Audit Data Analytics

Der Weg zu mehr Sicherheit und Transparenz?

⏱ 4 min

Was ist Audit Data Analytics?

Als Audit Data Analytics wird die moderne Datenanalyse bezeichnet, die in der Wirtschaftsprüfung zum Erlangen einer Risikoeinschätzung oder einem Zugewinn an Prüfsicherheit eingesetzt wird. Der Revisionsstelle stehen dabei verschiedene Methoden zur Verfügung, die auch dem geprüften Unternehmen zugutekommen. Nachfolgend einige Beispiele:

  • Mit Hilfe der Datenvisualisierung werden Datensätze, wie beispielsweise Buchungen, grafisch dargestellt. Diese visuellen Darstellungen in Form von Diagrammen, Heatmaps oder Dashboards dienen der Mustererkennung. Werden komplexe Daten visualisiert, hat dies einen positiven Einfluss auf die Kommunikation zwischen Revisionsstelle und KMU. Zudem ermöglichen die Auswertungen zusätzliche Aussagen zur Korrektheit der Journalbuchungen.
  • Process Mining (umfangreiche Analyse) oder Process Analysis (effiziente Analyse) sind Methoden zur Abbildung und Analyse von Geschäftsprozessen sowie dazugehörenden internen Kontrollen. Basis bilden die Logdaten (Aktivitätsprotokolle) aus dem operativen ERP des Unternehmens.
  • Text Mining dient der Analyse von Textdateien wie Kreditorenrechnungen, Verträgen oder Protokollen, mit dem Ziel, Schlüsselinformationen effizient zu extrahieren.
     

Herausforderung: Datenbasis

Damit eine Datenanalyse durchgeführt werden kann, müssen die gewünschten Daten zur Verfügung gestellt werden. Die Prüferin oder der Prüfer extrahiert die Daten aus dem Kunden-ERP, transformiert sie und lädt sie zur Analyse in entsprechende Datenanalyse-Tools.

Mittels Datenanalyse können Daten aus verschiedenen Systemen und Datenquellen miteinander verknüpft werden. Da sich die Systemlandschaft gerade bei KMU vielfältig und wenig standardisiert gestaltet, kann es einem Unternehmen zum Verhängnis werden, wenn der Überblick über die Werteflüsse verloren geht. Mit einem Datenabgleich der verschiedenen Systeme kann die Prüferin oder der Prüfer abschätzen, ob die Daten konsistent, logisch und fehlerfrei verarbeitet wurden.
 

Big Data, KI und Co

Geht es darum, neue Hilfsmittel bei der Prüfung einzusetzen, führen inflationär verwendete Schlagworte wie Big Data, Künstliche Intelligenz oder Machine Learning sowohl beim KMU als auch bei der Prüferin oder dem Prüfer schnell zu Ablehnung. Das ist verständlich, in den meisten Fällen aber unbegründet. Data Analytics Tools stehen sowohl der Revisionsstelle als auch dem KMU in Form von Standardtools zur Verfügung.
 

Datenbasierte Entscheidungsgrundlagen schaffen

Primäre Aufgabe einer Revisionsstelle ist es, dem Unternehmen mit ihren Prüfungsdienstleistungen Sicherheit zu bieten. Audit Data Analytics kann helfen, die Transparenz und Sicherheit zu erhöhen. Bei ihrer traditionellen Tätigkeit gehen Wirtschaftsprüferinnen und Wirtschaftsprüfer in der Regel anhand von Stichproben vor. Gerade bei grösseren KMU findet keine Vollprüfung der Journalbuchungen statt. Setzt die Prüferin oder der Prüfer Datenanalyse Tools transparent ein, können jedoch die gesamten Buchungsdaten zumindest in die Prüfung miteinbezogen werden.

Dabei deckt Audit Data Analytics Unregelmässigkeiten auf, die vertieft beurteilt werden müssen. Sowohl systematische Fehler (Buchungsflüsse sind grundsätzlich falsch geschlüsselt) oder auch Ausreisser (einmaliger Fehler) werden dabei aufgezeigt. Der Geschäftsleitung kann die Prüferin oder der Prüfer dadurch die richtigen Fragen stellen und Hinweise auf Anpassungen in ihren Prozessen und im internen Kontrollsystem geben:

  • Manuelle Buchungen bestimmter Benutzer am Sonntag können Hinweise auf verschiedene unerwünschte Aspekte liefern: von einer potenziellen Verletzung des Arbeitsgesetzes, allfälligen Überschreitungen der gesetzlichen Höchstarbeitszeit über nicht autorisierte Buchungen ausserhalb der überwachten Arbeitszeit bis hin zu möglichen IT-Systemfehlern.
  • Kurzfristige Anpassungen der Bankverbindung von Lieferanten in den Kreditorenstammdaten können ein Hinweis auf nicht genehmigte Zahlungen sein.
  • Die Darstellung der Entwicklung einer Kennzahl (z.B. Bruttomarge) nicht nur per Jahresende, sondern auch monatlich oder quartalsweise, kann bestimmte Saisonalitäten aufzeigen und somit die Transparenz und Sicherheit bei der Prüfung erhöhen.

Dank der entsprechenden Auswertung entsteht eine gemeinsame Diskussionsgrundlage, die dem KMU dazu dient, Massnahmen einzuleiten und potenzielle Risiken und Fehlerquellen künftig zu vermeiden.
 

Audit Data Analytics als Basis für neue Impulse

Traditionelle Prüfungshandlungen befassen sich mit der Vergangenheit und analysieren den bisherigen Verlauf der Dinge. Advanced Audit Analytics befasst sich mit Trends und fragt: «Was wäre, wenn…?». Durch den Einsatz von Audit Data Analytics wird die bekannte Prüfmethode zwar nicht ersetzt, aber durch zusätzliche Erkenntnisse angereichert. Sie liefert der Geschäftsleitung neue Impulse für die Ausgestaltung der künftigen Geschäftsprozesse inkl. internem Kontrollsystem. Durch die Anreicherung der Finanzbuchhaltungsdaten mit externen Daten kann die Qualität und Verlässlichkeit einer analytischen Prüfung erhöht werden. Der Umsatz einer Bergbahn kann beispielsweise mit Zahlen aus dem Ticketverkaufssystem und Wetterdaten ergänzt werden. Dies erhöht einerseits die Qualität und Verlässlichkeit der Daten, da sie optimalerweise die erwarteten Korrelationen bestätigen. Unerklärliche Ausschläge, wie ein hoher Umsatz in der Nebensaison bei schlechtem Wetter, können überprüft werden. Andererseits kann es dem KMU wertvolle Erkenntnisse aus externer Optik liefern.

Audit Data Analytics kann bei Bedarf in der Form von «Continous Audit» zeitnahes Feedback ermöglichen. So kann die Analyse der Finanzzahlen zum Beispiel fortlaufend automatisiert direkt auf dem Kundensystem erfolgen. Oder die Daten werden mittels sicherer Verbindung regelmässig vom Kundensystem in die Prüfsoftware übertragen, wo sie durch automatisierte Prüfprozesse analysiert werden. Das Resultat der Prüfung ist in graphischer Form benutzerfreundlich auf dem Kundenportal ersichtlich. Kunden können so von einer schnellen und effizienten Rückmeldung zu ihrem finanziellen Status profitieren.
 

Der Blick in die Zukunft

Der Einsatz von Datenanalyse Tools bei Revisionen von KMU findet noch zurückhaltend statt. Audit Data Analytics kann jedoch bereits heute unkompliziert und effizient eingesetzt werden. Für KMU sowie für Prüferinnen und Prüfer gilt es, diese Chance zu erkennen und die Möglichkeiten wirksam zu nutzen.

 

 

Sie möchten mehr über die moderne Prüfmethode von BDO erfahren?

Jetzt Kontakt aufnehmen: Daniel Gwerder, Leiter Audit Data Analytics, Partner

Weiterführende Informationen: Audit Data Analytics | Wirtschaftsprüfung - BDO