant is het verzamelen van gegevens voor het controleren van financiële cijfers. Deze cijfers worden verzameld om de juistheid, betrouwbaarheid en integriteit van de boekhouding te controleren. Ook heeft een accountant een verantwoordelijkheid bij het detecteren van fraude. Naast deze belangrijke taken heeft een accountant ook een adviserende rol. Dat wil zeggen dat een accountant op basis van de geanalyseerde data een klant kan adviseren over fiscale zaken, processenverbeteringen, financiële problemen of symptoombestrijding van een ongezonde organisatie. Het is goed om te beseffen dat de wereld van de accountant en het administratiekantoor veranderd. De meeste betalingen gaan nu volledig automatisch. Ook het facturatieproces kan bij veel bedrijven in hoge mate worden geautomatiseerd door boekhoudsoftware. Dit zorgt ervoor dat jaarrekeningen automatisch samengesteld kunnen worden en dat de boekhoudsoftware ook al veel zorgen omtrent juistheid en integriteit kan wegnemen. Hiermee wordt de rol van de accountant anders en komt de nadruk veel meer te liggen op de adviesrol van een accountant. Het is wel goed om hier duidelijk onderscheid te maken tussen de samenstel- en de controlepraktijk. In de controlepraktijk gelden andere regels met betrekking tot het advies geven en is er altijd een spanningsveld tussen de mate van adviseren en het onafhankelijkheidsbeginsel.
Maar zoals gezegd neemt boekhoudsoftware steeds meer taken van de accountant weg, maar
dezelfde accountant zal nog steeds bankbestanden, jaarrekeningen en audit bestanden moeten
verwerken vanuit de controlepraktijk. Het verwerken van deze data kan ook voor een groot deel
geautomatiseerd worden, helemaal vanwege de ontwikkeling dat data uitwisseling van
bankbestanden, jaarrekeningen en audit bestanden gestandaardiseerd en geüniformeerd wordt.
Voorbeeld hiervan zijn het cash management (CAMT*1) bestanden die opgevraagd kunnen worden bij
een bank. Deze standaard is vastgelegd in de ISO 20022 standaard en alle banken in Nederland
conformeren zich aan deze standaard. Nog meer automatisering dus. Blijft er dan nog wel wat over voor de accountant? Worden accountants dan niet met de tijd overbodig? Wij denken absoluut van niet, maar de moderne accountant richt zich veel meer op adviseren op basis van data-analyse en om dat te kunnen zul je als moderne accountant de data regie stevig in handen moeten pakken.
Voorbeeld use-case
Geel & van der Pijl Accountants wil graag zelf de regie over data. Het idee is ontstaan om zelf data in
een eigen analyse omgeving te gaan opslaan. Er zijn nu verschillende medewerkers die data
opvragen of toegestuurd krijgen van banken of klanten. De aanleveringen zijn veelal volgens
marktstandaarden en daarmee goed te automatiseren. Het betreft hier data welke verzameld wordt
vanuit de controlepraktijk. Door de data in een eigen analyse omgeving op te slaan worden de
volgende voordelen verwacht:
- Per controle de benodigde preparatie tijd met 3 manuren (gemiddeld) inkorten. Hierdoor kan
er veel sneller met de data-analyses gestart worden. - Significant minder fouten doordat het proces geautomatiseerd wordt. Hierdoor worden
controle en correctie werkzaamheden met gemiddeld 4 uur per analyse teruggebracht.
Controles en correcties zijn binnen deze context gericht op het proces om de aangeleverde
data te prepareren en in zijn volledigheid in Excel te krijgen. Het gaat hier nog niet om de
inhoudelijke controle van de aanlevering. - De tool om aangeleverde bestanden naar Excel om te zetten is niet meer nodig en hiermee
kunnen licentie kosten worden uitgespaard. - Klantgerichtere analyses en klantgerichte advisering. Hier zit de echte winst en dit is dan ook
het belangrijkste voordeel. De tijd die vrijkomt door deze automatisering wil Geel & van der
Pijl Accountants inzetten om voor haar klanten betere analyses te ontwikkelen en om
klanten gerichter te kunnen adviseren. - 1 versie van de waarheid. Door regie te voeren over de data en door business logica centraal
vast te leggen gebruikt iedere dataconsument dezelfde definities en ontstaat er 1 versie van
de waarheid. Ook geen verschillende Excel kopieën meer. - Betere beveiliging van vertrouwelijke informatie. Duidelijke rollen en rechten, data
maskering van privacygevoelige data en encryptie van data moet de kans op
ongeautoriseerde toegang verkleinen. Dit is in Excel een stuk lastiger te waarborgen.
Huidige situatie
Binnen het huidige proces bestaat er een Excel-template waar data ingeladen kan worden om
analyses te doen. Voordat de bestanden in Excel verwerkt kunnen worden, wordt er eerst een
externe tool ingezet om de data te converteren van hiërarchische bestandsstructuren als XML en
JSON naar bruikbare platte lijsten welke makkelijk in Excel ingeladen kunnen worden. In het Excel
template zitten verschillende powerqueries en marcro’s om de data te prepareren om vervolgens de data in draaitabellen beschikbaar te stellen waarna gestart kan worden met de inhoudelijke analyses.
In de praktijk gaat het verversen niet altijd goed. De powerqueries of macro’s gaan nog wel eens wat
stuk. Ook het verversen van macro’s en formules in Excel gaat niet altijd direct goed. Daarnaast
worden bestanden gedeeld onder collega’s die elk in hun eigen versie aan de slag gaan. Hierdoor
ontstaan verschillende waarheden. Vanuit de bril van de accountant is dit een ongewenste situatie
omdat je data op een eenduidige manier wilt verwerken. Meerdere versies van de waarheid kan
afbraak doen aan de betrouwbaarheid van de accountant en controles bemoeilijken.
Er wordt ook vaak de vraag gesteld of data van verschillende aanleveringen van een klant
gecombineerd kunnen worden zodat er bijvoorbeeld trendanalyses gedaan kunnen worden. Met
deze trendanalyses kan er beter ingespeeld worden op de wensen van specifieke klanten.
Bijvoorbeeld wanneer een klant terugkerende cashflow problemen ondervindt. Door een
trendanalyse te doen op hun data kunnen verbanden ontdekt worden waardoor er een beter beeld
ontstaat wanneer en waardoor deze cashflow problemen ontstaan. Hierdoor kan de accountant een
onderbouwd advies geven over de te treffen maatregelen en voorspellen wanneer er weer
problemen kunnen gaan ontstaan als er geen adequate mitigerende maatregelen worden getroffen.
Sommige klanten leveren data aan via een beveiligde ftp-omgeving, andere klanten leveren
bestanden aan via de mail. Er worden vragen gesteld of het wel verstandig is dat sommige klanten
data aanleveren via de mail. Weliswaar worden bestanden met wachtwoorden beveiligd, maar deze
manier van beveiligen is door een kwaadwillende relatief eenvoudig te omzeilen. Is een
geautomatiseerde en versleutelde verbinding niet beter?
Voorbereiding
Alvorens er een use-case uitgewerkt wordt is de eerste stap in ons stappenplan de inventarisatie van
de huidige situatie. Welke kennis is in huis, welke tooling hebben we tot onze beschikking en welke
bronsystemen hebben we nodig. Uit deze inventarisatie bij Geel & van der Pijl Accountants is
gebleken dat zij over een aantal behoorlijk bedreven data analisten beschikken, maar dat technische
kennis om een analyse omgeving op te zetten ontbreekt. Naast Excel zijn er geen analyse/BI tools
beschikbaar maar is daar wel behoefte aan.
Deze inventarisatie is nodig om een goed plan te kunnen maken en om commitment vanuit het
management af te dwingen. Enerzijds heb je funding nodig voor bijvoorbeeld nieuwe BI tooling en
externe inhuur en anderzijds om draagvlak te creëren om als organisatie meer data-gedreven te gaan
werken.
Na een goede presentatie aan het MT, waar de voordelen en verwachte kosten goed onderbouwt
konden worden, krijgen de initiatiefnemers de ruimte en de funding om aan de slag te gaan met dit
initiatief. Zoals aangegeven in onze vorige blog en onderdeel van ons stappenplan is het belangrijk
dat je de verwachte opbrengst kan inschatten en onderbouwen. Dit is ook weer onderdeel van het
creëren van draagvlak, maar is zeker niet altijd even makkelijk. Ook een goede inschatting maken van
de verwachte kosten, met name wanneer er sprake is van externe inhuur, kan lastig blijken. Wij
vanuit Yellow Arrow hebben ervaring in het onderbouwen van use-cases en zetten graag onze kennis
hiervoor in.
Technische inrichting
Omdat Geel & van der Pijl Accountants niet de juiste technische kennis in huis heeft wordt ervoor
gekozen om een technologie/data partner te zoeken om de technische inrichting te ontwerpen en te
realiseren. Samen met deze technologie/data partner wordt er een data-analyse platform in een
cloud omgeving ontworpen. In dit voorbeeld gaan we uit van een oplossing binnen Microsoft Azure om de use-case te realiseren. Hoe je een ontwerp van een modern analyse platform maakt binnen
een cloud-omgeving naar keuze komt aan bod in het vierde deel van deze blog-reeks. Om deze use-
case te realiseren is het volgende ontwerp bedacht. Dit is ontstaan uit een intensieve samenwerking
tussen de kennishouders, data analisten en de technologie/data partner:
Eindelijk, aan de slag met data!
We hebben een mooi initiatief bedacht en uitgewerkt in een use-case, de juiste mensen zijn
aangehaakt, we hebben commitment van het management en we hebben een modern analyse
platform ingericht in Microsoft Azure. Nu kunnen we de data daadwerkelijk gaan verzamelen.
Wanneer je zelf niet de kennis hebt om de informatie te verzamelen binnen een analyse platform zul
je in eerste instantie moeten leunen op de dataspecialisten van jouw partner. Dat is niet erg, maar
probeer zelf wel de kennis op te bouwen door enerzijds medewerkers op training te sturen of door
dataspecialisten als data engineers aan te trekken.
Het verwerken, integreren en verrijken van data is een onderwerp waar we meerdere hoofdstukken
aan kunnen wijden, maar voor nu gaan we er gemakshalve van uit dat de data op een juiste manier
verzameld wordt zodat de data geconsumeerd kan worden door een BI-tool als Power BI. In het
volgende hoofdstuk willen we vooral stil staan bij de voordelen die de realisatie van deze use-case
mogelijk maken.
1) Data wordt geautomatiseerd opgehaald middels API’s. Een Application Programming Interface, afgekort tot API, is een verzameling definities op basis waarvan een computerprogramma kan communiceren met een ander programma of onderdeel.
2) De data wordt opgeslagen in een data archief zoals een data lake.
3) Door een analytische database wordt de data verwerkt, geïntegreerd en verrijkt. Tevens wordt hier het historisch beeld gereproduceerd op basis van het archief. Het verrijkte data model kan doormiddel van een BI tool geconsumeerd worden.
4) In een BI tool als Power BI kan de verrijkte data opgehaald en gevisualiseerd worden. De businesslogica op het platform is voor iedereen hetzelfde en ligt eenduidig vast. 1 versie van
de waarheid.
Datagedreven adviseren
Hoe maakt het automatiseren van deze data stromen het mogelijk om beter en data gedreven te
gaan adviseren voor Geel & van der Pijl Accountants.
- Tijdwinst: Door het automatiseren van de oplossing houden de accountants meer tijd over.
Dit kunnen ze inzetten om meer gericht advies te geven en hiermee extra waarde voor kun
klanten te genereren. - Historie: Door het opbouwen van historie kan je, naast de reguliere controles en
bijbehorende advisering, een totaalbeeld vormen en worden ook andere vormen van advies
mogelijk zoals trendanalyses.
1) We noemden al de cashflow analyse waar op basis van trendanalyse cashflow
problemen voorspelt kunnen worden. Om een goede trendanalyse te kunnen maken
heb je data van een langere periode nodig dan alleen het lopende boekjaar.
Deze analyse zou je ook voor andere indicatoren kunnen opzetten zoals bijvoorbeeld
solvabiliteit, rentabiliteit of winst/verlies.
2) Fraude detectie. Door transacties over langere periodes te monitoren aan de hand
van slimme algoritmes kunnen patronen in de data ontdekt worden. Patronen die je
niet ziet als je de data zelf analyseert in bijvoorbeeld Excel. Ook als je alleen kijkt naar
het lopende boekjaar heb je mogelijk niet voldoende data om daadwerkelijk die
patronen te ontdekken om fraude te kunnen opsporen.
3) Procesmining. De interimcontrole wordt vaak ingezet als voorbereiding op de
eindejaar controle. Een belangrijk onderdeel van de interimcontrole is de
procesanalyse. Hoe komt de data tot stand en hoe betrouwbaar is de data. Met
technieken als proces mining kunnen procesanalyses worden geautomatiseerd. Met
slimme algoritmes kunnen afwijkingen in grote hoeveelheden data worden
gedetecteerd. Hiermee kunnen datakwaliteitsproblemen en hiaten in het proces
aangetoond worden. - Eén versie van de waarheid: Voor een accountant in de controlepraktijk draait alles om de
waarheid en het constateren dat jouw klanten een correcte en juiste administratie voeren.
Maar zoals een timmerman die vakwerk aflevert bij klanten, maar thuis geen zin meer heeft
om de boel netjes af te timmeren omdat hij de hele dag toch al aan het timmeren is, zo moet
je als accountant ook je eigen data huishouding niet verwaarlozen. Een situatie waarbij
meerdere personen met kopieën van Excel documenten werken moet je in deze tijd echt niet
meer willen. Dit zorgt voor fouten en verschillen. Door deze verschillende kopieën ontstaan
meerdere versies van de waarheid. Door business logica eenduidig en centraal vast te leggen
in een analyse platform houdt je regie. - Door de komst van het analyse platform wordt het veel makkelijker om de beveiliging in te
richten: Je kan autorisaties geautomatiseerd toekennen op basis van functies. Je kan data
maskering toepassen op gevoelige data en je kan data encrypten om de kans op
ongeoorloofde toegang te voorkomen. Daarnaast kan je inrichten dat toegang tot de data
alleen mogelijk is vanaf vertrouwde devices of vertrouwde netwerken. - Benchmarking: Op basis van geanonimiseerde data is het mogelijk om benchmarks uit te
voeren. Hoe verhouden de cashflow, winst/verlies of investeringen van jouw organisatie zich
14
met andere branchegenoten. Neem jij veel risico, of ben je juist terughoudend ten opzichte
van jouw concurrenten. Hoe je deze data presenteert moet je goed over nadenken en
helemaal de mate van advies welke je verbindt aan deze cijfers. Hier heb je weer te maken
met het onafhankelijkheidsbeginsel van de controlepraktijk en dat mag niet ter discussie
staan. - Risicoanalyse: Door de analyse van de huidige situatie op basis van daadwerkelijke
problemen en de daarbij ontdekte patronen, kunnen we risico’s identificeren die
voortkomen uit deze patronen.
Het zelf verzamelen van data, het opbouwen van een data archief en het inrichten van een omgeving
waar de data-analyse uitgevoerd kan worden geeft je de mogelijkheid om een efficiëntie slag door te
voeren. Daarnaast geeft dit extra gereedschap om jouw klanten beter te bedienen. Hoe je dit
gereedschap straks gebruikt ligt aan jullie specifieke situatie, visie en aanpassingsvermogen. Daarbij
zul je ook altijd goed moeten kijken naar actuele wet- en regelgeving. Ons advies is ga vooral met een
soortgelijke use-case aan de slag! Laat je adviseren waar nodig en weet dat het datateam van yellow
arrow klaar staat om hierbij te helpen.
Wil je advies of meer weten over datagedreven advies geven? Lees hier de whitepaper De datagedreven accountant aan zet!
*1 : CAMT staat voor Common Architecture for Messages for Transfers en wordt gebruikt om elektronische afschriften uit te wisselen tussen banken en klanten.
https://www.iso20022.org/iso-20022-message-definitions
Geef een reactie