Datenanalyse-Tools und Einsatzszenarien

Einsatz von Datenanalyse-Tools im Rahmen der Business AnalysisAufgrund des stetig steigenden digitalen Datenvolumens in Unternehmen und Behörden sind die Einsatzszenarien bzw. -möglichkeiten für Datenanalyse-Tools, wie z.B. ACL oder IDEA, sehr vielfältig geworden. Beschäftigten sich beispielsweise in der Vergangenheit hauptsächlich große Wirtschaftsprüfungsgesellschaften, u.a. PwC, im Rahmen ihrer Abschlussprüfungen mit entsprechenden Analysetools, um z.B. die Transparenz von großen Datenmengen aus SAP Systemen zu verbessern und Schwachstellen im internen Kontrollsystem (IKS) aufzudecken, wird inzwischen die Datenanalyse und die Beschäftigung mit großen Datenmengen bis hin zu Big Data auch für die Industrie und Regierungsbehörden immer wichtiger. Den heutigen Datenanalysetools sind quantitativ kaum Grenzen gesetzt, so dass sich die Datenanalysten nicht auf Stichproben beschränken müssen. Die bei den Datenanalysen zum Einsatz kommen Methoden und Verfahren können in den Analysetools mit nur wenigen Klicks aktiviert werden und die Ergebnisse stehen nach kurzer Zeit bereit.

Neues Berufsbild des Datenanalysten bzw. des Data Scientisten

An Universitäten spricht man bereits von Datenwissenschaftlern bzw. Data Scientisten. Diese beschäftigen sich mit großen Datenmengen und sie soll für Transparenz im Datendschungel sorgen sowie mögliche Verbesserungen aufzeigen und IKS-Probleme aufdecken. Bedarf für den Einsatz von Datenanalysetools gibt es inzwischen überall dort, wo große Datenmengen anfallen. Egal ob in der Automobilindustrie, bei Banken und Versicherungen, in Krankenhäusern, in der Logistik oder bei einzelnen Behörden, überall fallen inzwischen große Datenmengen an. Herkömmliche Methoden reichen heute i.d.R nicht mehr aus, um die Inhalte von großen, komplexen und häufig schlecht strukturierten Datenmengen mit herkömmlichen Methoden, wie beispielsweise Microsoft Excel oder Access, zu analysieren.

Mit Hilfe von Datenanalyse-Tools sollen aus den in Unternehmen und Behörden vorhandenen Daten die Informationen herausgefiltert werden die dabei helfen, die geschäftlichen Ziele besser und effektiver zu erreichen. Mit Hilfe von Data-Science-Methoden können neue und ggf. unvorhergesehene Informationen aus den Datenbeständen herausgefiltert werden. Dies kann für unternehmerische Entscheidungsfindungen sehr hilfreich sein. Weitere exemplarische Szenarien für den Einsatz von Datenanalyse-Tools haben wir in dem Artikel „Vorteile von Datenanalysen“ erläutert.

Einsatz von Datenanalyse-Tools bei SITACS-Projekten

SITACS unterstützt Unternehmen und Behörden im Bereich von Datenanalysen mit Hilfe eigener Data-Mining-Tools. Darüber hinaus verfügen unsere Mitarbeiter über eine breite Branchenerfahrung sowie Kenntnisse in den Programmiersprachen R und Python. Wir unterstützen im Rahmen von Datenanalysen mit Hilfe unserer Tools hauptsächlich in den Bereichen, in denen es um die Beurteilung des internen Kontrollsystem, die Qualitätssicherung, das Erkennen von Abweichungen und Fehlern, geht. Darüber hinaus können wir mit Hilfe unserer Data Mining-Tools die zu analysierenden Informationen nach diversen statistischen Methoden auswerten und Risiken aufdecken.

Bitte sprechen Sie uns an, wenn Sie Interesse an Datenanalysen in Ihrem Unternehmen oder Behörde haben sollten.

Vorteile von Datenanalysen mit ACL oder IDEA

Identifikation der notwendigen Daten für die Datenanalysen mit ACLDie Vorteile von Datenanalysen, beispielsweise mit Hilfe von ACL oder IDEA, werden erst dann ersichtlich, wenn die ersten Ergebnisse der Datenanalysen vorliegen. Oft zeigt sich, dass der analysierte Datenbestand gar nicht so integer ist, wie ursprünglich angenommen.

Beispiele für umfangreiche Datenanalysen

Beispielsweise können mit Hilfe von Datenanalysen sehr schnell Abweichungen von bestimmten Schlüsselfeldern, wie z.B. Steuersätzen, Zinssätzen, etc. festgestellt werden. Ferner können Lücken oder Dubletten auch in sehr großen Datenbeständen, die eigentlich über eine lückenlose und durchgehende Nummerierung verfügen sollten, wie z.B. Buchungsnummern, Referenznummern, etc., sehr schnell erkannt werden. Zusätzlich helfen Datenanalysen dabei, die Berechnung von Fakturierungen, Zinsen, etc. nachzuvollziehen.

Ein weiterer Aspekt besteht darin, dass ACL oder IDEA im Rahmen der Qualitätssicherung von Softwaresystemen eingesetzt werden können. Dies kann durch die Plausibilisierung der mit Hilfe der Software verarbeiteten Testdaten vor der Abnahme in den Produktionsbetrieb erfolgen.

Aufgrund der sehr schnellen Verarbeitungsgeschwindigkeit dieser Data Mining Tools können auch sehr große Datenbestände verarbeitet werden, so dass stets 100 Prozent der Daten bei der Datenanalyse berücksichtigt werden können.

In den nachfolgenden exemplarischen Projekten wurde ACL erfolgreich für die Nachvollziehbarkeit der programmierten Verfahren eingesetzt:

  • Prüfung der Zuteilung von Bausparverträgen bei einer Bausparkasse
  • Prüfung der Jahresverbrauchsabrechnung bei einem Energieversorger
  • Prüfung der Abgrenzung im Rahmen des Jahresabschlusses
  • Analyse von großen Logfiles zwecks Erkennung von IT-Sicherheitslücken, wie z.B. unverschlüsselter Datenübertragungen
  • Prüfung der Bestellung und Abstimmung des Zahlungseingangs bei einem großen Webshop

Bei den genannten Projekten mussten bis zu 50 Mio. Datensätze bei den Auswertungen berücksichtigt werden. Mit Hilfe von Standardsoftware, wie z.B. Microsoft Excel oder Access, wäre dies nicht oder nur sehr schwierig und vor allen Dingen sehr zeitaufwendig möglich gewesen.

Vorteile von Datenanalysen

  • Grundsätzlich können 100 Prozent der vorhandenen Daten bei den Analysen berücksichtigt werden
  • Nachvollziehbare und revisionssichere Dokumentation sämtlicher Prüfungsschritte und daraus resultierender Auswertungsergebnisse
  • Flexibles Reporting von den relevanten Zahlen bis zu graphischen Darstellungen
  • Wesentliche Steigerung der Effizienz gegenüber Prüfungen ohne vergleichbare Hilfsmittel
  • Konzentration auf die wesentlichen Sachverhalte aufgrund von vorausgegangener Datenanalysen
  • Wiederverwendbarkeit der Methoden der Datenanalysen mit Hilfe von Skripten, so dass die Auswertungen regelmäßig wiederholt und beispielsweise in ein permanentes Auditing eingebaut werden können. Dadurch wird die Qualität der Daten gesteigert und Schwachstellen in den internen Prozessen und IT-Systemen behoben.

Wir unterstützen Unternehmen und Behörden bei der Analyse von großen Datenbeständen. Hierzu führen wir zunächst eine Bestandsaufnahme durch, identifizieren mögliche Risiken und stellen anschließend die wesentlichen Informationen für die Datenanalysen zusammen.

Datenanalyse von Massendaten mit Data Mining Tools

Die Datenanalyse mit Hilfe von Data-Mining Tools unterstützt die Prüfung des IKS.Die Datenanalyse von Massendaten mittels Data Mining Tools kommt immer dann zum Einsatz, wenn große Datenmengen analysiert werden sollen. Reichen die Möglichkeiten von Microsoft Access bzw. Excel nicht mehr aus, beispielsweise wenn die Datenbestände zu groß sind oder die Verarbeitung zu lange dauern würde, kommt häufig Spezialsoftware für die Datenanalyse, beispielsweise ACL oder Monarch zum Einsatz.

Mit Hilfe der Data Mining Software lässt sich die Produktivität in der internen Revision wesentlich steigern. Die im Rahmen einer internen Revision zu analysierenden Datenbestände werden vollständig transparent, auch dann, wenn es sich um Millionen von Datensätzen handelt. Darüber hinaus wird die Prüfung der Integrität der Datenbestände wesentlich erleichtert.

Eventuelle Fehler in den Datenbeständen werden mit Hilfe von Data Mining somit sehr schnell erkannt und mögliche potenzielle Betrugsfälle können aufgedeckt werden.

Data Mining eignet sich auch zur Überprüfung des internen Kontrollsystem, indem Kontrollschwächen aufgedeckt werden können. Im Rahmen der Qualitätssicherung kann eine Data Mining Software dazu verwendet werden, mögliche Dubletten oder Lücken in Datenbeständen  aufzudecken und die Konsistenz bzw. Integrität der zu analysierenden Daten zu überprüfen.

Darüber hinaus kann Data Mining im Bereich von Softwaretests eingesetzt werden, indem die Ergebnisse mit Hilfe der Data Mining Software hinsichtlich ihrer Validität und Integrität überprüft werden.

SITACS verfügt im Bereich der Datenanalyse von großen Datenbeständen mit Hilfe von ACL über eine langjährige Erfahrung. Beispielsweise haben wir mit Hilfe von ACL die Verbrauchsabrechnung eines großen Energieversorgungsunternehmens mit mehreren Millionen Datensätzen überprüft oder das Zuteilungsverfahren einer Bausparkasse mit Hilfe von ACL nachvollzogen. Ferner setzen wir ACL stets im Rahmen von IKS-Überprüfungen für alle möglichen Fragestellungen ein und kommen somit sehr schnell zu qualifizierten Prüfungsergebnissen.

Der Einsatz von Data Mining Software setzt grundsätzlich einen strukturierten Datenbestand voraus. Sofern dies nicht der Fall ist oder die Daten nur im PDF-Format vorliegen sollten, verfügt SITACS über entsprechende Tools, mit deren Hilfe die zu analysierenden Informationen für das Data Mining in der internen Revision aufbereitet werden können.

Durch den regelmäßigen Einsatz einer Data Mining Software in der internen Revision kann ein permanentes Audit unterstützt und den Gefahren durch mögliche Unterschlagungen oder Verfälschung von geschäftlichen Daten entgegen gewirkt werden.

Sprechen Sie uns an. Wir unterbreiten Ihnen gerne konstruktive Lösungsvorschläge, wie Sie Data Mining in Ihrem Unternehmen bzw. in der Revision einsetzen können.