Dataanalyse er Business Intelligence 2.0

Faglig nyhedAt virksomheder analyserer data om salg, marked, produktion og markedsføring er ikke noget nyt, og på mange måder er dataanalyse formentlig et af de ældste tricks i konkurrencen mellem virksomheder. Det nye er, at mængden af data er eksploderet i takt med digitaliseringen. Anvendelsesmulighederne for dataanalyse vil fortsætte med at vokse i takt med, at modellerne bliver bedre, men allerede i dag kan man se mindst fire områder, hvor dataanalyse kan hjælpe revisorer og deres kunder.

Digitalisering

Det fænomen, at virksomheder analyserer data om salg, marked, produktion eller markedsføring er ikke noget nyt, og på mange måder er dataanalyse (data analytics) formentlig et af de ældste tricks i konkurrencen mellem virksomheder. Enten i form af avancerede mavefornemmelser eller business intelligence. Det nye er, at mængden af data er eksploderet i takt med digitaliseringen, hvilket har givet nye muligheder, men også øget kompleksiteten for virksomhedens interne analytikere betragteligt. Samtidig er data blevet en af den digitale tidsalders hårdeste valutaer, hvor de virksomheder, der bedst er i stand til at bruge data, kan målrette produkter og markedsføring, så de rammer kundernes behov og ønsker mere præcist.

Den teknologiske udvikling betyder, at computere og robotter i dag kan behandle større mængder data og kan transformere og modellere data med det formål at udlede nyttige oplysninger, foreslå konklusioner og understøtte beslutningstagningen i virksomhederne. Selvom der er betydeligt flere data, kan det ske hurtigere, og en kombination af data analytics og machine learning gør det muligt at teste forskellige sammenhænge mellem data øjeblikkeligt. Dette skulle tidligere afprøves i markedet og var svære at drage håndfaste konklusioner ud af.

Data analytics i revisorbranchen
Når digitalisering i revisorbranchen diskuteres, er det ofte med de langsigtede briller på. For eksempel ”Hvad kan blockchain komme til at betyde for regnskaberne?” eller ”Hvad kommer kunstig intelligens til at betyde for revisors daglige arbejde”? Det er vigtige spørgsmål, men lige nu og her er det måske mere relevant at forholde sig til data analytics, som ikke ligger ude i fremtiden, men allerede er en del af hverdagen på mange revisionskontorer.

Ved at samle flere og flere data sammen vil det over tid være muligt at bygge mere og mere sofistikerede analysemodeller. Dermed kan man gå fra at beskrive verden til at bruge data til at forudsige, hvad der sandsynligvis kommer til at ske, til i sidste ende at bruge data til at komme med forslag til, hvad virksomheden kan gøre for at imødekomme trusler, der er identificeret ved hjælp af data.

Anvendelsesmulighederne for data analytics vil fortsætte med at vokse i takt med, at modellerne bliver bedre, men allerede i dag kan man se mindst fire områder, hvor data analytics kan hjælpe revisorer og deres kunder.

  1. Risikostyring
    I takt med fortsat udførelse af mere avanceret data analytics ved den løbende revision er det blevet muligt at tage hånd om eventuelle risici på et tidligere tidspunkt og dermed udføre bedre risikostyring.

  2. Svindel
    Muligheden for at gennemgå meget store datamængder hurtigt, gør data analytics velegnet til at identificere uregelmæssigheder i virksomhedens transaktioner og kan dermed bruges til at opklare svindel.


  3. Øget konkurrenceevne
    I det omfang data analytics kan hjælpe revisor til at fremdiskontere, hvad der kommer til at ske på kundernes marked, kan de gøre det til en del af revisionsydelsen at komme med bud på markedsudviklingen, så kunden kan reagere hurtigere på det.


  4. Forbedret rapportering
    Jo mere sofistikerede analyseværktøjerne bliver, des lettere vil det være for revisorer at gå skridtet videre fra den rent finansielle rapportering til også at knytte de finansielle data sammen med ikke-finansielle data i virksomheden og levere et bedre overblik over hele virksomheden.

 

Hvis du vil læse mere, kan du blandt andet gøre det her: