Die wichtigsten Fachbegriffe zu Big Data für Wirtschaftsprüfer*innen

News

Die_wichtigsten_Fachbegriffe_Big_Data_Headerx420

Bildquelle: Sauvageauch0 (Pixabay)

24/04/2023 | Datenanalyse und Künstliche Intelligenz

Begriffe zu Datenverarbeitung und Datenanalysen mit Bezug zur Wirtschaftsprüfung - kurz erklärt

Ob Business Intelligence oder Process Mining – in der Welt der Datenverarbeitung und Datenanalyse nutzen Wirtschaftsprüferinnen und Wirtschaftsprüfer zahlreiche neue Verfahren. Definitionen von einigen relevanten Begriffen sowie Anwendungsbeispiele und Bezüge zur Wirtschaftsprüfung sind hier zusammengestellt.

Über diese und weitere Digitalisierungsthemen mit Bedeutung für Unternehmen und Wirtschaftsprüfung informiert Sie regelmäßig der SOLON X Newsletter.

Business Intelligence

Business Intelligence (BI) ist ein Sammelbegriff für Verfahren und Prozesse zur systematischen Analyse des eigenen Unternehmens, die auf der Sammlung, Auswertung und Darstellung von Daten aus internen Systemen und externen Quellen beruhen.

Anwendungsbeispiele: Unternehmensreporting, Optimierung interner Geschäftsprozesse, Corporate Performance Management.
WP-Bezug: IDW PS 850 n.F. (01.2022), IDW PS 860, IDW PS 880 n.F. (01.2022), IDW PS 861 (03.2023), Advisory-Tätigkeiten.

Ziel des Einsatzes von BI ist es, datenbasiertes Wissen über den gegenwärtigen Status des eigenen Unternehmens und des jeweiligen geschäftlichen Umfeldes zu generieren. Als analytisches Informationssystem setzt BI auf den operativen Unternehmenssystemen auf und wird in verschiedenen Unternehmensebenen eingesetzt. Der Einsatz erfolgt in der Regel nicht einmalig, sondern in einem mehrphasigen Zyklus. Zuerst werden die gesammelten Daten quantifiziert und qualifiziert. Anschließend werden daraus Erkenntnisse abgeleitet und auf der Grundlage der Unternehmensziele bewertet. In der letzten Phase erfolgt die Umsetzung der Erkenntnisse in konkrete Managemententscheidungen. Diese Umsetzungen wiederum stellen die Eingangsinformationen für den nächsten BI-Zyklus zur Verfügung.

Data Governance

Data Governance ist das Rahmenwerk, das im Unternehmen die Grundlage für den Umgang mit und die Bewirtschaftung von Daten für alle internen und externen Stakeholder bildet (Definition nach DEMAND (Data Economics and Management of Data Driven Business).

Anwendungsbeispiele: Machine Learning, KI Systeme, Algorithmus-basierte Geschäftsmodelle.
WP-Bezug: Prüfungs-, Assurance- und andere Beratungsleistungen i.Z. mit der Einrichtung von Data Governance Management Systemen, IDW PS 980, IDW PS 981, IDW PS 860, IDW PS 861 (03.2023).

Data Governance umfasst die Prozesse und Verantwortlichkeiten, die in einer Organisation implementiert werden, um Zugang, Sicherheit, Qualität, Dokumentation und andere Meta-Prozesse zu steuern, während Daten eingegeben, gespeichert, bearbeitet, abgerufen oder gelöscht werden. Unternehmen können damit regeln, wer welche Daten in welchen Situationen und mit welchen Methoden nutzen darf. Data Governance beinhaltet auch den Datenschutz sowie die Einhaltung externer Standards von Branchenverbänden, Behörden und anderen Stakeholdern.

Mehr: Ganzheitliches Datenmanagement im Mittelstand (solon-x.de)

Low Code

Der Begriff Low-Code (im deutschen „Wenig Code“ bzw. „Wenig Programmieren“) wurde erstmals vom Marktforschungsunternehmen Forrester Research genutzt und steht für die vereinfachte Erstellung einer Software, welche normalerweise mit hohem Aufwand programmiert werden müsste.

Anwendungsbeispiele reichen von einfacher kostenloser Software bis hin zu ausgeklügelten Engines für die Anwendungsentwicklung in Unternehmen.
WP-Bezug: Abrechnung von Mandantenaufträgen, Erstellung individueller Datenanalysen auf Prüfungsaufträgen, Unterstützung bei der Auftragsdokumentation oder bei Einzelfallprüfungshandlungen.

Low-Code-Anwendungsentwicklung beschreibt die Verwendung von Visualisierungstools und modellgetriebenen Prozessen zur Erstellung von Anwendungssoftware anstelle der traditionellen codebasierten Programmierung. Die Methode benötigt weniger “harte Codierung“, sie bietet einen demokratischen Zugriff auf die Entwicklung und beschleunigt die Bereitstellung der Anwendung.

Mehr: Low -Code -Plattformen: Nutzen und Risiken (solon-x.de)

Process Mining

Process Mining stellt als neues Verfahren zur Datenanalyse historische, im ERP-System stattgefundene Geschäftsprozesse visuell dar. Diese sog. Ist-Prozesse können auf Abweichungen zu vorher definierten Soll-Prozessen untersucht werden, sowie auf Prozessbrüche und auf weitere Auffälligkeiten.

Anwendungsbereiche in der Jahresabschlussprüfung: Dieses Verfahren eignet sich insbesondere bei der Prozessaufnahme im Rahmen der Vorprüfung. Indem es die Ist-Prozesse im ERP System visualisiert und analysiert, lassen sich tiefgreifende Erkenntnisse über den Prozess im Allgemeinen, seine Schwächen sowie über die bestehenden Kontrollen gewinnen.

Mehr: Digitale Prozessanalysen in der Jahresabschlussprüfung nutzen (solon-x.de)

Robotic Process Automation

Robotic Process Automation (RPA) ist ein Ansatz zur Prozessautomatisierung, bei dem repetitiv, manuelle zeitintensive oder fehleranfällige Tätigkeiten durch Software-Roboter erlernt und automatisiert durchgeführt werden (Erklärung nach Vahidi/Franke, Robotic Process Automation in der Wirtschaftsprüfung – Chancen der Prozessautomatisierung erkennen und nutzen, IDW Verlag 2022).

Anwendungsbeispiele: Auslesen von Datenbanken, Validierung strukturierter Daten, periodischer Versand von E-Mails, Durchführung von Kalkulationen.
WP-Bezug: Optimierung interner Geschäftsprozesse, Prüfung von RPA-Anwendungen bei Prüfungen gem. IDW PS 330, Beratung im Hinblick auf Prozessoptimierungen.

Die RPA-Technologie kann für Aufgaben und Prozessbereiche angewendet werden, die auf Basis digitaler Tätigkeiten durchgeführt werden. Diese werden von einer Software – dem Roboter – erlernt, indem alle einzelnen Arbeitsschritte durch einen Benutzer (manuell oder durch eine Bildschirmaufnahme) vorgegeben werden. Die Reihenfolge der einzelnen Arbeitsschritte wird häufig in einem Flussdiagram in der RPA-Software festgehalten. Die automatisierte Prozessbearbeitung mittels RPA erfolgt, indem der Roboter als virtueller Assistent die menschlichen Interaktionen und Aktivitäten über die Benutzeroberfläche imitiert.