Limperg Symposium 'Auditkwaliteit Geborgd'
Op 20 mei 2015 werd het achtste Limperg Symposium Statistical Auditing gehouden bij de Vrije Universiteit in Amsterdam.
Crist-Jan Doedens
De teneur van de presentaties was dat auditkwaliteit gebaat is bij objectiveerbare gegevensgerichte methoden van onderzoek: steekproeven en data-analyse.
Je kunt de maximale fout in een financiële verantwoording schatten door gebruik te maken van steekproeven. Data-analyse helpt de audit, doordat daarmee de administratie als het ware kan worden schoongemaakt en schoongehouden. Data-analyse helpt ook het bedrijfsproces, door de weerslag van transacties te bewaken en inzicht te geven voor (bij)sturing.
Administraties zijn tegenwoordig digitaal. Een audit impliceert het controleren of de werkelijkheid en de weerslag ervan - zeg de boekhouding - overeenkomen. Integraal controleren kost veel werk. Met een steekproef kun je dat efficiënt doen. Zo is bijvoorbeeld de controleaanpak van de Belastingdienst voor ondernemingen geënt op steekproeven.
In de toekomst zullen we waarschijnlijk meer gebruik kunnen maken van digitale vastlegging van de werkelijkheid, want de vastlegging wordt meeromvattend. Denk hierbij aan het volgen van elektronische labels op goederen, het beschikbaar zijn van veel soorten camerabeelden en van openbare data.
Dit betekent een grotere rol voor data-analyse. In sommige gevallen kan dan de audit tenderen naar een integrale controle binnen de digitale weerslag van de werkelijkheid. Bij controle van bijvoorbeeld de EU, is dit nog heel ver weg; daar zal nog heel lang de steekproef het meest geëigende middel voor de controle zijn.
Het is dus mogelijk de auditresultaten aanzienlijk meer te objectiveren dan nu het geval is. Uit de beoordeling van het werk van accountants zoals weergegeven in het AFM-rapport van 25 september 2014 blijkt dat er veel schort aan het opgeleverde werk.
Het zou helpen als de wet- en regelgeving zo zou worden aangepast - in omvang verminderd misschien - dat het oordeel dat volgt uit de audit zou moeten worden gebaseerd op geobjectiveerde uitkomsten. In de huidige situatie is er te veel ruimte voor subjectiviteit in de oordeelsvorming.
Het programma, de slides en samenvattingen van de presentaties zijn te bekijken op de website van het Limperg Instituut onder 'coming events'.
Gerelateerd

Machine learning in de audit: stratificeren van bedrijfslocaties
In dit derde en laatste deel van een reeks columns over machine learning in de audit gaat het over clusteren. De auteurs laten zien hoe je met een open-source statistiekprogramma...

Machine learning in de audit: uitschieters bij vastgoedwaardering
Regressie is een vorm van machine learning met als doel het voorspellen van cijfers op basis van een aantal kenmerken. Met open-sourcesoftware kun je zonder programmeerkennis...

Machine learning in de audit: voorspellen van klantverloop
Het doel van machine learning is om voorspellingen te maken aan de hand van data. Binnen dit veld worden doorgaans drie hoofdtoepassingen onderscheiden: classificatie,...

De steekproefomvang ontmaskerd - deel 5
In vorige columns hebben we verschillende manieren besproken om tot een steekproefomvang te kunnen komen. Deze column is de laatste van de serie waarin we verschillende...

De steekproefomvang ontmaskerd - deel 4
Een accountant die gebruikmaakt van software om een steekproefomvang te berekenen, moet zeker weten dat die software dat goed doet. Daarvoor moet je de rekenmethode...