Ooit werd een wetenschappelijk artikel van mij, over Bayesiaanse statistiek bij de controle van een shared services center, geweigerd door een referee die beweerde (ik vertaal losjes) dat “accountantskantoren steeds meer overstappen op data analyse waardoor steekproeven op den duur overbodig worden”. Dat is echt onzin.
Steekproeven gebruik je als de norm waartegen je toetst niet digitaal (betrouwbaar, juist, volledig) beschikbaar is en je niet in staat bent om een norm te maken uit andere gegevens. Bijgaand een blog uit 2011 (!) over wanneer data analyse toepasbaar is en welke verschillende soorten fouten je met data analyse kunt opsporen (en welke niet). Later, in 2015, heb ik het begrip Geauzomofo gemunt voor het geautomatiseerd zoeken naar mogelijke fouten.
Ik zou vooraf een steekproef trekken om te kijken welke analyses ik zou laten draaien, en/of achteraf een steekproef trekken om te kijken of er misschien nog meer analyses nodig zijn. Maar hoe dan ook, controleren gaat om de combinatie van gericht zoeken naar fouten en met redelijke zekerheid vaststellen dat de populatie geen materiële fout meer bevat.
Als mede auteur van de NBA Handreiking 1141 Data Analyse bij de controle heb ik met mede-experts van verschillende accountantskantoren en -diensten gezocht naar het antwoord op de vraag of en hoe je nu assurance uit data analyse kunt afleiden. Vooralsnog is de conclusie: dat valt bar tegen. Ik vind dat gecontroleerden zelf in het kader van hun Control Framework data analyse moeten gaan uitvoeren, zodat accountants dan daar op kunnen steunen bij de reductie van hun controle-inspanningen.
Deze plaat (pdf, 12 Mb., met toestemming van Deloitte hier getoond) is een weergave van het artikel met een poging om orde te scheppen in de chaos van verschillende methoden en technieken die achter het begrip data analyse schuil gaan.
(1701-1761)