Vanaf versie 2.15 is er ook een menu ‘automatiseren’ bijgekomen. Het doel is om makkelijk op basis ingelezen auditfile standaard sets te exporteren. Thans werkt dit voor financiële auditfiles, maar dit zal ook in de toekomst beschikbaar komen voor de andersoortige auditfiles.
Voorbeeld export datasets
Nadat je auditfile hebt ingelezen (en ook zeer aan te raden externe kolommenbalans met mapping hebt ingelezen) kun je makkelijk allemaal datasets klaar zetten voor bijvoorbeeld steekproeven etc.
Kies onder het menu Automatiseren voor ‘Auto export’. je krijgt het volgende scherm:
Aan de linkerkant kun je exports aan of uitzetten welke uitgevoerd moeten worden (deze instellingen worden voor volgende exports bewaard). Met ‘Exporteer transacties per mapping’ krijg je datasets per jaarrekeningpost.
Kies vervolgens een export map:
En druk daarna op ‘Exporteren‘.
Wacht even op de uitvoering en in je gekozen export map staan alle bestanden:
Vanaf versie 2.15 van de Auditfile Converter and Analyser (AFC) kun je nu ook eenvoudig een externe kolommenbalans importeren, inclusief bestaande mapping.
Dit is met name handig wanneer je werkt met tools zoals Caseware Working Papers, waarbij de mapping naar jaarrekeningposten vaak al aanwezig is.
In deze blog gaan we uitwerken hoe je dergelijke kolommenbalans kunt exporteren uit Caseware Working Papers en vervolgens kunt inlezen in de AFC.
Hoe werkt het?
Stap 1: Exporteer je kolommenbalans
Vanuit bijvoorbeeld Caseware exporteer je:
Rekeningnummer
Omschrijving
Mapping (bijv. jaarrekeningpost)
Saldo huidig jaar
Saldo vorig jaar
Ga naar saldibalans. Vervolgens rechtermuisklik (Alles selecteren) en vervolgens Kopiëren. Plak alles in een Excel bestand:
Eventueel kun je kolommen die niet van belang zijn verwijderen, zodat je zo iets krijgt:
Stap 2: Importeer in Auditfile Converter & Analyser
Ga naar:
👉 Analyse → Externe kolommenbalans → import/edit
Het scherm voor de import en bewerking van kolommenbalansen ziet er als volgt uit:
Hier kun je kiezen bij meerdere entiteiten / jaren welke entiteit / welk jaar wordt ingelezen. Ook kun je kiezen voor het mapping soort. Standaard is mapping soort van Caseware toegevoegd.
Hiermee kun je de kolommenbalans selecteren om in te lezen
Hiermee kun je na inlezen de voorloopnullen toevoegen voor de rekeningnummers
Geeft na inlezen aan of debet/credit in evenwicht zijn
Hiermee kun je zelf op hoofdlijnen mappen door rekeningen naar de juiste mapping te slepen.
We kiezen nu voor import KOBA. Je krijgt na selecteren van excel bestand met mapping en cijfers gelijk een pop-up:
Stap 3: Kolommen koppelen
We moeten gaan aangeven welke rijen niet moeten worden ingelezen en wat de kolommen betekenen.
Bijvoorbeeld de eerste rij bevat de kolomnamen welke we zelf hebben toegevoegd. Deze willen we niet inlezen. Deze kun je uitvinken:
Vervolgens moet het programma weten wat iedere relevante kolom betekend. Middels rechtermuisklik binnen de data wordt de kolom groen en krijg je een keuze menu waarmee je kunt aangeven wat de betreffende kolom betekend:
accID → rekeningnummer
accDesc → omschrijving
CUSTOMmap1 → mapping
AmtCurrent → huidig jaar
AmtPrevious → vorig jaar
Bij deze kolommenbalans zouden dan de kolommen als volg aangegeven moeten zijn:
Stap 4: Controle & aanvulling
Na import:
Controle op totalen (huidig jaar / vorig jaar)
Mogelijkheid om:
voorloopnullen toe te voegen
bedragen te schalen (bijv. x 1.000
In dit geval zien we dat de voorloopnullen zijn weggevallen terwijl die zo wel in de auditfile zelf staan. Om te zorgen dat deze rekeningen correct worden gematched gaan we de voorloopnullen toevoegen.
Voorloopnullen toevoegen doen we door de betreffende knop te kiezen. je krijgt dan een pop-up waarin je het aantal tekens waaruit een grootboekrekening is opgebouwd kunt ingeven. in dit geval 4.
Na op OK drukken hebben alle grootboekrekeningen weer voorloopnullen:
Analyses
Nadat de externe kolommenbalans is ingelezen kunnen diverse aanvullende analyses worden uitgevoerd:
O.a. Externe kolommenbalans vergelijken met de mutaties op basis auditfile (aansluiting kolommenbalans op auditfile), Cijfers voorgaand jaar kolommenbalans met beginbalans (aansluiting beginbalans) en daarnaast overzichten per jaarrekeningpost op basis van de mapping. In deze blog laten we twee van deze analyses zien.
Mapping
Allereerst laten we de mapping overzicht zien: Na het kiezen van mapping views krijg je eerst een pop-up met op welk niveau je de mappen view wilt hebben. Hoe hoger het niveau hoe meer detail. Voor meestal is niveau 2 al voldoende diepgaand.
Vervolgens krijg een overview per mapping van aantal transacties en het saldo. Met dubbelklikken op een Mapping code ga je naar de onderliggende mutaties:
Aansluiting beginbalans
Een andere analyse welke wordt uitgewerkt betreft de aansluiting beginbalans. Na kiezen ‘Kolommenbalans VJ met beginbalans’ krijg je eerst een pop-up om beginbalans periode te selecteren. Meestal periode 0 of 00. In die gevallen zal de periode al goed staan. Soms moet periode handmatig gekozen worden.
In overzicht kun je snel zien waar er waar er afwijkingen zitten tussen beginstanden en de eindbalans van het voorgaande jaar. Ook kun je afwijkende omschrijvingen zien.
Resume
De toevoeging van inlezen externe kolommenbalans inclusief mappings biedt nieuwe analyse mogelijkheden een ook meer eenvoud om dataset te maken van bepaalde jaarrekeningpost. Zie ook separate blog inzake automatische exports waar deze aansluitingen en ook exports per mapping van de transacties aanbod komen.
Met versie 2.15 van de Auditfile Converter and Analyser introduceren we feature om eenvoudiger een CPI-index analyse uit te voeren. Daarnaast laten we ook gelijk een nieuwe feature zien om relatie (custSupID) te koppelen aan een transactieregel als deze daar niet al aan gekoppeld is.
De Corruption Perceptions Index (CPI), gepubliceerd door Transparency International, geeft een indicatie van het corruptieniveau binnen landen. Hoe lager de score, hoe hoger het waargenomen corruptierisico.
In deze blog werken we uit hoe je van de omzet transacties een overzicht per transactie en per land kan maken van de bijbehorende CPI index. We gaan in deze blog uit van dat er geen mapping is gekoppeld aan de grootboekrekeningen (zie daarvoor apart blog, gebruik van mappings) en de grootboekrekeningen gerelateerd aan de omzet zelf geselecteerd moeten worden.
Omzettransacties vanuit de proefsaldibalans
Je kunt meerdere grootboekrekeningen tegelijk selecteren in de proefsaldi en direct de onderliggende transacties openen.
Hoe werkt het:
Open de proef- en saldibalans
Selecteer meerdere regels (bijv. alle omzetrekeningen)
Rechtermuisklik op accID
Kies: “Toon grootboekdetails”
Vervolgens worden alle grootboekmutaties van de geselecteerde rekeningen getoond:
Wat opvalt is dat de relatiecode niet gekoppeld is aan de regels welke we hier zien van onze omzetselectie. Dit komt doordat de meeste boekhoudpakketten / ERP omgevingen de relatie alleen koppelen aan de debiteuren respectievelijk crediteurenrekening in een boeking.
Toevoegen relatie aan alle boekingen
Om te zorgen dat we wel de relatie aan de transactie kunnen koppelen kun je middels rechtermuisklik (op willekeurige) kolom kiezen voor:
Voeg kolom toe:
custSupID
eventueel custSupName en/of custSupTp
➡️ De software haalt deze nu automatisch correct op vanuit de onderliggende data.
💡 Dit is essentieel: zonder correcte relatie-ID kan er geen land en dus geen CPI-score gekoppeld worden.
Eventueel kun je de ‘lege’ custSupId verwijderen met ‘Kolom’ verwijderen. nu zijn wel overal de relaties zichtbaar aan iedere verkooptransactie (o.b.v. factuur):
Vervolgens voegen we de Country toe:
CPI-index toevoegen
Nadat de country is toegevoegd komen er aanvullende functies bij:
Je kunt kiezen uit relevante CPI-Index afhankelijk van het jaar waar je mee bezig bent. Je kunt eventueel ook landnaam toevoegen.
Na toevoegen krijg je per transactie de CPI-score te zien:
Als alternatief kun je ook eerst een draaitabel maken op ‘Country’ en daarna CPI-index toevoegen.
Een draaitabel maak je in dit geval door middels rechtermuisklik op de kolom ‘Country’ voor draaitabel te kiezen:
Na toevoegen CPI-index kolom krijg je dan een samenvattend overzicht*:
*Vaticaanstad (VA) welke in deze voorbeeld auditfile zit heeft geen CPI-score.
Samenvattend
Met versie 2.15 zet je een verdere stap richting data-driven auditing:
✔ Verrijking transactieregels ✔ Integratie van CPI-index ✔ Direct analyseerbaar via draaitabellen
Vanaf versie 2.15 hebben we een krachtige nieuwe analysemogelijkheid toegevoegd aan de Auditfile Converter and Analyser: risicoclassificatie van transacties. Deze functionaliteit helpt om sneller inzicht te krijgen in opvallende boekingen en potentiële risico’s binnen een administratie.
Deze functionaliteit is te bereiken via menu analyse en vervolgens risicoclassificatie:
De kracht van deze functionaliteit zit in de flexibiliteit. Gebruikers kunnen zelf bepalen:
Welke controles (flags) worden uitgevoerd Denk aan:
Z-score (statistische afwijkingen op basis andere transacties op de grootboekrekening waar deze op geboekt is)
Ronde bedragen (dus bijvoorbeeld veelvouden van 1.000)
Weekend-boekingen (datum boeking is in het weekend)
Boekingen op feestdagen (datum boeking is op een feestdag)
Handmatige journaalposten (vanaf een memoriaal dagboek)
Afwijkende tekens (sign anomalies*)
Specifieke zoekwoorden in omschrijvingen
Welke score aan elke flag wordt toegekend
* sign anomalies: in oorspronkelijke auditfile stond het bedrag met een min-teken (-). Bijvoorbeeld een verkoopfactuur welke als -1.000 is ingegeven in plaats van als creditfactuur geboekt.
Hiermee stel je eenvoudig je eigen risicomodel samen, afgestemd op jouw controleaanpak of sector.
Bij het menu ‘Risicoclassificatie’ berekenen krijg je een pop-up waar je kunt instellen welke tests uitgevoerd moeten worden en welke scores daaraan gekoppeld moet worden. Bij de Z-score zijn er drie gradaties afhankelijk van mate statistische afwijking ten opzichte van de andere transacties binnen de populatie (transacties op bepaalde grootboekrekening). Omdat de Z-score alleen statistisch relevant is vanaf 10 boekingen op een rekening is er ook een flag voor weinig gebruikte rekeningen.
Na klikken op ‘Risico analyse uitvoeren’ worden de flags en scores per transactieregel berekend:
Uitvoer bekijken
Na het uitvoeren van de risicoclassificatie kun je direct inzicht krijgen in:
Samenvatting per risicoscore (hoeveel transacties vallen in welke categorie)
Analyse per flag (welke signalen komen het meest voor en met welk financieel impact)
Dit maakt het mogelijk om snel te focussen op de meest relevante risico’s.
Bijvoorbeeld samenvatting per flag:
Je kunt dubbelklikken op betreffende flag om de achterliggende details te krijgen.
Daarnaast kun je in de transactieweergave via de rechtermuisknop extra kolommen toevoegen:
Bij ‘RiskScore toevoegen’ krijg je naast een Riskscore ook een uitleg op basis van welke flags tot de score is gekomen. Met ‘RiskScore zoektermen toevoegen’ krijg je de zoektermen te zien welke hebben geleid tot een score op de flag zoektermen:
Zo zie je in één oogopslag waarom een transactie als risicovol wordt aangemerkt.
Conclusie
Deze functionaliteit helpt je om:
Grote datasets sneller te analyseren
Ongebruikelijke patronen te identificeren
Gerichter steekproeven te selecteren
Je controleaanpak beter te onderbouwen
In plaats van alleen zoeken naar uitzonderingen, werk je nu met een gestructureerde risicobenadering.
Vanaf versie 2.10 van de Auditfile Converter and Analyser is er thans ook de mogelijkheid om salaris auditfiles te importeren, analyseren en gegevens te exporteren.
De salaris auditfile XAS is net als de financiële auditfile ontwikkeld door de belastingdienst. De salaris auditfile kan worden ge-exporteert uit veel loonverwerkingspakketten.
Uit een salaris auditfile zijn o.a. de volgende gegevens te halen:
– Gegevens van de inhoudingsplichtige
o NAW
o Soorten looncomponenten
o Heffingen op niveau inhoudingsplichtige
– Gegevens werknemers
o NAW, aard loonbetrekking
o Legitimatie
o Auto details
o Dienstbetrekking gegevens (beroepsomschrijving, soort dienstbetrekking etc)
o Gegevens per loonperiode
§ Variabelen per loonperiode (verzekerd voor …, deeltijdfactor etc.)
§ Looncomponenten en bedragen per periode en medewerker
§ Premiegrondslagen per periode en medewerker
§ SV dagen
Met de XAS auditfile kun je met deze gegevens o.a. een verzamelloonstaat genereren, makkelijker bruto netto berekening uitvoeren, makkelijk zien of een medewerker een vast dienstbetrekking heeft of niet, of iemand bijvoorbeeld gemoedsbezwaarde is of een auto heeft (met of zonder bijtelling).
Het voordeel van een XAS auditfile ten opzichte van een standaard PDF of Excel output van de verzamelloonstaat is dat je makkelijker kunt doorklikken en dan per periode en medewerker kunt zien uit welke componenten dit opgebouwd is:
Omdat er in de XAS auditfile veel codes worden gebruikt met achterliggende betekenis zijn deze zoveel mogelijk in een database verwerkt en zichtbaar te maken door met de muis over een dergelijke code te bewegen:
Thans zijn de volgende analyses opgenomen:
In de toekomst zullen aanvullende analyses toegevoegd worden. Daarnaast is ook het streven om ook de auditfile voor kassasystemen in een van de volgende updates toe te voegen aan de auditfile converter.
Vanaf versie 2.4 van de Auditfile Converter and Analyser is nu ook een grafisch weergave toegevoegd om zo snel het verloop van grootboekrekeningen over de tijd te kunnen analyseren en zo patronen te ontdekken of niet verwachtte ontwikkelingen zoals bijvoorbeeld een negatieve kas:
Dit is een handig hulpmiddel bij de initiele cijferbeoordeling van posten en stromen.
In alle detail overzichten waar een grootboekrekeningnummer (accID) in een regel staat kan op die regel het grafisch verloop van een grootboekrekeningnummer opgevraagd worden:
