Blogi

ENNUSTAVA ANALYTIIKKA MUUTTAA SISÄISEN TARKASTUKSEN KÄYTÄNTÖJÄ

Ennustavan analytiikan avulla on merkittävästi onnistuttu tehostamaan erilaisia liiketoiminnan prosesseja, josta yhtenä nopeasti kasvavana sovellusalueena on sisäinen tarkastus. Analytiikan avulla voidaan seurannan ja tarkastuksien osalta siirtyä pienistä otoksista kokonaisdataan ja automatisointiin perustuviin analyyseihin, jatkuvaan auditointiin. Näin voidaan vastata entistä paremmin paitsi johdon reaaliaikaisiin tieto-odotuksiin myös sekä säädösten valvonnan että väärinkäytösten ennakoinnin tarpeisiin.

Sisäisen tarkastuksen perinteiset metodit ovat pääsääntöisesti perustuneet tiedon manuaaliseen tarkasteluun, arviointiin ja pieniin otoksiin. Digitalisoituvien ja kansainvälistyvien prosessien seurannassa tämä ei riitä: otoksiin ja exceleihin perustuvissa tarkastusprosesseissa riskit kasvavat helposti kriittisiksi. Matka kohti tämän päivän tarpeisiin vastaavaa sisäistä tarkastusta alkaa taltioimalla eri lähteistä saatavat tiedot tietokantoihin, joista tiedon louhinta onnistuu helposti, virheettömästi ja nopeasti.

Big datan ja ennustava analytiikka

Big data, eli suomalaisittain iso data muodostuu moninaisista datamuodoista sekä tiedon aika- ja paikkasidonnaisuudesta. Sisäisen tarkastuksen kannalta oleellista isoa dataa voivat olla yrityksen palveluiden ja sisäisten prosessien lokeihin ja evästeisiin tallentuva aika- ja paikkatieto, mutta myös yritystä koskevat sosiaalisen median keskustelut ja kommentit. Suurin hyöty saadaan, kun big data kytketään osaksi perinteistä tietokokonaisuutta ja organisaation yhteistä tietopohjaa.

Sisäisen tarkastuksen number one työkalu on ennustava analytiikka. Se tarjoaa etenkin datamäärien kasvaessa merkittäviä mahdollisuuksia tarkastuksen tehostamiseen ja parantamiseen. Analytiikan avulla voidaan siirtyä pienistä otoksista kokonaisdataan ja automatisointiin perustuviin analyyseihin, jatkuvaan auditointiin. Ennustavan analytiikan metodien avulla voidaan automatisoidusti seurata erilaisten säädösten, tavoitteiden ja toimintatapojen toteutumista samoin kuin ennakoida riskejä ja väärinkäytöksiä.

Väärinkäytösten ennakointimallinnus

Väärinkäytösten ennakointimallinnusta eli fraud detectionia hyödynnetään niin sisäisten kuin ulkoistenkin väärinkäytösten ehkäisyyn. Analytiikan avulla ilmi tulleiden väärinkäytöstapausten pohjalta voidaan rakentaa seurantamallit skannaamaan vastaavan tyyppisiä tapauksia datavirrasta. Näin organisaatiolle vahingollista toimintaa yrittävät tahot saadaan kiinni jo ennen kuin vahinkoa ehtii tapahtua.

Analytiikka tehostaa vastausten saamista haluttuihin kysymyksiin tunnistamalla ja listaamalla ongelmat automaattisesti. Se voi myös listata ongelmiin ratkaisuehdotukset. Erilaisten ennustemallien avulla voidaan nähdä, mitä tulee tapahtumaan, jos toimintaa ei muuteta tai mitkä ovat parhaat tai huonoimmat mahdolliset skenaariot. Ennustemallien avulla voidaan myös listata ratkaisuvaihtoehtoja ja tehdä ennustuksia erilaisten päätöksien vaikutuksista mitä jos -tyyppisesti.

Automatisoidut tietoturva-auditoinnit

Käyttöoikeuksien tietoturva-auditoinnin haastattelu- ja käyttöoikeuslistausten aika on ohi. Nyt analyysimallien avulla voidaan järjestelmien käyttöhistoria nähdä ja virheet tunnistaa suoraan järjestelmistä ja niiden logidatasta.

Kun rutiininomaiset tietohaut ja linjausten seurannat automatisoidaan, sisäisen tarkastajan aikaa jää toiminnan kehittämiseen ja strategisempiin tehtäviin. Parhaimmillaan ennustavan analytiikan mahdollistama reaaliaikainen seuranta ja kyky nähdä tulevaisuuteen sitoo sisäisen tarkastuksen kiinteämmin osaksi liiketoimintaa ja yrityksen johtamisen arkea.

Antti Syväniemi on Houston Analytics Oy:n Toimitusjohtaja

Houston Analytics on tiedolla johtamisen ammattilaisten perustama analytiikkatalo.