Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens

Het in kaart brengen van opvallende transacties in het kader van de accountantscontrole wordt vaak gedaan vanuit een traditionele benadering van een kwalitatieve risicoanalyse en een kwantitatieve (data-)analyse gebaseerd op ervaringsregels. Hierbij worden risico-indicatoren die niet betrokken zi...

Full description

Bibliographic Details
Main Authors:	Vivian Blankers, Thom Eijken, Patrick Özer, Quintra Rijnders
Format:	Article
Language:	English
Published:	Pensoft 2011-03-01
Series:	MAB
Online Access:	https://mab-online.nl/article/15768/download/pdf/

id	doaj-8fadb0a726a9492aa19582c72216a90e
record_format	Article
spelling	doaj-8fadb0a726a9492aa19582c72216a90e2021-10-09T03:32:08ZengPensoftMAB2543-16842011-03-0185317218110.5117/mab.85.1576815768Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevensVivian BlankersThom EijkenPatrick ÖzerQuintra RijndersHet in kaart brengen van opvallende transacties in het kader van de accountantscontrole wordt vaak gedaan vanuit een traditionele benadering van een kwalitatieve risicoanalyse en een kwantitatieve (data-)analyse gebaseerd op ervaringsregels. Hierbij worden risico-indicatoren die niet betrokken zijn in voornoemde kwalitatieve risico- en data-analyse buiten beschouwing gelaten. In dit artikel wordt aangetoond dat ‘unsupervised’ zelflerende software op effectieve en efficiënte wijze uitzonderingen op bestaande datastructuren in een grootboek in kaart brengt. De software vormt een aanvulling op het pallet van oplossingen dat kan worden ingezet in het kader van het voortdurend monitoren van de bedrijfsprocessen.https://mab-online.nl/article/15768/download/pdf/
collection	DOAJ
language	English
format	Article
sources	DOAJ
author	Vivian Blankers Thom Eijken Patrick Özer Quintra Rijnders
spellingShingle	Vivian Blankers Thom Eijken Patrick Özer Quintra Rijnders Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens MAB
author_facet	Vivian Blankers Thom Eijken Patrick Özer Quintra Rijnders
author_sort	Vivian Blankers
title	Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens
title_short	Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens
title_full	Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens
title_fullStr	Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens
title_full_unstemmed	Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens
title_sort	zelflerende software detecteert opvallende transacties onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens
publisher	Pensoft
series	MAB
issn	2543-1684
publishDate	2011-03-01
description	Het in kaart brengen van opvallende transacties in het kader van de accountantscontrole wordt vaak gedaan vanuit een traditionele benadering van een kwalitatieve risicoanalyse en een kwantitatieve (data-)analyse gebaseerd op ervaringsregels. Hierbij worden risico-indicatoren die niet betrokken zijn in voornoemde kwalitatieve risico- en data-analyse buiten beschouwing gelaten. In dit artikel wordt aangetoond dat ‘unsupervised’ zelflerende software op effectieve en efficiënte wijze uitzonderingen op bestaande datastructuren in een grootboek in kaart brengt. De software vormt een aanvulling op het pallet van oplossingen dat kan worden ingezet in het kader van het voortdurend monitoren van de bedrijfsprocessen.
url	https://mab-online.nl/article/15768/download/pdf/
work_keys_str_mv	AT vivianblankers zelflerendesoftwaredetecteertopvallendetransactiesonderzoeknaardemogelijkhedenomconceptenuitdekunstmatigeintelligentieintezettenvooranalysevanfinancielegegevens AT thomeijken zelflerendesoftwaredetecteertopvallendetransactiesonderzoeknaardemogelijkhedenomconceptenuitdekunstmatigeintelligentieintezettenvooranalysevanfinancielegegevens AT patrickozer zelflerendesoftwaredetecteertopvallendetransactiesonderzoeknaardemogelijkhedenomconceptenuitdekunstmatigeintelligentieintezettenvooranalysevanfinancielegegevens AT quintrarijnders zelflerendesoftwaredetecteertopvallendetransactiesonderzoeknaardemogelijkhedenomconceptenuitdekunstmatigeintelligentieintezettenvooranalysevanfinancielegegevens
_version_	1716830852491509760

Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens

Similar Items