Data Analytics Services

Data Analytics

Risico’s analyseer je op basis van informatie. Deze informatie komt tot stand aan de hand van “data”. Veel van deze data is voorhanden in uw operationele systemen, maar het is lastig om exact te bepalen welke data de juiste (management)informatie geeft. Hier vervult data analytics haar rol. Met de verdere digitalisering krijgt uw organisatie met behulp van data analytics meer inzicht in de voor haar belangrijke risico’s en mate van risicobeheersing. Dit inzicht ondersteunt een gedegen besluitvorming.

Data analytics en risicomanagement
Data analytics verhoogt de effectiviteit en efficiëntie van uw risicobeheersing mede doordat hierdoor beter inzicht wordt gegeven in feitelijke gebeurtenissen.

Zo kan data analytics onder meer een rol spelen bij het:

  • Identificeren van nieuwe – onvoorziene – risico’s
  • Uitvoeren van risico assessments door objectieve metingen
  • Bepalen van de control effectiviteit
  • Bepalen van gevolgschade
  • Voorkomen dat bedreigingen zich manifesteren
  • Momenten van (winst) optimalisatie bepalen

Data analytics kan in meerdere fasen van uw risicomanagement aanpak worden ingezet:

Risk Management Fase Functie Toegevoegde waarde
Risk Identification Identificeren van bestaande en potentiële bedreigingen en kansen Objectieve en feitelijk onderbouwde risico’s – efficiënt en effectief
Risk Appetite Bepalen van risico toleranties Het kunnen afleiden van de werkelijke vs. gewenste bandbreedte van het risico’s
Risk Rating Kwantificeren van de frequentie en gevolgen van risico’s Onderbouwd en feitelijk inzicht in de frequentie en gevolgschade van risico’s
Risk Classification -Geen toepassing-
Control Identification Identificeren van gebeurtenissen met een positief resultaat Onderbouwd en feitelijk inzicht in de positieve gevolgen van genomen maatregelen
Risk Treatment Ondersteunen van het herstelproces en daarvoor benodigde middelen Onderbouwd en feitelijk inzicht in het effect van het corrigeren van negatieve gebeurtenissen
Risk Monitoring Continue) monitoring van bestaande risico en risico indicatoren Tijdig kunnen inspelen op risico’s en kansen benutten. Potentiële gebeurtenissen inzichtelijk maken en evalueren
Risk Reporting Analyseren in de mate waarin een risico zich heeft voorgedaan Feitelijk onderbouwd inzicht geven in waar de organisatie kansen heeft gemist.

FSV Risk Advisory helpt u om bij elke fase de geschikte analytics in te richten. Onze experts kunnen helpen bij het identificeren van de benodigde informatie en data die het mogelijk maakt om risicomanagement zo goed mogelijk te ondersteunen. De technologie kan variëren van simpele data analyses met Excel tot aan gestructureerde data analytics met behulp van geavanceerde tooling.

Data analytics en internal audit
Wij onderschrijven het belang van data analyse technieken in audits, zoals process mining. Mede als middel om resources (nog) meer risicogericht en efficiënter in te kunnen zetten.

Data analytics wordt gezien als een eerste stap naar continious monitoring en continious auditing. Door (risico)data regelmatig te analyseren, kunnen problemen en afwijkingen snel worden opgespoord. Wij adviseren om dit in nauwe samenwerking met de tweedelijns risicofuncties te doen, vanwege hun verantwoordelijkheid bij het monitoren van risico’s en beheersmaatregelen.

Met behulp van data analytics wordt de effectiviteit en efficiëntie van uw internal audit proces verhoogd. Zo kan data analytics onder meer een rol spelen bij het:

  • Uitvoeren van efficiëntere audits, door risicogerichter de doelstelling en scope van een audit te bepalen.
  • Een risicogerichte selectie van deelwaarnemingen.
  • Identificeren van trends, nieuwe ontwikkelingen en onvoorziene risico’s
  • Uitvoeren van benchmarks en vergelijkende analyses
  • Betere inzichten verschaffen over de effectiviteit van de aanbevelingen
  • Betere onderbouwing van het risico (frequentie en gevolg)

Data analytics kan worden ingezet bij diverse internal audit activiteiten. Voorbeelden zijn:

Internal Audit activiteiten Functie Toegevoegde waarde
Audit planning proces Inzichtelijk maken van de deelgebieden die meer of minder afwijkingen vertonen (aan de hand van risicomodellen). Meer doelgerichte uitvoering van audits
Planning van een auditopdracht Identificeren van belangrijke gebeurtenissen in het risicogebied. Betere en scherpere “scoping” van de audit
Uitvoering van een auditopdracht Afwijkingen binnen een gegevensgroep zichtbaar te maken.
  • Snelle en efficiënte manier om (proces)data te analyseren
  • Doelgerichte deelwaarneming met meer (risicogerichte) focus
Rapporteren Analyseren van alle observaties met de impact en frequentie. Rapporteren met een betere onderbouwing van de bevinding en het feitelijke risico
Monitoren auditbevindingen Analyseren van de feitelijke en tijdige opvolging van de aanbevelingen. Direct meting van het effect van de doorvoering van een aanbeveling.

FSV Risk Advisory helpt u om bij elke activiteit de geschikte analytics in te richten. Onze experts kunnen helpen bij het identificeren van de benodigde informatie die het mogelijk maakt om het internal audit proces zo goed mogelijk te ondersteunen. De technologie kan variëren van simpele data analyses met Excel tot aan gestructureerde data analytics met behulp van geavanceerde tooling.

Process Mining

Een bijzondere vorm van data analyse is Process Mining. Process Mining bestaat al geruime tijd en krijgt de laatste jaren steeds meer aandacht – die het verdient – van een groeiend aantal bedrijven. Via Process Mining krijgen bedrijven meer controle, beheren ze risico’s op een efficiëntere manier en bouwen ze duurzamere en efficiëntere processen.

Wat is het? Process Mining is het ontsluiten van reeds beschikbare data, die wordt verwerkt tot op maat gemaakte en zinvolle managementinformatie.

Via Process Mining krijgen bedrijven meer controle, beheren ze risico’s op een efficiëntere manier en bouwen ze duurzamere en efficiëntere processen.

Process Mining is een algemene term die meerdere toepassingen kent, waarvan Process Discovery vaak het meest bekend is. Desalniettemin zijn er meerdere nuttige manieren waarop Process Mining kan worden gebruikt:

  • Process discovery
    Inzicht krijgen in de feitelijke (“as is”) processtroom – de volgorde van activiteiten, proceslussen en knelpunten – om zodoende procesverbeteringen door te kunnen voeren.
  • Automation rate analysis
    Het identificeren van handmatige activiteiten om mogelijkheden voor proces en control automatisering aan te geven.
  • Conformance check
    De naleving van processen en controls valideren om inzicht te krijgen in eventuele gebreken en afwijkingen.
  • Root cause analysis
    De oorzaken identificeren en kwantificeren wanneer de resultaten van proces- of controleprestaties buiten de aangegeven grenzen vallen
  • Performance analysis
    KPI’s definiëren en daadwerkelijke procesprestatieresultaten meten en rapporteren (zoals doorlooptijden en inactieve tijden) en benchmarks uit te voeren.
  • Segregation of Duties analysis
    Het gebruik van conflicterende systeemautorisaties identificeren en begrijpen.

Process Mining kan voor de gehele organisatie veel voordelen opleveren. Om de meeste waarde uit Process Mining te halen, is het nodig om verder te kijken dan het selecteren en installeren van een softwareoplossing. Het gaat om het verankeren van Process Mining in de strategische en operationele processen van de eerste, tweede en derde lijn om zodoende duurzame voordelen te ontketenen.

Wij onderscheiden 4 factoren voor een succesvolle implementatie van Process Mining toepassingen: System readiness, Data readiness, Organization readiness, People readiness.

FSV RA System Readiness-2

Process Mining

Scroll naar top