Interne beheersing – Opschonen van data met AOQL als fouten gecorrigeerd moeten en kunnen worden
Bij het analyseren van de uitkomsten van de gegevensgerichte controle wordt gezocht naar de oorzaken van fouten. Door die oorzaken weg te nemen kunnen de gevolgen worden gecorrigeerd en kan de controle worden afgerond. Als die oorzaken structureel zijn, kan de huishouding interne beheersingsmaatregelen nemen die dat risico in de toekomst afdekken. Maar wat nu als de oorzaak van de fouten onbekend is, of gewoon te beschouwen is als een gebrek aan accuratesse? De enige beheersingsmaatregel die dan effectief is, is een gegevensgerichte interne controle. Met behulp van de AOQL methode is die beheersingsmaatregel ook efficiënt te maken.
Voorbeelden van het toepassen van AOQL zijn legio. Al sinds de jaren ’80 van de vorige eeuw wordt deze methode toegepast in de interne controle. Dit zijn cliënten in de retail (interne beheersing van de inkomende facturenstroom) maar ook in de verzekeringsbranche (interne beheersing van binnen gekomen claims). Naast deze toepassingen wordt AOQL ook eenmalig ingezet om (wellicht) vervuilde bestanden op te schonen, of om zekerheid te geven dat de vervuiling in een bestand acceptabel laag is, bijvoorbeeld bij een conversie.
AOQL is een methode om te garanderen dat de verwachte fout in een reeks deelpopulaties beneden een vooraf gekozen norm blijft. Dit is een wiskundige garantie, geen statistische bovengrens met een bepaalde betrouwbaarheid, maar een 100% zekere uitspraak over de verwachte fout. Hoe meer deelpopulaties, des te beter zal ook de gemiddelde fout in die deelpopulaties aan die uitspraak over de verwachte fout voldoen. Het is dus niet zo zeer een steekproefsgewijze toets die bij weinig fouten goedkeuring ondersteunt en bij te veel fouten goedkeuring onthoudt. Het is een methode die aangeeft hoe veel werk er moet worden gedaan om zeker te weten dat er goedgekeurd kan worden.
Interessant voorbeeld was de toepassing bij een bank die door De Nederlandsche Bank verplicht werd zijn klantenbestand te schonen voor verdachte rekeninghouders. Door AOQL toe te passen bespaarde deze bank volgens eigen zeggen 83 fte aan menskracht ten opzichte van een integrale controle.
De procedure om AOQL te implementeren bestaat uit de volgende stappen:
- Definieer de te beoordelen populatie (denk aan betrokken tijdsperiode, meting in geld of in posten).
- Definieer wat een fout is en wanneer een onderzocht element niet fout is.
- Zonder die elementen af waarvoor het foutrisico aanmerkelijk hoger is dan voor andere elementen en controleer deze integraal.
- Kies een foutnorm in procenten van de resterende populatie, rekening houdend met het integraal gecontroleerde deel.
- Deel de populatie op in deelpopulaties, die niet noodzakelijk even groot hoeven te zijn. De efficiency van de methode wordt bevorderd door deelpopulaties te maken van elementen die veel op elkaar lijken. Als er dan in een steekproef fouten worden gevonden, lijkt het logisch dat de rest van die deelpopulatie ook fouten bevat. Hoe lager het risico op fouten, des te groter kan men de omvang van de deelpopulatie kiezen.
- Trek uit elke deelpopulatie een steekproef. De omvang van die steekproef hangt een beetje af van de omvang van de deelpopulatie maar vooral van de procentuele foutnorm voor de gehele populatie.
- Deelpopulaties met steekproeven zonder fouten behoeven verder geen controle. Ze zijn waarschijnlijk foutloos maar er kan nog een fout aanwezig zijn die niet door de steekproef is opgemerkt.
- Deelpopulaties met steekproeven met fouten dienen zodanig te worden gecontroleerd dat zeker is dat de in de steekproef aangetroffen foutsoort uit de gehele deelpopulatie is verwijderd. Dat kan gebeuren door integrale controle van de deelpopulatie of door het volledig wegnemen van de oorzaak van de aangetroffen fout. De deelpopulatie is nu zeker foutloos.
- Er zijn nu deelpopulaties die waarschijnlijk foutloos zijn en deelpopulaties die zeker foutloos zijn; de nog mogelijk aanwezige fout wordt in het hoofdstukje over wiskunde uitgeschreven. Die zeker foutloze deelpopulaties waren vermoedelijk de slechtste, dus tijdens het controleren verbetert de kwaliteit!
- Door voor deze mogelijk aanwezige fout een maximaal toelaatbare norm te kiezen kan de omvang van de steekproef per deelpopulatie worden bepaald.
Als we de noodzakelijke wiskunde overslaan (die is natuurlijk op te vragen) resteert een formule voor het bepalen van de steekproef. Om zeker te weten dat een populatie niet meer dan 1% fouten bevat, moeten er minstens 10 (maar liever meer, denk aan 20) deelpopulaties worden gemaakt en uit elk een steekproef van 37 worden getrokken. De werklast zit hem niet alleen in de 10 tot 20 steekproeven van 37 want deelpopulaties met steekproeven met fouten moeten integraal worden opgeschoond. Hoe vaak dat gebeurt hangt af van de onbekende werkelijke foutkans in de populatie.
(1857-1936)