Nejlépe lze výhody finančně orientovaných dashboardů ukázat na analýze účetního deníku, který je základem každého účetního systému. Do účetního deníku jsou každý den přenášeny účetní transakce, které ve firmě vznikají. Ať už ke konci fiskálního roku, nebo za danou periodu (den, měsíc, kvartál), můžeme data z deníku vyexportovat a podrobit analýze. Data tak lze zkoumat jak za celou účetní periodu, tak na kontinuální bázi. Možností, jak na data z účetního deníku nahlížet, existuje nepřeberné množství. Od zobrazení konkrétní transakce přímo v účetním systému přes souhrnné tabulky v Excelu až po komplexní vizualizaci v Business Inteligence (BI) nástrojích. Pokud nás zajímají vzájemné souvislosti a celkový stav účetnictví, kvalitně vytvořený dashboard v BI nástroji je jednoznačně tím nejlepším řešením.

Řešení pomocí BI

BI nástroje přináší nové možnosti, jak se na účetní data dívat. Oproti původním nástrojům je to zejména grafický a interaktivní element. Na základě grafické interpretace jsme okamžitě schopni vidět souvislosti mezi daty, máme možnost je porovnávat a nahlížet na ně z více úhlů pohledu. Můžeme například sledovat počet a sumu účtovaných transakcí po dnech a hodinách a zároveň vidět seznam uživatelů, kteří v daném časovém intervalu do systému transakci zaúčtovali. Díky široké škále grafů máme možnost zachytit trendy a anomálie v datech a dále s nimi pracovat. Pomocí histogramu lze zobrazit distribuci účtovaných částek – heatmapa přehledně zobrazuje časové hledisko, scatterplot slouží pro zobrazení závislosti dvou ukazatelů.

Výhody BI řešení

• Grafická interpretace,
• interaktivní filtrování,
• možnost okamžitého srovnání,
• víceúrovňový pohled na data,
• analýza hlavních příčin (root cause analysis).

Dashboardy účetního deníku

Na datech z účetního deníku lze provádět široké spektrum testů a přehledů, které mohou sloužit jak pro účely interního auditu, tak pro finanční a manažerský reporting.

Základní auditní testy

Mezi základní auditní testy patří test kompletnosti, kterým na hlavní knize odsouhlasujeme, že máme v účetním deníku všechny transakce za dané období. Dále se zkoumá kompletnost na dokladech a účtované kombinace. Jsou to často účtované kombinace účtů, které mohou napovědět, že se v účetnictví děje něco nestandardního.

Obr. 1: Dashboard zobrazující účtované kombinace účtů na dokladech

Přehledy a statistické testy

Výše zmíněné testy mohou být doplněné širokou škálou přehledů a vizualizací, které nám umožňují pohlížet na data jako na celek a nacházet souvislosti. Zpravidla nás zajímají informace o dokladech, uživatelích a účtovaných částkách. Můžeme například vydefinovat pouze konkrétní typy dokumentů a dále filtrovat podle uživatelů a účtovaných částek. Hojně využívané jsou také testy, které se soustředí na konkrétní účtované částky. Například na částky končící na několik devítek, které se ze statistického hlediska ukázaly jako nejčastěji využívané při podvodných transakcích. S tímto úzce souvisí další na datech účetního deníku často používaný test, který se opírá o Benfordův zákon. Ten tvrdí, že v souborech přirozených dat se mnohem častěji vyskytují čísla začínající číslicí 1 než číslicí 2 a tak dále až k nejméně zastoupené číslici 9. Protože lidé mají při vymýšlení číselných kombinací tendenci používat na začátku všechny číslice rovnoměrně, jeví se Benfordův zákon jako vhodný nástroj k odhalení různých podvodů.

Obr. 2: Test na Benfordův zákon

Benchmarking

Z veřejně dostupných finančních výkazů lze získat data a napočítat z nich KPI. Na základě těchto dat se poté můžeme srovnávat s konkurencí. Srovnání lze provádět s jinými firmami v našem oboru, geografické oblasti, případně si můžeme vytipovat pouze přímé konkurenty a okamžitě mít přehled o tom, v čem jsme napřed nebo kde naopak zaostáváme. Můžeme se zaměřit na oblast likvidity, rentability nebo pracovního kapitálu. Možnosti filtrovaní a vizualizací jsou opět široké, jediný limitující faktor je dostupnost a kvalita dat.

Clustering a AI

Jedná se o pokročilé metody klasifikace účetních zápisů dle předem zvolených kritérií. Jsou zde využívány různé algoritmy, v případě strojového učení i aspekt učení se na existujících datech a následném zužitkování těchto poznatků na nových datových setech. Často se jedná o identifikaci rizikových transakcí. Zde je potřeba zdůraznit, že algoritmus výsledky vyhodnotí primárně na základě odlišnosti, což ještě přímo neimplikuje účetní podvod. Pokročilé techniky strojového učení se začínají v oblasti finanční analýzy stále více uplatňovat. Věnovat se tomuto tématu podrobněji by ale vydalo na samostatný článek.

Největší výhoda současných BI nástrojů je, že vše výše zmíněné můžeme mít pod střechou jedné aplikace, kdykoli dostupné koncovým uživatelům. Koncový uživatel tak má okamžitý přístup k datům, která jsou prezentována přehlednou a srozumitelnou formou. Na základě oprávnění můžeme zároveň různým uživatelům zpřístupnit pouze žádoucí část. Z jednoho základu tak můžeme mít report pro interní audit, finanční controlling i generálního ředitele.

Obr. 3: Analýza časového aspektu; vlevo heatmapa zobrazující počet účtovaných dokladů po dnech a hodinách

Jak na to?

Na trhu existuje široká škála BI vizualizačních nástrojů, které poskytují platformu k vytváření grafických dashboardů (například Qlik Sense, Power BI nebo Tableau). Každý z těchto nástrojů obsahuje ETL vrstvu pro import dat a set předdefinovaných objektů, které lze použít pro vizualizace (např. histogram, tabulka, scatterplot). Dále je možné vybírat ze spousty extenzí, které rozšiřují stávající funkcionalitu a poskytují nám větší možnosti pro vizualizaci konkrétního zadání.

Samotné řešení je však nezávislé na použité technologii. V prvním kroku je potřeba vydefinovat testy a data, která chceme vizualizovat. Dále je potřeba vytvořit jednotný datový model, který slouží pro snadnější import dat do vizualizačního nástroje. Následně přichází na řadu tvorba samotných dashboardů. Zde je třeba si uvědomit, co má výsledný dashboard zobrazovat a pro koho je určený. Jiný bude dashboard zobrazující finanční KPI pro finančního ředitele a jiný dashboard zobrazující detailní rozpad transakcí pro interní audit nebo controlling.

V posledních letech je snaha výrobců o maximální samoobslužnost a přehlednost řešení tak, aby výsledné dashboardy byly přístupné opravdu každému. Co se týká tvorby základních grafů, dá se s nástrojem naučit pracovat během několika hodin. Se specifikací zadání ale složitost tvorby konkrétního dashboardu roste a pro tvorbu pokročilých vzorců je potřeba obecný matematicko-statistický základ a zkušeností s konkrétním BI nástrojem. Nastavení komplexního dashboardingu je běh na dlouhou vzdálenost. Dobře nastavený dasboarding nad účetními daty nám ale přinese neocenitelný přehled nad finančními toky uvnitř firmy.

Jan Šolc Autor článku je datový analytik ve společnosti PwC Česká republika.