Opinie 06 september 2016

IAASB publicatie: perspectief voor accountants in een digitale omgeving

Met haar publicatie 'Exploring the growing use of technology in the audit, with a focus on data analytics' belicht de IAASB de mogelijkheden voor verhoging van kwaliteit en relevantie van de audit. Een signaal dat ook in de 53 maatregelen van de werkgroep Toekomst Accountantsberoep werd onderkend.

De IAASB legt de focus op data-analyse in relatie tot de controlestandaarden. Dat was hoognodig. Want hoe veelbelovend de toepassingsmogelijkheden van data-analyse ook zijn, hoe passen deze binnen de huidige controlestandaarden? Staan de standaarden het toe en welk effect heeft het op andere procedures? Deze vraagstellingen zijn on the spot in een wereld waarin accountantsorganisaties en hun toezichthouders zoekende zijn wat kan, mag en moet.

De IAASB geeft met haar publicatie richting aan deze vragen uit de praktijk. Back-to-basics over hoe een audit is bedoeld; een welkome spiegel voor accountancystudenten, accountants in het veld en hun toezichthouders.

De IAASB wil daarmee een discussie stimuleren over de impact van de snelle technologische veranderingen op de accountantscontrole. Want data-analyse tooling op zichzelf is niet eens zo interessant, maar wel wat het met de accountant doet.

Ik licht een paar vangrails toe uit de publicatie:

1. De huidige controlestandaarden verbieden geenszins de toepassing van data-analyse. Wel wordt onderkend dat de toepassing van data-analyse er in deze zelfde standaarden ook niet vanaf spat. Dat is goed te verklaren vanuit het historische perspectief, waarin de toepassingsmogelijkheden van data-analyse nog niet zover gingen als vandaag. Verder speelt ook het principle based karakter van de standaarden een rol. Verduidelijking van de standaarden staat op de agenda, maar verwacht dus geen kookboek!
2. Data-analyse kan de kwaliteit van accountantscontrole versterken, omdat het inzichten geeft aan de accountant door verbanden en inconsistenties bloot te leggen die bijdragen aan een professioneel-kritische houding en oordeelsvorming. Data-analyse is dus geen speeltje voor whizzkids maar een onmisbaar element in de digitale gereedschapskist van de moderne accountant.
3. Accountants worstelen met de vraag of en hoe data-analyse een bijdrage levert aan voldoende en geschikte controle-informatie (audit evidence). De publicatie legt uit dat alle informatie die de accountant verzamelt tijdens een controle bijdraagt aan audit evidence en samen met andere puzzelstukken de hele puzzel maakt. Accountants doen zichzelf tekort met de gedachte dat alleen controls testing en gegevensgerichte testen audit evidence opleveren. Denk hierbij aan het doorgronden van de processen en transactiestromen waardoor de accountant een scherpere foto kan maken van de risico's op materiële fouten. Daarnaast kan data-analyse verbanden en relaties aantonen die voorheen handmatig werden vastgesteld. De resultaten uit data-analyse kunnen de traditionele mix van controlewerkzaamheden dus zeker beïnvloeden.
4. De accountant moet zich aan de andere kant niet blind staren op data-analyse. In de publicatie wordt een aantal aspecten genoemd die relevant zijn voor accountants in de praktijk en hun toezichthouders. Denk bijvoorbeeld aan de zorg voor het verkrijgen van een goede dataset. Of aan het verzamelen van meerdere puzzelstukken uit verschillende bronnen. Dat kunnen overigens ook digitale bronnen zijn, zowel van binnen de onderneming als erbuiten.
5. Last but not least: accountants - zowel in de praktijk als in een toezichthoudersrol - moeten zich nieuwe vaardigheden aanleren. Het is net als zwemmen: iedereen heeft de schoolslag geleerd, maar nu is een andere zwemstijl noodzakelijk. Als je niet oplet krijg je onverwacht water binnen, zwem je in de verkeerde richting of haal je de overkant niet.

Hier gaat het om kunnen navigeren in een digitale omgeving. In eerste instantie gaat het om het kennisnemen van de mogelijkheden van de tools, maar uiteindelijk gaat het erom wat het doet met de accountant en de keuzes die hij/zij op basis van die analyse maakt. Een voorbeeld hiervan is het sorteren en filteren van alle transacties in een boekjaar met process mining. Als driekwart van de transacties het verwachte patroon vertoont van inkooporder-goederenontvangst- betaling, betekent dit dan dat de beheersingsmaatregelen effectief zijn geweest? En wat te doen met het kwart van de transacties dat afwijkt: moeten die allemaal individueel worden uitgezocht?

Follow up

Food for thought dus. De NBA zal uiteraard reageren op het discussiedocument van de IAASB. Dit najaar zal een bijeenkomst worden georganiseerd waar nader wordt ingegaan op de publicatie en waar u uw input op de NBA- reactie kunt geven.

Onder verantwoordelijkheid van het Adviescollege voor Beroepsreglementering is ook een projectgroep data-analyse gestart die een praktijkhandreiking voorbereidt met antwoorden op veelgestelde vragen uit de praktijk. We houden u de komende maanden op te hoogte.