LIO Process mining. Wat is het en hoe gebruik je het?

Maat: px

Weergave met pagina beginnen:

Download "LIO Process mining. Wat is het en hoe gebruik je het?"

Raphaël de Wit
5 jaren geleden
Aantal bezoeken:

1 LIO Process mining Wat is het en hoe gebruik je het? 24 mei 2019

2 Opzet Wat is process mining? Hoe gebruik(t)en we het Onder de motorkap Hoe kunnen we het gaan gebruiken-process mining en Data Science 2

3 Take home message Krachtige visualisatietool-> inzicht geven in processen Inzetten van Process mining geeft goede inzichten in data opbouw/ gebruik Bruikbaar binnen Financial en Operational Audits Triggeren om Process Mining/ Data Analyse te gebruiken in de Accountancy in plaats van 3

4 4

5 5

6 Wat is Process Mining? Process Mining betreft het aan de hand van logs uit informatiesystemen reconstrueren en visualiseren van de procesgang. Technieken om echte processen te ontdekken, onderzoeken en verbeteren op basis van de in het proces ondersteunende systeem opgeslagen data. 6

7 7 Van.

8 8 Naar

9 9

10 Efficiency doeleinden 10

11 Type Process Mining analyses Drie hoofdvormen: 1. Process discovery: kan uit events op basis van patronen een proces afgeleid worden? 2. Conformance checking: Verloopt het proces conform het vooraf gedefinieerde model? 3. Enhancement: een bestaand procesmodel verbeteren aan de hand van informatie over het actuele proces? Maar ook: Organisational mining Social networks 11

12 12

13 In opzet zijn de controls ingericht Maar werken deze ook in de praktijk? 12

14 Registratie stappen Wanneer Welke casus Wie Welke stap 14

15 15

16 16

17 Process mining vs Data mining Data mining analyseert statische data Process mining richt zich op de totstandkoming van data 17

18 Process mining in FA Onderzoeksdoelstellingen kunnen zijn: 1. Identificeren van transactiestromen voor scoping 2. Doorbreken van functiescheiding 3. Omzeilen van controlemaatregelen 4. Lange doorlooptijden 5. Doodlopende transacties 18

19 Functiescheiding Autorisatiematrix versus werkelijkheid Exacte cases waar doorbreking plaatsvindt tonen: wie wat waar wanneer Doorbreking binnen individuele maar ook binnen meerdere cases identificeerbaar Hard evidence op basis van systeemsporen welke rechtstreeks tot discussie/ confrontatie kan leiden 19

20 Omzeilen controlemaatregelen Volgordelijkheid van activiteiten binnen een proces inzichtelijk maken Welke activiteit wordt (ten onrechte) overgeslagen of op een ongewenst moment uitgevoerd? Met behulp van attribuutdata zoeken naar een mogelijke verklaring (bijv. Hoogte bedrag ten opzichte van vereiste goedkeuring) 20

21 Doodlopende transacties Dead ends traceerbaar: welke cases zijn niet volledig voltooid of hebben een uitzonderlijk verloop van activiteiten? Kan een indicator zijn voor een ineffectief proces Kwantificeren wat de gemiste omzet is bij bijvoorbeeld een verkoopproces Onderzoek doen naar effectiviteit van het proces, snappen we wat we zien? 21

22 Process mining in vraaggestuurde onderzoeken Onderzoeksdoelstellingen kunnen zijn: 1. Identificeren van bottlenecks in proces 2. First time right per processtap 3. Productiviteit per functionaris in het proces 4. Doorlooptijden en tijdigheid van bijvoorbeeld controles 5. Monitoren van geoutsourcete processen 6. Gedrag 22

23 Identificeren van bottlenecks Waar in het proces zie je een ophoping van transacties Indicatief voor langere doorlooptijden Welk type transacties veroorzaken ophoping Objectiveren van discussies tussen afdelingen (of contractspartijen bij outsourcing) 23

24 First time right Hoe vaak worden transacties opgepakt en weer terug gelegd Welke transacties zijn dit Aan welke kenmerken voldoen deze transacties Indicatie voor: Faalkosten (onterechte) dubbele uitvoer van activiteiten door dezelfde of verschillende functionarissen 24

25 Productiviteit / doorlooptijd Benchmark per functionaris Aantallen cases Doorlooptijden Van eindtijd activiteit A tot eindtijd activiteit B Verwerkingstijden Van begintijd activiteit B tot begintijd activiteit B Indicatief: nadere analyse altijd noodzakelijk 25

26 Aan de slag met Disco 26 voettekst

27 Aanpak 27

28 Randvoorwaarden vooraf 1. Is het proces geschikt voor process mining? > afhankelijk van zoekvraag/doelstelling 2. Beschikbaarheid data 3. Bereidheid tot investeren 28

29 Samenstellen eventlog: wat heb je nodig? 1. Kennis van data model 2. Kennis van processen 3. Kennis van extractietools 4. Toegang tot data 5. Weet wat je wil! 29

30 Randvoorwaarden bij toepassen Process mining 1. Het proces van verkrijgen, bewerken en opslaan van dataanalyses 2. Kwaliteit van data 30

31 Het proces van verkrijgen, bewerken en opslaan van data Richtlijnen voor het zorgvuldig verkrijgen, bewerken en opslaan van data-analyses Het auditresultaat dient relevant en deugdelijk (betrouwbaar en reproduceerbaar) te zijn 31

32 Kwaliteit data Zekerheid noodzakelijk vanuit de beheersingsomgeving over de (primaire) vastlegging en integriteit van data in de bronsystemen. Vooraf vaststellen dat de general IT controls van het bronsysteem op orde zijn 32

33 Welke IT controls zijn relevant? GITC Logische toegangsbeveiliging: - Zowel voor applicatie als database! Wijzigingsbeheer Continuïteitsbeheer Overig Application controls 33

Zekerheid over procesverloop Pocess mining: Grote zekerheid over

34 Aanpak Kwaliteit beheersmaatregelen beheersmaatregelen Kwaliteit IT: GITC Event log Kwaliteit Kwaliteit IT: GITC Event log Pocess mining: Zekerheid over procesverloop Pocess mining: Grote zekerheid over procesverloop Continuous monitoring Lage controledruk Jaar 1 Jaar

35 Aanpak jaar 1 Breng met BPA het proces met (key)controls in kaart Stel vast welke (key)controls met process mining worden afgedekt Voer onderzoek uit op de GITC om te kunnen steunen op de process mining analyse Doe onderzoek naar de beheersmaatregelen die de juistheid van inhoudelijke beslissingen afdekken Analyseer het proces met process mining Stel de werking vast van de (key)controls die niet door de process mining worden afgedekt Bekijk grote dossiers en afwijkingen 35

36 Aanpak jaar 1: optioneel Vanuit beheersmatig aspect wenselijk om GITC en application controls uitgebreider te onderzoeken Vooraf mogelijk om early warnings te geven 36

37 Aanpak jaar 2 en 3 Relevante wijzigingen? Steun op de controls die met de process mining analyse worden afgedekt Stel de werking vast van de keycontrols die niet door de process mining worden afgedekt Voer een minimum onderzoek uit op de GITC Bekijk grote dossiers en afwijkingen 37

38 Process mining Kwaliteit beheersmaatregelen GITC 38

39 Onder de motorkap 39 Lessons learned process mining ADR

40 40

41 41

42 42

43 Overkoepelende analyses: - Mogen/ kunnen/ doen - Inzicht in stromen - Functiescheidingsconflicten - Overgeslagen processtappen - Goedkeuring boven mandaat - Dubbele facturen 43

44 Bestelaanvragen - Overdragen mandaat - Ontbreken hogere gemandateerde - Werklijst toegang 44

45 Factuurinvoer - Via koninklijke weg- IPM Handmatige invoer Via een gateway - 43 Biedt ook inzichten in Mavericks- nu 1466 keer over 1e 6 maanden

46 Prestatieverklaring Er wordt op vier manieren invulling gegeven aan de prestatieverklaring: 1. Via de reguliere weg met juiste autorisaties zoals bedoeld. 2. Er is initieel geen prestatieverklaring, blokkade komt erop maar overruled 3. Maverick- optionele prestatieverklaarder, kan iedereen zijn. 4. Maverick- optionele prestatieverklaarder, niemand ingevuld --> 3 way match- moet ingeregeld zijn, maar Maverick= vrije keus 46

47 Blokkade afhandeling - Programmeer fout- light verificatie hard coded. Was al opgeheven - Veel blokkades standaard ingericht en handmatig opgeheven vs Gedrag: - Omdraaien van P en Q - Overrulen van blokkades ipv wegnemen oorzaak 47

48 Dubbele factuur - Analyse op kenmerken - Proces analyseren 48

49 49

50 50

Lessons learned Samenstellen eventlog vaak complex Kennis van zowel inrichting data model, processen en extractietools is niet breed aanwezig: verkrijgen betrouwbare event log.

51 Lessons learned Samenstellen eventlog vaak complex Kennis van zowel inrichting data model, processen en extractietools is niet breed aanwezig: verkrijgen betrouwbare event log. Omgaan met afwijkingen niet eenvoudig Nu tool van 3e-lijns, moet naar 2e en 1e lijn. Rol van de auditor verandert Process Mining is geen wondermiddel, gebruik het verstandig 51

52 Data Science- Machine learning

53 Voorspelling process flow -facturen 53

54 54

55 55

56 Voordelen predictions Inzicht beheersing proces Inschatten waar en welke afwijkingen van happy flow -> Risico gericht onderzoeken Beperkt focussen op happy flow Inschatten waar bottlenecks komen- > preventief bijschakelen Type facturen classificeren die afwijken Zelfde leveranciers? Zelfde goederen/ diensten? Zelfde afdelingen? 56

57 Uitdaging Wat kunnen we laten of is het allemaal leuk voor erbij? 57

Vergelijkbare documenten

Data-analyse in de praktijk D E T O E PA S S I N G B I J V I S S E R & V I S S E R A C C O U N TA N T S - B E L A S T I N G A D V I S E U R S

Data-analyse in de praktijk D E T O E PA S S I N G B I J V I S S E R & V I S S E R A C C O U N TA N T S - B E L A S T I N G A D V I S E U R S Agenda Plaats in de praktijk Toepassing in audit De werkvloer