Omsætning

Omsætning vurderes relevant da der kan være spekulationsgrunde til manipulation af omsætningen i  forbindelse med udbetaling af bonusordninger. Dette kan få ledelsen til at manipulere med 

omsætningen i forhold til indregningstidspunktet samt indregningens beløbsmæssige størrelse for at  opnå en given bonus. Omsætningen er ligeledes jf. ISA 240 om besvigelser per definition en væsentlig  post og kilder til fejlinformation på omsætningen kan påvirke alle revisionsmål vedrørende 

resultatopgørelsen.  

Den traditionelle tilgang til revision af omsætning er baseret på substansanalytiske handlinger og  detailtest, hvor revisor forsøger at afdække sig mod revisionsmålene forekomst, fuldstændighed,  nøjagtighed, periodisering og klassificering. Derfor er omsætning en væsentlig post for revisors revision,  for at opnå egnet og tilstrækkelig revisionsbevis heraf. Når revisor skal sikre forekomsten, skal han  foretage handlinger som tester at samtlige registrerede indtægter er modtaget fra kunderne. 

Virksomheden indfører typisk kontroller vedrørende forekomst i form af funktionsadskillelse og 

bankafstemninger. Revisor kan således observere funktionsadskillelsen, reviewe disse bankafstemninger,  for at sikre sig at pengene der er registreret også eksistere i banken.¹⁰⁶ Revisor skal sikre 

fuldstændigheden af revisionsmålet fuldstændighed. Her kan indtægten eksempelvis være modtaget,  men ikke registreret. Her udføres samme kontroller, som ved forekomst kan her sikre fuldstændigheden. 

Fejlinformation kan nemlig både være under‐ og overdrivelse af registreringer. Omsætningens 

nøjagtighed, henviser til indtægtens beløb, som revisor også skal sikre. Periodeafgrænsning af indtægter,  er ligeledes et område revisor skal sikre, da der er mulighed for at indtægten er registreret i den forkerte  periode. Derfor skal revisor sikre sig at indtægten er bogført i den periode den vedrøre. Til sidst er der  revisionsmålet klassifikation, hvilket vedrøre fejl klassificering af indtægter ved forkert bogføring i  resultatopgørelsen. Eksempelvis ikke driftsmæssig salg, som burde klassificeres som anden indtægt. 

Virksomheden kan have et skema over diverse poster i resultatopgørelsen, og hvad der definere den  enkelte post. Revisor kan gennemgå de enkelte poster for usædvanlige varer¹⁰⁷.   

Udvikling i tendenser ved hjælp af dataanalyse og AI 

Dataanalyse kan anvendes til at estimere udviklingen på eksempelvis efterspørgsel på markedet,  stigende råvarepriser eller udvikling i kundernes købekraft. Disse handlinger kan blandt andet udføres  ved brug af dataanalyseværktøjer, som sammenligner virksomhedens udvikling i forhold til lignende  virksomheder på markedet og kan indikere en ”early warning” på blandt andet going concern forhold. 

106 Revision i praksis – Sudan, Samuelsen, Parker og Davidsen 

107 Revision i praksis – Sudan, Samuelsen, Parker og Davidsen 

Dataanalyse udføre analyser omkring virksomhedernes performance eller udvikling af virksomhedens  vigtigste råvarer, som kan påvirke salget eller produktionen. Implementering af dataanalyse kan medføre  at revisor vil være bedre i stand til at sammenligne virksomhedens opstillede budgetter og med udvikling  i resten af branchen. Dermed kan revisor forholde sig kritisk til virksomhedens budgetter, og understøtte  forespørgslerne til ledelsen. Analysen kan således medvirke til, at undersøge efterspørgslen på 

virksomhedens produkter og beregne hvilke produkter forventes at have en lav omsætningshastigheder,  for at kunne estimere virksomhedens forventede salg. Som nævnt i forrige afsnit, vil en kombination af  dataanalyseværktøjer og AI løsninger, være nyttig for revisor for at opnå højere grad af sikkerhed på  omsætningen og samtidig afdække alle revisionsmål. 

Anvendelse af dataanalyse til trevejs match  

Udover at anvende dataanalyse til at opdage tendenser, kan dataanalyse anvendes til at udføre trevejs  match for at sikre fuldstændighed, forekomst og nøjagtighed af transaktioner. Dataanalyse kan udføre  afstemningen mellem salgsfaktura, købsordre og leveringsdokumenter. Det vil sige at den angivne  salgspris på salgsfakturaen stemmer til købsordre og varens prisliste i systemet¹⁰⁸.  

Tabel 2 ‐ Egen tilvirkning på en trevejs match analyse 

Som ses i ovenstående tabel, er der foretaget en analyse på afstemning mellem prisen på salgsorden,  købsordren og prislisten i ERP systemet for hver ordre nummer. Analysen kan hjælpe revisor med at  identificere afvigelser som AI applikationen kan rapportere, ved større afvigelser. Tabellen viser, at der 

108 Accounting Tools – Three Way matching – November 2017 – Steven Bragg 

20 15 22 10 25 38 10 25

20 15 25 10 25 40 10 25

20 15 25 10 25 40 11 25

1 1 1 2 2 1 1 1 2 3 1 1 1 2 4 1 1 1 2 5 1 1 1 2 6 1 1 1 2 7 1 1 1 2 8 1 1 1 2 9

TREVEJS ‐ MATCH   ANALYSE   PÅ   AFSTEMNING   MELLEM  PRISERNE

Salgsfaktura (pris) Købs (pris) System (pris)

foreligger afvigelser for ordrenummeret 11124 og 11128, som begge vurderes uvæsentlig og derfor ikke  indgå i AI rapporten omkring afvigelser.  

Revision af omsætning med dataanalyse og AI værktøjer  

Ud over udviklingen i tendenser på markedet og virksomhedsperformance, kan dataanalyse anvendes  som et værktøj i at analysere den regnskabsmæssige behandling af posten og samtidig afdække sig mod  samme relaterede revisionsmål. 

Dataanalyse kan også udføres på transaktionsniveau. Som beskrevet i afsnittet om simpel dataanalyse,  kan fremgangsmåden anvendes på samtlige posteringer i omsætningen. Som illustreret i figur 12, kan  analysen identificere outliers, svarende til uventede transaktioner eller manuelle posteringer.  Igennem  machine learning, kan AI maskinen udføre clustering eller klassifikations teknikker, udpege hvilken konto  hver transaktion kommer fra og om beløbet stemmer overens. Denne handling, vil sikre relevante  revisionsmål, men kan nødvendigvis ikke stå alene. For at opnå tilstrækkelig og egnet revisionsbevis, skal  dataanalyse kombineres med handlinger til underliggende dokumentation for hver indtægt. AI skal  fremgå som et støtteværktøj i revisionsprocessen parallelt med dataanalyse. Ved benyttelse af blandt  andet kunstigt neuralt netværk, kan tekst genkendelses teknikker benyttes og understøtte dataanalyse  igennem genkendelse informationer fra faktura og afstemme til bogføring. Her kan softwaren indlæse  samtlige faktura udstedt af virksomheden som afstemmer beløb, periode og kundens oplysninger til  bogføringen. Dette sikre revisionsmålene nøjagtighed, periodisering, fuldstændighed, forekomst og  klassificering.   

Både virksomheder og andre studier, eksperimentere i øjeblikket med anvendelse neuralt netværk, i  forbindelse med tekst genkendelsesbeskrivelser og indhenter information fra fakturaer både i papirform  og elektronisk. Dataet indsamlet fra fakturaen, benyttes til at efterprøve bogføring og teste 

virksomhedens navn på nettet¹⁰⁹. På følgende måde, kan revisor opnå revisionsbevis for de  identificerede risici ved at gennemgå samtlige transaktioner.  

109 Automatic reading and interpretation of paper invoices – ADC invoices – Maj 2016