Opinie

The future depends on what you do today*

Rondom de column van Marcel Pheijffer over voorspellen (Hindsight & foresight) ontspon zich een interessante discussie over de inzet van nieuwe technologie in de accountantscontrole.

De OK-Score werd daarbij als voorbeeld aangehaald. Op het gevaar af als betrokkene bij de OK-Score beschuldigd te worden van het preken voor eigen parochie, wil ik toch enkele aspecten nader belichten, op basis van de reacties op het artikel van Marcel.  Als rechtgeaard accountant had ik bij de kennismaking met de OK-Score overigens precies dezelfde gedachten zoals die in enkele reacties zijn geuit.

De noodzakelijke diepgaande kennis van een bedrijf, haar omgeving en wat daar ineens kan gebeuren. Onuitgesproken: ‘Die kun je immers niet in een model inbakken’.

Het is belangrijk om te bedenken dat de OK-Score zich baseert op de samenhang tussen jaarrekeningposten en ratio’s in tenminste vijf opeenvolgende boekjaren. Bovendien is de score alleen geschikt voor bedrijven met een zekere massa (ongeveer de grens van de verplichte accountantscontrole). Zulke organisaties hebben een zodanige omvang, dat ze niet van het ene op het andere moment omvallen.

Zodra een negatieve trend inzet, door bijvoorbeeld een disruptieve ontwikkeling, zal de score snel verslechteren. An sich al reden om zo’n cliënt te waarschuwen, als dat nog nodig mocht zijn. Maar als de binnen het model voorspelde posities onvoldoende zijn voor continuïteit zal de score waarschuwen voor een definitief einde binnen drie jaar, als er tenminste niet indringend ingegrepen wordt.  

En mocht er sprake zijn van fraude in de jaarcijfers, met mogelijk plotselinge afboekingen als deze uitkomt, dan heeft het model daarvoor al ‘onverklaarbare posten’ gedetecteerd. Bepaalde verbanden of ratio’s pasten dan niet meer in het beeld. Tenslotte is er bij grote onzekerheid ook altijd nog de mogelijkheid om bijvoorbeeld de halfjaarcijfers in te voeren, zodat je er als accountant nog dichter op kunt zitten.

Bedenk ook: het model is alleen toepasbaar voor ‘normale’ bedrijven en bijvoorbeeld niet voor overheidsgedomineerde organisaties, waar regelgeving de hele zaak ineens op zijn kop kan zetten.

De noodzaak van kennis van het model om het verantwoord in te kunnen zetten.

De AlphaGo computer van Google won onlangs door Deep Learning (leren via diepe neurale netwerken) het complexe spel Go van de drievoudige kampioen van Europa. Het blad De Ingenieur (27 januari 2016) schreef daarover:

“Het grote voordeel van AlphaGo is dat hij veel meer partijen kan analyseren dan mensen dat kunnen en daardoor sterke of zwakke patronen kan vinden die mensen nog nooit hebben opgemerkt; hij wordt ook nooit moe en maakt geen domme rekenfouten. Vergeleken met Deep Blue (IBM JdR) gebruikt AlphaGo veel meer spelintelligentie in plaats van brute rekenkracht, juist dankzij die patroonherkenning.”

Als je nu weet dat AlphaGo steeds de beste zetten doet en het programma al 494 van de 495 partijen heeft gewonnen tegen concurrerende spelcomputers, doordat het blijkbaar beter in staat is om posities te overzien, moet je die dan kunnen narekenen om het programma in te zetten om te winnen? Volstaat dan niet een conceptueel begrip? Kun je als mens überhaupt nog precies berekenen wat de beste zet is? Is het niet een beetje hetzelfde als bij de zelfrijdende auto; wie is schuldig als er wat fout gaat? Maar het gaat maar één op de zoveel honderdduizend kilometer fout.

Bij de OK-Score is dat < 1 procent, blijkt al dertien jaar. Okkerse heeft voor de OK-Score nagedacht over jaarrekeningen, vanuit een uitgekiend conceptueel model - inclusief strategische opties - met posities (jaarrekeningposten) en zetten (mutaties).  De ‘Big Data’ waren de vele ingevulde jaarrekeningen en diverse ratio’s, ontwikkeld op basis van nog veel meer jaarrekeningen. Zijn model ziet tendenties en afwijkingen in jaarrekeningposten daarom (gestructureerd) eerder en accurater dan een mens dat kan.

Bedenk ook eens hoe ontwrichtend een dergelijk instrument kan zijn in de financiële wereld. Short gaan op basis van de uitkomsten? (Okkerse krijgt regelmatig aanvragen). Trial & error rond jaarrekeningmanipulaties, zodat ook het model ze accepteert? Voortijdige ‘overreacties’ bij beleggers, terwijl er nog wel bijgestuurd had kunnen worden? Niet onlogisch dus dat de ontwikkelaar voorzichtig is met het openbaren van zijn methode. Blockchain techniek kan helpen bij een gecontroleerde inzet.

Ondersteuning

Op voorwaarde van een gedegen proces van ‘koppeling’ tussen een jaarrekening en de input in het OK-Scoremodel, is de methode naar mijn mening uiterst nuttig ter ondersteuning van de beoordeling van continuïteit door externe accountants. Na invoer krijgt de accountant een cijfer en, als dit aan de orde is, ook een post ‘onverklaarbaar’. Het cijfer zit in een reeks van tenminste vijf opeenvolgende jaren, zodat een beeld ontstaat over het verloop. Dit lijkt me een prima ondersteuning voor de accountantscontrole in dat jaar. Een nadere toelichting op de betekenis van de scores en hun verloop is overigens bijna afgerond.

Als het gaat om het gebruik van de score als adviestool ligt dit natuurlijk wat anders. Dan wil je weten ‘waar’ het model afwijkingen in de patronen heeft vastgesteld. Daarvoor is een diepere kennis van het model nodig. Bovendien is ervaring belangrijk, zodat geen verkeerde conclusies worden getrokken. Hiervoor zullen mensen opgeleid moeten worden en moeten er waarborgen voor vertrouwelijkheid ingebouwd worden.   

Natuurlijk kom je met een analyse van de samenstelling en het verloop van specifieke datastromen (omzet, liquiditeiten, voorraden, debiteuren, crediteuren, e.d.) ook een eind bij een voorspelling voor de komende maanden. En als je dan ook nog de parameters meeneemt van bedrijven waar het fout ging, kom je nog iets verder (vgl. methode Altman). Dit is echter heel wat anders dan een samenhangend wiskundig model op basis van een gedegen conceptueel model, dat ongelofelijk veel relaties tussen en standen van jaarrekeningposten volgt en beoordeeld.

Ten slotte: bedenk eens hoe goed het voor het aanzien van de accountancy zou zijn als er een permanente score losgelaten kan worden op een belangrijk deel van de cliëntenportefeuille. Een score die onraad vroegtijdig opmerkt, zodat we als accountants niet steeds weer achter de feiten aanlopen. Om nog maar te zwijgen over het weggegooide geld aan enorme claims.

Dus gewoon in de eindbespreking: “By the way, jullie score stond op x en kwam van y en er zijn door ons systeem geen ‘onverklaarbare’ posten gesignaleerd”. En dreigen er problemen volgens het model? Dan ga je samen met je cliënt kijken waar die problemen kunnen zitten. Is dat geen accountancy 4.0?

(*Mahatma Gandhi)

Wat vindt u van deze opinie?

Reageer Spelregels debat

Jan de Rooy RA (1954) is zelfstandig adviseur en commissaris bij diverse ondernemingen en instellingen.

Gerelateerd

4 reacties

Jan de Rooy

Dank voor jouw indringende reactie. Hierna even wat punten die misschien wat kunnen bijdragen aan jouw opmerkingen.
De OK-Score is inderdaad een lerend systeem en wel één die gebaseerd is op de ‘eigen’ ontwikkelingen van een onderneming.
Elk toegevoegd jaar maakt de bevindingen sterker, totdat er sprake is van een ‘nieuwe’ setting na een ingrijpende verandering.
Als je spreekt over de kaders van het spel, dan is dat voor de OK-Score het gebruikelijke systeem van dubbel boekhouden, dat langs twee kanten tot een uitkomst leidt (2-dimensionaal). Dit wordt aangevuld met de keuzes aan strategische opties die alsdan (nog) beschikbaar zijn. Over dit speelveld legt de OK-Score als het ware een derde dimensie.
De OK-Score past daarom op alle bedrijven waar op een bedrijfsmatige wijze wordt ondernomen. De uitzonderingen zijn financiële ondernemingen/banken (off balance) en bij real estate, waar vaak bijzondere posten (herwaarderingen, etc.) spelen. Daarnaast waren daar in het verleden onvoldoende proeftuinen voor een aanpassing op die categorie bedrijven beschikbaar.
Qua nauwkeurigheid moet je bedenken dat de OK-Score een eigen unieke formule hanteert (je ontving eerder al eens de externe assessment inzake de bijzondere nauwkeurigheid) daar waar het gaat om de zogenaamde business failure binnen één tot drie jaar. Veel onderzoekers gingen uit van een daadwerkelijk faillissement (default) in enig jaar. Door hun methodiek kunnen ze ook niet anders voorspellen.

De OK-Score waarschuwt voor een situatie waarbij het voortbestaan van een onderneming niet meer gewaarborgd is binnen 1 tot 3 jaar. Behalve om een faillissement kan het ook gaan om zware noodzakelijke ingrepen die leiden tot een sterk waardeverlies van de onderneming, de verplichte verkoop van wezenlijke assets, massa ontslagen en hoge afboekingen door andere stakeholders. In die zin een direct en uniek early warning systeem voor RvB en RvC !

Tenslotte, De OK-Score pretendeert niet dat het alle bijzondere (fraude) gevallen opspoort.
Wel blijkt het in de praktijk heel vaak wel een juist signaal te geven. Min of meer ‘bijvangst’ dus.

Glenn Mungra

Interessant artikel.
Ik reageer hieronder even op een fragment van Jan de Rooy, omdat het belangrijker kan zijn dan het op het eerste gezicht eruit ziet: '...doordat het blijkbaar beter in staat is om posities te overzien, moet je die dan kunnen narekenen om het programma in te zetten om te winnen? Volstaat dan niet een conceptueel begrip? '

Het lijkt alsof Jan zich (m.i.) hier afvraagt of de accountant het model niet gewoon als een black box moet beschouwen en de uitkomsten maar moet vertrouwen.

Maar om het bij de controle te kunnen toepassen moet je eerst weten wat de beperkingen ervan zijn.
Ik zie er in ieder geval de volgende beperkingen:
1- de toekomst is onzeker en moeilijk vooraf vast te stellen; die data hebben we gewoon niet en onze hypothese set is dus (slechts) getest o.b.v. historische data;
2- het model past in een specifieke context (beursgenoteerden groter dan een drempelwaarde);

De functies van het model gaan conceptueel niet verder dan haar eigen randvoorwaarden. Maar als er sprake is van signalering van onverklaarbare dingen dan heb je in ieder geval toch nog een indicatie. Toch zou een accountant vooraf ook wel specifiek willen weten of er sprake is van manipulatie.

Zo'n model zou zich daarom principieel als een leren model moeten gedragen (wat wat als de context voor de organisatie verandert? en kun je daarmee ook specifiek manipulatie signaleren?).

Hoe komt het dat de score zo betrouwbaar is (<1% foutenkans)?:
De hypothese h geldt alleen voor het verband tussen x en y in het onderhavige model: f(x) --> (y) (als aan specifieke voorwaarden is voldaan en op basis van onderhavige historische data kun je een hypothetische voorspelling doen.)

Voor een ander 'spel' zou het AlphaGo model dus eerst op basis van alternatieve wensen, data, wegingen en hypothesen moeten kunnen leren en evolueren.

Ik vermoed dat het model met grote zekerheid een continuïteitsprobleem of een krediet-score kan voorspellen (bij bepaalde typen bedrijven), maar met een minder grote zekerheid manipulatie kan signaleren. Daarnaast vermoed ik ook dat het model niet bedoeld is om andere typen jaarverslaggevings (zoals bijv. integrated reporting) informatie te valueren.

De reden voor mijn vermoeden is als volgt.

Ik heb een kijkje genomen bij de methode van Beneish, als ondersteuning van fraudesignalering bij de accountantscontrole (https://www.scribd.com/doc/33484680/The-Detection-of-Earnings-Manipulation-Messod-D-Beneish)
De conclusie is: 'The results suggest a systematic relation between the probability of manipulation and financial statement variables. The evidence is consistent with accounting data being useful in detecting manipulation and assessing the reliability of accounting earnings'; '...the model discriminates manipulators from non-manipulators in the holdout sample.'

Opmerkingen:
- De steekproef is klein en specifiek (het model werkt met een 'm-score' boven of onder een cut-off point van 1.78; voor 74 publiek genoteerde bedrijven; in de branches fabricage en service).
- Ik ben ook niet helemaal overtuigd van de gebruikte ratio's (in 2 van de 8 gevallen zijn stroomgrootheden gerelateerd aan toestandgrootheden), maar ach, als het werkt, dan werkt het.
- Het model heeft duidelijk een ander primair doel dan de OK-score methode, en zou daarom ook als aanvullend gereedschap voor de accountant gezien kunnen worden.
- De betrouwbaarheid van deze methode is overigens bij lange na niet zo groot als bij de OK-score voor het beoordelen van kredietwaardigheids of voor het voorspellen van discontinuïteit.

Rene van Wingerden

Na mijn PKI-cursus, en kijkend naar de claim dat het foutenpercentage kleiner is dan 1%: Als iets te mooi om te waar te zijn lijkt, is het dat waarschijnlijk ook.

Het schermen met toetsingen die niet controleerbaar objectief en onafhankelijk zijn helpt dan niet.

Pieter de Kok

Organiseer het Jan, "de koppeling", wordt een groot succes, datacript om data automatisch in te lezen, ok score draaien, een goede (toepas) instructie erbij en klaar. Zet code van OK online en het eeuwige argument van black box is ook van tafel. Maak het 4.0!

Er niet meer over praten, maar gaan doen. Bouw die koppeling en voor eur 99 per validatie heb je een Ok score. Geweldig toch!?

Wat inderdaad een score is die je prima naast een continuous casfflow monitor tool kan gebruiken. Appel, peer, allemaal prachtige instrumenten om ons vak nog beter te maken!

En Willem: ik ben heel groot fan van de OK score!

Reageren op een artikel kan tot drie maanden na plaatsing. Reageren op dit artikel is daarom niet meer mogelijk.

Aanmelden nieuwsbrief

Ontvang elke werkdag (maandag t/m vrijdag) de laatste nieuwsberichten, opinies en artikelen in uw mailbox.

Bent u NBA-lid? Dan kunt u zich ook aanmelden via uw ledenprofiel op MijnNBA.nl.