MindBridge en Validis werken samen om klantgegevensverzameling te koppelen aan risicoanalyse van de volledige populatie
Belangrijkste punten
- •Validis standaardiseert transactiegegevens uit de boekhoudsystemen van klanten voordat deze naar MindBridge worden gestuurd.
- •MindBridge gebruikt uitlegbare AI om volledige transactiepopulaties te analyseren en posten voor controle door auditors te prioriteren.
- •De integratie omvat grootboek-, proefbalans-, rekeningenschema-, debiteuren- en crediteurengegevens.
- •De bedrijven zeggen dat de koppeling handmatige gegevensvoorbereiding vermindert en auditors meer focus geeft op risicobeoordeling.
- •Het professionele oordeel blijft bij auditors, die bepalen wat wordt getest en waar de aandacht naartoe gaat.

MindBridge Analytics Inc., dat de intelligentielaag levert voor Augmented Assurance, en Validis, een toonaangevende aanbieder van technologie voor het verzamelen en standaardiseren van financiële gegevens, hebben een samenwerking en integratie aangekondigd whereby gestandaardiseerde klantgegevens van Validis rechtstreeks naar MindBridge worden gestuurd voor risicoanalyse van de volledige populatie.
Controle-analysewerk begint met het halen van klantgegevens uit boekhoudsystemen en het omzetten ervan naar een bruikbare vorm. Die taak komt vóór elke risicobeoordeling en kost tijd die auditors nodig hebben voor de afwegingen waarvoor ze zijn. Controlekantoren ontvangen klantgegevens doorgaans uit allerlei boekhoudsystemen en in uiteenlopende formaten, die eerst gestandaardiseerd en gecontroleerd moeten worden voordat de analyse kan beginnen — gegevens die inconsistent of onvolledig binnenkomen moeten eerst worden gereconcilieerd, omdat bevindingen op niet-gestandaardiseerde invoer moeilijk betrouwbaar zijn. Zodra de gegevens klaar zijn, ontstaat een tweede vraag: waarop focussen, en waarmee, nu de financiële omgevingen van klanten steeds geautomatiseerder en complexer worden.
De samenwerking combineert het vermogen van Validis om transactiegegevens rechtstreeks uit de boekhoudsystemen van klanten veilig te extraheren en te standaardiseren met de uitlegbare AI en de financiële analyse van de volledige populatie van MindBridge. Volledige populatie betekent dat elke transactie wordt beoordeeld in plaats van een steekproef — een dekking die handmatig moeilijk te bereiken is, en een van de redenen waarom de analyse op AI leunt om te bepalen welke gemarkeerde posten eerst de aandacht van de auditor verdienen. Via de nieuwe integratie kunnen gestandaardiseerde grootboek-, proefbalans-, rekeningenschema-, debiteuren- en crediteurengegevens rechtstreeks naar MindBridge stromen. Dit vermindert de handmatige gegevensvoorbereiding, zodat auditors zich kunnen concentreren op de gebieden met het grootste risico in plaats van op gegevenstransformatie. De bedrijven zeiden dat de koppeling bedoeld is om de weg tussen het ontvangen van klantdossiers en het starten van risicoanalyse te verkorten.
"De uitdaging is niet alleen toegang tot meer gegevens," aldus Les Rechan, CEO van MindBridge. "Het gaat om het begrijpen waar risico's bestaan en waar auditors hun aandacht op moeten richten. Onze samenwerking met Validis pakt beide kanten van die uitdaging aan en helpt kantoren hun controleaanpak te moderniseren, met professioneel oordeel als centraal uitgangspunt."
"Controlekantoren ontvangen klantgegevens uit veel verschillende boekhoudsystemen, in veel verschillende formaten," aldus Michael Turner, CEO van Validis. "Onze taak is die gegevens te standaardiseren en te controleren. Door ons werk aan MindBridge te koppelen, kunnen de gegevens rechtstreeks in de risicoanalyse terechtkomen, en de auditor bepaalt wat wordt getest en waar de focus ligt."
De integratie weerspiegelt wat MindBridge Augmented Assurance noemt: auditors die AI gebruiken om elke transactie te beoordelen, met duidelijke uitleg waarom elke post was gemarkeerd, terwijl het professionele oordeel bij de auditor blijft. Door betrouwbare, gestandaardiseerde gegevens te koppelen aan geprioriteerde risicobevindingen willen de bedrijven kantoren helpen de controlekwaliteit te verbeteren, handmatig werk te verminderen en consistentere assurance op schaal te leveren. Voor kantoren die de samenwerking afwegen, is de concrete maatstaf degene die de bedrijven zichzelf hebben gesteld: hoeveel korter de weg wordt tussen het ontvangen van klantdossiers en het starten van de risicoanalyse.