Visuelle Analysen werden von Unternehmen im analytischen Arbeitsalltag immer h\u00e4ufiger eingesetzt. Der Hauptgrund liegt darin, dass sich die technischen M\u00f6glichkeiten an die Hardware, die Lizenzmodelle und Anwendungsfreundlichkeit f\u00fcr die Nutzer:innen in den letzten Jahren stark verbessert haben. Im pr\u00fcferischen Kontext findet diese Analyseart bislang jedoch geringen Einsatz.<\/p>\n
Mit Datenanalysen wird ein strukturierter Prozess beschrieben, um Informationen aus Rohdaten zu gewinnen. Im pr\u00fcferischen Umfeld werden diese Analysen beispielsweise in ACL, IDEA, SQL oder Python programmiert und ausgef\u00fchrt. Analyseergebnisse werden separat betrachtet und k\u00f6nnen durch weitere Datenanalysen iterativ erg\u00e4nzt werden.<\/p>\n
Visuelle Analysen sind eine besondere Form der Datenanalyse unter der Verwendung von speziellen Programmen wie Tableau, PowerBi oder Qlik. Mithilfe von visuellen Darstellungen, Grafiken, Diagrammen, Verl\u00e4ufen und Karten sollen Zusammenh\u00e4nge in den Daten identifiziert oder gepr\u00fcft werden. Das Ziel ist einen \u00dcberblick \u00fcber die vorliegenden Daten zu erhalten, um diese Erkenntnisse mit den bereits vorhandenen Informationen abzugleichen. Dabei werden leichte Abweichungen und Unregelm\u00e4\u00dfigkeiten zu bestehenden Prozessen oder (nicht) existenten Abh\u00e4ngigkeiten identifiziert. Um diese individuellen Feststellungen weiter zu analysieren, bedarf es einer flexiblen Anwendbarkeit der Visualisierungssoftware und der entsprechenden Kenntnisse der Analyst:innen. Die Kompetenz f\u00fcr die Erstellung und Interpretation der Visual Analytics muss im Pr\u00fcfungsteam vorhanden sein.<\/p>\n
Eine andere Form der Anwendung von grafischen Visualisierungen kommt bei Reportings und sogenannten BI-Dashboards zum Einsatz. Der wesentliche Unterschied liegt in der Trennung zwischen Programmierung und Konsumierung. Aus diesem Grund sind die Darstellungsformen fixiert und f\u00fcr die Anwender:innen nicht ver\u00e4nderbar. Bei Feststellungen h\u00e4ngt die weitere Analysem\u00f6glichkeit davon ab, ob es bereits weitere Dashboards f\u00fcr die Tiefenanalyse gibt.<\/p>\n
Wenn eine regelbasierte Datenanalyse eine gro\u00dfe Treffermenge ergibt, k\u00f6nnen visuelle Analysen zur Ursachenforschung eingesetzt werden und Zusammenh\u00e4nge und Abh\u00e4ngigkeiten identifizieren. Die dabei erlangten Erkenntnisse k\u00f6nnen zur Verfeinerung der Regeln f\u00fcr die erneute Ausf\u00fchrung verwendet werden.<\/p>\n
Im Rahmen der Datenvalidierung k\u00f6nnen visuelle Analysen pr\u00fcfen, ob vollst\u00e4ndige, unver\u00e4nderte und nicht zusammengefasste Daten vorliegen, die weiter analysiert werden. Da sich IT-Architekturen von (Teil-)Unternehmen zu Bereichen und Gesch\u00e4ftsmodellen unterscheiden, m\u00fcssen solche Abgleiche individuell erstellt und angepasst werden. Fehlerhafte Daten lassen sich ebenfalls schnell feststellen.<\/p>\n
Mithilfe ausgew\u00e4hlter Darstellungsformen k\u00f6nnen Analyst:innen Zusammenh\u00e4nge der Organisationseinheiten im Unternehmen identifizieren. Zur Pr\u00fcfungsplanung und Vollst\u00e4ndigkeitspr\u00fcfung sehen sie z.B. die verwendeten Einkaufs- und Vertriebsorganisationen, Lager, Gesellschaften sowie Buchungskreise und Bankkonten. Pr\u00fcfungsverantwortliche k\u00f6nnen so erkennen, ob alle technisch verwendeten Organisationseinheiten nach einem Pr\u00fcfungszyklus auch Teil der Einzelpr\u00fcfungen waren.<\/p>\n
Bei visuellen Analysen kommen verschiedene Elemente zum Einsatz:<\/p>\n
F\u00fcr Pr\u00fcfer:innen kommen zus\u00e4tzlich Dokumentationsvorgaben hinzu. Die M\u00f6glichkeiten hierzu haben sich verbessert, sind teilweise jedoch anders benannt. Je nach Programm k\u00f6nnen sie Bookmarks oder Stories anlegen, kommentieren, Unterseiten, Filter und Selektion speichern, beliebig zur\u00fcckkehren und die vollst\u00e4ndige Interaktionsf\u00e4higkeit nutzen. Weitere M\u00f6glichkeiten sind Bild-Exporte im JPG-Format oder PDF-Druck Funktionalit\u00e4ten ohne Interaktionsf\u00e4higkeiten.<\/p>\n
Die besten Pr\u00fcfungsergebnisse und Arbeitseffizienz ergeben sich, wenn Data Analytics, Visual Analytics und Reporting miteinander verkn\u00fcpft werden. SQL und Python sind leistungsf\u00e4hig f\u00fcr Datenmodellierung und komplexere Analysen. Mit Programmen f\u00fcr Reporting Dashboards k\u00f6nnen Mitarbeitende auf die bereits erstellen Datenmodelle zugreifen und so wiederkehrende Fragestellungen betrachten. F\u00fcr individuelle Detailkl\u00e4rungen kommen flexible Visual Analytics Programme zum Einsatz.<\/p>\n
Der Kurs Certified Audit Data Scientist<\/a> behandelt Beispiele neuester technologischer Fortschritte und deren Einsatz, wie risikoorientierte und regelbasierte Datenanalyseverfahren, Deep Learning<\/a>, Business Process Mining<\/a> und Visual Analytics<\/a>. Robotics Process Automation<\/a> f\u00fcr Pr\u00fcfer:innen zeigt M\u00f6glichkeiten auf, um Folgeschritte der technischen Analyse zu automatisieren und zu unterst\u00fctzen.<\/p>","protected":false},"excerpt":{"rendered":" Visuelle Analysen werden von Unternehmen im analytischen Arbeitsalltag immer h\u00e4ufiger eingesetzt. Der Hauptgrund liegt darin, dass sich die technischen M\u00f6glichkeiten an die Hardware, die Lizenzmodelle und Anwendungsfreundlichkeit f\u00fcr die Nutzer:innen in den letzten Jahren stark verbessert haben. Im pr\u00fcferischen Kontext findet diese Analyseart bislang jedoch geringen Einsatz. Data Analytics, Visual Analytics und Reporting in a […]<\/p>\n","protected":false},"author":1041,"featured_media":28470,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[51],"tags":[2097,193,309,2057,1015,2094,2095,1045,138,173,157,158,920,195],"class_list":["post-28449","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-executive-education","tag-analyseverfahren","tag-audit","tag-compliance","tag-compliance-management","tag-data-science","tag-datenanalyse","tag-datenvalidierung","tag-deep-learning","tag-digitalisierung","tag-fraud","tag-internal-audit","tag-interne-revision","tag-revision","tag-risk-management"],"acf":[],"_links":{"self":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28449","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/users\/1041"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/comments?post=28449"}],"version-history":[{"count":25,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28449\/revisions"}],"predecessor-version":[{"id":29108,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/posts\/28449\/revisions\/29108"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media\/28470"}],"wp:attachment":[{"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/media?parent=28449"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/categories?post=28449"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.frankfurt-school.de\/de\/wp-json\/wp\/v2\/tags?post=28449"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}