CONTROLLER KAN ZIJN INVLOED VERGROTEN MET NÓG MEER DATA-ANALYSE

Ontwikkeling financiële functie:

CONTROLLER KAN ZIJN INVLOED VERGROTEN MET NÓG MEER DATA-ANALYSE Controllers munten niet altijd uit in scherpzinnige data-analyses die het niveau van rechte tellingen substantieel overstijgen. Nóg niet, want dit essay betoogt dat de controller bij uitstek gepositioneerd is om zijn impact te vergroten door de mogelijkheden van data-analyse beter te benutten. Dit gebeurt aan de hand van literatuur, casestudies en een vertaling van het onder accountants bekende Audit Risk Model naar de controllingpraktijk. Jacques de Swart: Een controller houdt zich dagelijks bezig met aanzienlijke hoeveelheden data. Toch blijven zijn analyses qua methoden vaak steken op het elementaire niveau van ‘slicing & dicing’.

1 Controller beperkt zich vaak tot simpele data-analyse Dit blijkt uit de tooling die zij gebruiken, het gebrek aan bewustzijn van de ‘flaw of averages’ en de onderbelichting van kwantitatieve analyse in de controllersopleiding. De volgende paragrafen gaan op elk van deze oorzaken in.

18

1.1 Matig gebruik operations research Vanuit zijn taakomschrijving zou je verwachten dat operations research (OR; ook wel bekend onder de noemer Management Science of Decision Science) de controller veel te bieden heeft. Voorspellen ten behoeve van het budget en het vaststellen of processen optimaal functioneren binnen de beperkingen van de organisatie, zijn zomaar twee voorbeelden van binnen OR goed onderzochte problemen. Tegenwoordig zijn hier krachtige softwareoplossingen voor beschikbaar. Neem bijvoorbeeld Data Envelopment Analysis (DEA). Deze

MCA: februari 2012, nummer 1

The State of the drunk at his AVERAGE position is ALIVE

But the AVERAGE state of the drunk is DEAD

Figuur 1. Flaw of averages: door in managementinformatiesystemen data in een te vroeg stadium te aggregeren, kan wat er werkelijk gebeurd is verloren raken

techniek maakt het mogelijk om de prestaties van twee afdelingen die onder verschillende omstandigheden opereren toch met elkaar te vergelijken. Charnes en anderen introduceerden DEA in 1978. Sindsdien wordt DEA veel gebruikt in bijvoorbeeld de energiesector. Zo gebruikten Oliveira en Correia DEA voor de benchmark van verschillende energiebronnen. Kortom, DEA is niet bepaald de ‘bleeding edge of technology’. Software om deze analyse uit te voeren is zelfs gratis beschikbaar op bijvoorbeeld www.holger-scheels.de. Toch blijkt uit recent onderzoek van Van Veen en De Loo dat controllers zelden gebruikmaken van OR-technieken die geen onderdeel vormen van het standaard management accounting repertoire. 1.2 Gebrek aan bewustzijn van ‘flaw of averages’ Omdat veel management accounts gebaseerd zijn op totalen of gemiddelden, zijn ze onderhevig aan wat Savage in zijn beroemd geworden artikel de ‘flaw of averages’ noemde. Figuur 1 laat zien hoe funest dit kan zijn: geaggregeerde historische informatie kan het achterhalen van wat er werkelijk gebeurd is in de weg staan. Deze manier van rapporteren zit zo diep ingebakken in de huidige rapportagecultuur, dat men zich zelden afvraagt of een verschil in een prestatie-indicator tussen twee afdelingen of periodes nu wel of niet significant is. Uit de Casus Gemeente (zie kader) blijkt gelukkig dat er uitzonderingen zijn, die doorgaans direct tot een ‘eye opener’ leiden.

1.3 Weinig aandacht voor data-analyse in controllersopleiding Dat controllers suboptimaal gebruikmaken van data-analyse, is niet vreemd gezien het feit dat de erkende opleidingen tot registercontroller (RC) c.q. Executive Master of Finance & Control (EFMC) maar summier aandacht schenken aan data-analyse. Bij Nyenrode, de Universiteit van Amsterdam, de Rijksuniversiteit Groningen, de Erasmus School of Accounting & Assurance, de Vrije Universiteit Amsterdam en Maastricht University staat een vak data-analyse niet expliciet op het programma, blijkt uit de websites van deze onderwijsinstellingen. Weliswaar kunnen studenten in hun vooropleiding in aanraking komen met data-analyse, bijvoorbeeld tijdens het vak Applied Business Research in de Master of Controlling bij Nyenrode, maar dit biedt geen garantie. Het vak Decision Support in de controllersopleiding van de TiasNimbas Business School komt nog het dichtst in de buurt, maar behandelt geen data-analyse in de controlerende context.

CASUS GEMEENTE Deze gemeente had met de hulp van een externe consultant het Accounts Payable proces ‘verbeterd’. Facturen werden alleen betaalbaar gesteld als deze gekoppeld waren aan een inkooporder. Hoewel de medewerkers zelf het gevoel hadden dat het nieuwe proces niet veel hielp door een gebrek aan discipline in het aanmaken van inkooporders, had de consultant in een nameting uitgerekend dat de invoering van het nieuwe proces een succes was: gemiddeld was de afhandeltijd met drie dagen afgenomen. De controller gebruikte tijdens zijn opleiding deze casus in een paper voor een kwantitatieve module. Hierin rekende hij uit dat de nameting een klassiek geval was van de ‘flaw of averages’: de kans dat het verschil van drie dagen werd veroorzaakt door toeval bleek 55% te zijn, duidelijk meer dan de algemeen aanvaardbare drempelwaarde van 5%. Deze redenering leidde tot het opsporen van nog meer vormen van deze flaw in het verleden.


19

2 Extra mogelijkheden voor data-analyse De controller kan zijn impact op diverse manieren vergroten door het uitvoeren van geavanceerdere data-analyses dan die hij nu bezigt. De volgende paragrafen delen deze mogelijkheden op in drie categorieën. Ten eerste levert de controller met krachtige data-analyses een bijdrage aan het stroomlijnen van het externe verantwoordingsproces. Ten tweede wordt de interne controle efficiënter van slimme rapportages op basis van feiten. Tot slot draagt hij zo ook bij aan de besluitvorming door het management. 2.1 Stroomlijnen externe verantwoordingsproces Het Audit Risk Model is onder anderen door Knechel uitgebreid beschreven in de context van financial auditing. Volgens dit model is het risico dat de externe verantwoording een materiële fout bevat gelijk aan het product van vier risico’s: ~ het inherente risico (IR), dit is het risico dat een fout een organisatie binnendringt; ~ het interne beheersingsrisico (IBR), het risico dat de interne beheersing de fout niet opmerkt; ~ het cijferanalyserisico (CAR), het risico dat cijferanalyses, zoals uitzonderingsrapportages en dwarsverbanden, de fout ook niet opmerken; en ~ het steekproefrisico (SR), het risico dat de fout door eventuele steekproeven ook niet opgemerkt wordt (hetzij doordat de fout niet in de steekproef

CASUS UITKERINGSINSTANTIE Deze uitkeringsinstantie slaagde erin om voor een bepaald type uitkering een managementrapportage te maken met daarin niet alleen de klassieke kengetallen over aantallen en volumes over de tijd, maar ook een uitsplitsing naar het soort vaststellingen dat had geleid tot een uitkering. Op basis van beperkte steekproeven in met name de meest complexe vaststellingen werden de financiële foutpercentages per soort vaststelling ook gerapporteerd. Deze steekproeven vervingen de omvangrijke lijncontroles, die alleen op procedurele fouten waren gefocust. Deze rapportage diende zowel de externe verantwoording over de rechtmatigheid van de uitkeringen als de verbetering van de interne beheersing.

20

Interne & externe accountant

Controller

Management Product- & marktmix Inherent risico

Beheerste processen Inherent beheersingsrisico

Productrationalisatie

Verantwoording

Cijferanalyserisico

Business rules

Steekproefrisico

Stratificatie

Figuur 2. Vertaling van het Audit Risk Model naar het stroomlijnen van de externe verantwoording en de interne controle voorkwam, hetzij doordat de zorgvuldigheid van de steekproef te wensen overliet). Dit model impliceert onder andere dat als IR of IBR gelijk aan 0 zijn, achteraf geen cijferanalyses of steekproeven meer nodig zijn. In de praktijk zal deze extreme situatie niet vaak voorkomen en gebruikt men het model eerder om bijvoorbeeld de verkleining van de benodigde steekproef te kwantificeren als men deels kan steunen op interne beheersingsmaatregelen. Figuur 2 visualiseert het product van de vier risico’s. Boven de risico’s staat de keten van besluiten die deze risico’s beïnvloeden: de keuze voor de producten marktmix bepaalt het inherente risico. Besluiten over de inrichting en beheersing van de processen die deze mix leveren, bepalen het IBR en – als cijferanalyses niet achteraf maar als onderdeel van de interne beheersing plaatsvinden – het CAR. De wijze van verantwoorden legt het steekproefrisico vast en – bij cijferanalyses achteraf – het CAR. De primair verantwoordelijken voor deze keuzes staan bovenaan in figuur 2. Van links naar rechts neemt de invloed van het management af, terwijl die van de interne en externe accountants juist toeneemt. Dit model kan evengoed in de controlling context worden geplaatst en dienen als denkraam om de centrale rol van de controller in figuur 2 te duiden. Optimalisatie van de combinatie van steunen op interne beheersing, cijferanalyses en steekproeven leidt tot stroomlijning van het externe verantwoordingsproces. De controller kan namelijk de hoeveelheid controlewerk van de externe accountant verkleinen door zelf cijferanalyses uit te voeren. Immers, volgens het Audit Risk Model wordt het risico voor de externe accountant al kleiner als


het CAR kleiner wordt. De externe accountant kan deze reductie aanwenden om zijn steekproeven te verkleinen of zijn hoeveelheid cijferanalyses terug te brengen. Ook kan de controller inzicht bieden in het IBR. De externe accountant kan zich dan de moeite van het zelf naar de interne beheersing kijken besparen. De controller zal wel ‘fact-based’ – dus gebruikmakend van data-analyses – te werk moeten gaan alvorens de externe accountant daadwerkelijk zal steunen op dit werk van de controller. De Casus Uitkeringsinstantie (zie kader) illustreert deze werkwijze. 2.2 Stroomlijnen interne controle Naast het verkleinen van de hoeveelheid werk door de externe accountant kan de controller het controleproces verder optimaliseren door de interne controle te stroomlijnen. Figuur 2 en de Casus Handelsonderneming (zie kader) tonen hoe stratificatie

CASUS HANDELSONDERNEMING De externe accountant van een handelsonderneming telde elke jaar aan het einde van het boekjaar de voorraad middels een statistische steekproef. Ter voorbereiding van deze steekproef analyseerde hij het voorraadbestand. Eerst rapporteerde hij vreemde voorraadlocaties, zoals ‘gratis’ goederen (wel een aantal maar geen waarde), ‘verzonnen’ goederen (geen aantal, maar wel waarde) en negatieve voorraden (aantal of waarde kleiner dan 0), die hij alle opvolgde. Vervolgens varieerde hij de trekkingskans met de kwaliteit van de interne controle per distributiecentrum. Na twee jaar vroeg de controller aan de accountant of hij deze techniek aan hem ter beschikking wilde stellen, omdat hij er zelf op kwartaalbasis gebruik van wilde maken. De vreemde voorraadlocaties sloot hij uit door het implementeren van business rules tijdens het op- en afboeken van de voorraad. Na nog een jaar steunde de externe accountant op deze business rules en door de organisatie zelf uitgevoerde steekproeven. Zodoende werd de controle net zoals in figuur 2 van rechts naar links geduwd.

‘Er is behoefte aan empathisch onderwijs op basis van overtuigende voorbeelden uit de praktijk’ van steekproeven leidt tot betere cijferanalyses, die via krachtigere business rules resulteren in betere interne beheersing. 2.3 Versterken executive decision support Net als voorkomen beter is dan genezen, werkt het verlagen van het inherente risico nog beter dan het verbeteren van de interne beheersing en het analyseren van het aantal gevallen dat een fout toch door de interne controle sijpelt. Veel besluitvorming over de te voeren producten marktmix vindt plaats op basis van analyses van een controller. Als de controller zorgt voor een gedegen analyse die niet vatbaar is voor de ‘flaw of averages’, zoals in de Casus Gemeente (zie kader), versterkt dit de besluitvorming door het management. Figuur 2 en de Casus Pensioenverzekeraar (zie kader) illustreren hoe data-analyses zelfs tot aanpassing van de productportfolio kunnen leiden.

3 Controller is bij uitstek spin in het web om extra mogelijkheden te benutten Meerdere functies kwalificeren zich om de extra mogelijkheden van data-analyse te benutten. De afdeling strategie zou de kwantitatieve executive decision support voor haar rekening kunnen nemen en de interne accountant het stroomlijnen van de externe en interne verantwoording. Deze paragraaf betoogt dat juist de controller deze rol moet spelen. 3.1 Controller zou skill set in huis moeten hebben om data geavanceerder te analyseren De huidige controller is door de academisering van zijn opleiding steeds beter in staat om de data uit zijn eigen organisatie wetenschappelijk te analyseren. De vaardigheid om die data te ontsluiten heeft


21

hij doorgaans al. De uitwerking van deze twee argumenten luidt als volgt. 3.1.1 Controller is vertrouwd met wetenschappelijk onderzoek

Hoewel er alternatieve aanvliegroutes zijn, stelt de VRC als toelatingseis voor de RC/EMFC-opleiding grosso modo een afgeronde academische opleiding. Hij heeft zo al kennis van wetenschappelijke onderzoeksmethoden. Tijdens zijn opleiding wendt hij deze aan zowel voor de interpretatie van wetenschappelijke literatuur op het gebied van management control en accounting, als voor het zelf uit te voeren onderzoek tijdens zijn afstudeerfase. Met begrippen als factoranalyse, meervoudige regressie, statistische significantie en talloze duidingen voor de kracht van een kwantitatief verband tussen variabelen is hij dus al vertrouwd. Hoewel hij deze begrippen nog nauwelijks aanwendt in zijn eigen werk als controller, zou de stap naar toepassing op data uit zijn eigen organisatie klein moeten zijn.

CASUS PENSIOENVERZEKERAAR In het kader van haar toezichtproject Quinto vroeg de DNB een aantal pensioenverzekeraars om inzicht te geven in de juistheid van de aanspraken in de administratie. Een slimme data-analyse toonde welke mutaties in welke systemen het meest foutgevoelig waren en nader bekeken moesten worden. Met name voor complexe tailor-made pensioenproducten bleek het herleiden van de mutaties in aanspraken naar pensioencontracten een ingewikkelde en arbeidsintensieve klus. Het inzicht in de controle-inspanning en foutgevoeligheid van complexe producten overtuigde het management van het nut en de noodzaak van productrationalisatie en vormde daarmee een waardevol hulpmiddel in de besluitvorming over de te voeren productportfolio. In termen van figuur 2, het risico dat aanspraken niet kloppen werd deels gemitigeerd door het inherente risico te verkleinen.

22

3.1.2 Controller is wel ‘data savvy’

Ervaring met het ontsluiten van data uit zijn eigen organisatie heeft de controller doorgaans wel. Geholpen door allerlei plannings- en budgetteringssoftware die vaak geïmplementeerd zijn als module bovenop ERP-pakketten – en natuurlijk Excel – vindt de gemiddelde controller bijna dagelijks zijn weg in de analyse van grote hoeveelheden data. Hoewel dit, zoals eerder betoogd, kwantitatief bezien niet altijd de meest geavanceerde analyses zijn, heeft deze praktijk zijn eventuele koudwatervrees voor grote datasets weggenomen. Ook zijn de huidige analyses zeker niet onverdienstelijk, zoals de Casus Zorgverzekeraar (zie kader) illustreert. 3.2 Hij heeft vele rollen, variërend van controleur tot adviseur Juist het feit dat de controller een scala aan rollen heeft, die volgens Maciarello en Kirby variëren van adviseur tot controleur, maakt hem bij uitstek geschikt om meer met data-analyse te doen. Aan elke andere functie kan het nadeel van suboptimalisatie kleven. Om besluitvorming betrouwbaar te ondersteunen kan het best gebruik worden gemaakt van dezelfde data die hebben geleid tot de interne en externe verantwoording. Elke andere bron schendt het ‘single source’ principe en kan de geloofwaardigheid van de analyse ondermijnen. Andersom wordt bij voorkeur verantwoording afgelegd over data die de basis vormden voor besluitvorming. 3.3 Hij wordt hiermee strong controller De controller heeft het in zich om gevraagd en ongevraagd met analyses te komen die verrassend, ‘factbased’ en binnen de business context relevant zijn. In de woorden die Van Veen en De Loo eerder in dit blad gebruikten: de ‘strong controller’, die het hele spectrum van rollen variërend van lid van het managementteam tot boekhouder beslaat, is in aantocht.

4 Verandering gaat niet vanzelf maar is wel mogelijk De volgende paragrafen tonen hoe een mix van onderwijsvernieuwing, IT-ondersteuning en aandacht voor de veranderkundige kant voor meer gebruik van data-analyse door de controller kan zorgen. 4.1 Onderwijsvernieuwing Uiteraard ligt het voor de hand om het gebruik van data-analyses in de controllingpraktijk te bevorderen


Controller exploiteert nóg niet alle mogelijkheden van dataanalyse

Controller beperkt zich vaak tot simpele dataanalyses

Controller is bij uitstek de spin in het web die deze mogelijkheden kan benutten

Er zijn extra mogelijkheden voor dataanalyse

Controller zou skill set moeten hebben om dataanalyse geavanceerder te maken

Controller heeft vele rollen variërend van controleur tot adviseur

Verandering gaat niet vanzelf maar is wel mogelijk

Matig gebruik Operations Research

Stroomlijnen externe verantwoordingsproces

Gebrek aan bewustzijn van flaw of averages

Stroomlijnen interne controle

Controller is vertrouwd met wetenschappelijk onderzoek

IT-ondersteuning kan beter

Geen echt datavak opgenomen in controllersopleiding

Versterken executive decision support

Controller is data savvy

Aandacht voor veranderkundige kant helpt

Hij wordt hiermee strong controller

Onderwijs in dataanalyse kan beter

Figuur 3. De redenering in dit essay in piramidevorm. De roze boxen worden onderbouwd in de referenties, de rode in de casussen in de kaders

door dit expliciet op te nemen in het curriculum van de controllersopleiding. Dit onderwijs moet echter niet verworden tot examentraining voor een struikelvak, want dan krijgen controllers juist een hekel aan data-analyse. Er is behoefte aan empathisch onderwijs op basis van overtuigende voorbeelden uit de praktijk. Dat veel controllers in opleiding al werker-

CASUS ZORGVERZEKERAAR Bij deze zorgverzekeraar had de data-savvy controller een uitgebreide en ingenieuze rapportage opgezet van de lijncontroles, met daarin per soort verzekering en per type zorgschade de afhandeltijd, het percentage procedurele fouten en de verwachte backlog voor de komende periode. Deze rapportage gaf duidelijk blijk van hoe bedreven en creatief de controller was in het combineren van diverse databronnen. Hoewel de lijncontroles niet statistisch ingestoken waren, en dus niet rechtstreeks gebruikt konden worden voor de rechtmatigheidsrapportage, had de rapportage duidelijk meerwaarde bij het inplannen van en beoordelen van de medewerkers en het verbeteren van het declaratieproces.

varing hebben en doorgaans vanuit intrinsieke motivatie hun opleiding volgen, helpt hierbij. 4.2 IT-ondersteuning Naast meer kennis van de mogelijkheden en uitvoering van data-analyses, is de ondersteuning door IT voor verbetering vatbaar. Veel krachtige data-analyses zijn gewoon beschikbaar in het Data Analysis Toolpack, dat gratis met Excel wordt meegeleverd. Dit geldt bijvoorbeeld voor Analysis of Variance (ANOVA) ter voorkoming van de ‘flaw of averages’. Toch laat de gebruiksvriendelijkheid nog te wensen over, vooral waar het gaat om de interpretatie van de output. Gespecialiseerdere pakketten zoals Quantrix, @Risk, DecisionTools, PrecisionTree, ACL, AIMMS, Hyperion en Dashboard Design hebben elk hun eigen merites en niet altijd een belemmerende prijsstelling. Toch kleven er nadelen aan deze pakketten. Ze gaan vaak maar beperkt in op het gebruik door controllers, of ze omvatten maar een klein gedeelte van mogelijke data-analysetechnieken, of ze blijken toch te hoogdrempelig. De laatste tekortkoming correleert uiteraard met het gebrek aan aandacht voor data-analyse in de huidige praktijk en opleiding van de controller. 4.3 Aandacht voor veranderkundige kant helpt Juist de controller zou in staat moeten zijn om data-analyses niet te laten verworden tot een ondoorzichtige modellenbrij, omdat hij doorgaans zelf


23

niet de data-analysespecialist pur sang is of zal worden. Neem de credit crunch in de financiële sector. Daar specialiseerden financial engineers zich net zo lang in het stapelen van model op model totdat niemand in de boardroom meer de risico’s in die modellen begreep. De controller zal zich van nature beperken tot analyses die hij zelf nog kan uitleggen aan het management. Dat dit niet vanzelf zal gaan, blijkt uit de accountantsopleiding. In de eindtermen van deze opleiding komt statistiek vrij uitvoerig aan bod en ook bevatten de meeste accountantsopleidingen vakken op het gebied van data-analyse. Toch betoogde Bert Bakker onlangs in De Accountant dat het gebruik van data-analyse in de dagelijkse accountancypraktijk nog steeds tegenvalt. Het is te verwachten dat het voortbouwen op succesvolle voorbeelden van data-analyse in de controllingpraktijk hier beter zal werken dan de controller verplichten tot krachtigere data-analyses. Barrett, Fry en Wittockx hebben dit veranderkundige principe beschreven onder de noemer ‘waarderend onderzoek’. Volgens deze methode vormen succesverhalen over beginnende verandering de inspiratie voor het doorzetten van de verandering. De ‘carrot’ in plaats van de ‘stick’. Vandaar dat de casussen bij dit essay – weliswaar spaarzame – succesverhalen over data-analyse in de controllingpraktijk bevatten in plaats van horrorverhalen over het gemis aan data-analyses.

~ AIMMS (Advanced Integrated Multi-Dimensional Modelling System, www. aimms.com. ~ Bakker, B., Wiskundige technieken zullen disruptive technology blijken, De Accountant, april 2011. ~ Barrett, F., Fry, R. en H. Wittockx, Appreciative Inquiry: het Basiswerk, Lannoo Campus, 2010. ~ Bronvermelding figuur 1: openbaar beschikbaar op bijvoorbeeld http://mahalanobis.twoday.net/stories/3091420/. ~ CEA (Commissie Eindtermen Accountantopleiding), http://www.ceaweb.nl. ~ Charnes, A., Cooper, W.W. en E. Rhodes, Measuring the efficiency of decision making units, European Journal of Operational Research, 2, 429-444, 1978. ~ Dashboard Design (formerly Xcelsius), http://www.sdn.sap.com/irj/boc/crystaldashboard. ~ EMS: Efficiency Measure System, a Data Envelopment Analysis Software, ~ http://www.holger-scheel.de/ems/. ~ http://www.abs.uva.nl/emfcprogramma. ~ http://www.esaa.nl/postinitiele-opleidingen/registercontroller. ~ http://www.feweb.vu.nl/nl/opleidingen/postgraduate-opleidingen/controllersopleiding. ~ http://www.maastrichtuniversity.nl/web/Faculties/SBE/Theme/. ~ http://www.nyenrode.nl/Education/master-postmaster/MScC/Pages/overview. aspx. ~ http://www.nyenrode.nl/emfc. ~ http://www.rug.nl/feb/Onderwijs/executiveMaster/EMFC. ~ http://www.tiasnimbas.edu/Register_Controller_/_Executive_Master_of_Finance__Control_(EMFC. ~ http://www.vrc.nl/toelatingseisen-executive-master-finance-and-control-emfcopleidingen. ~ internationalExecutiveMasterOfFinanceControlIEMFC. ~ Knechel, R., Auditing, text & cases, International Thomson Publishing. First

5 Samenvatting

edition, 1998.

Dit artikel onderbouwt de stelling dat de controller zijn impact kan vergroten met nóg meer data-analyse als volgt: een patroon van simpele data-analyses is in het werk van de controller gesleten, terwijl er wel degelijk mogelijkheden voor geavanceerdere dataanalyses bestaan. Juist de controller kan deze mogelijkheden als spin in het web van de organisatie benutten. Een mix van onderwijsvernieuwing, ITondersteuning en veranderkunde op het gebied van data-analyse helpt hierbij. Elk van deze argumenten is onderbouwd met literatuur en/of casestudies. Figuur 3 toont deze samenvatting in piramidevorm.

~ Maciariello, J.A. en C.J. Kirby, Management control systems: using adaptive systems to attain control, Edition 2, p. 165, Publisher Prentice Hall, 1994. ~ Oliveira, L.S.M. en T.C.V.D. Correia, Data Envelop Analysis applied to evaluate the usage of oil and natural gas: south America case, Proceedings of International Conference on Operational Research for Development, 487-495, 2007. ~ Oracle Entreprise Business Planning Solutions (formerly known as Hyperion), http://www.oracle.com/us/solutions/ent-performance-bi/051188.html. ~ Quantrix, Financial Modelling Software for Forecasting, Budgeting & Planning, www.quantrix.com. ~ Savage, S.L., Flaw of averages: why we underestimate risk in the face of uncertainty, Wiley, 2009. ~ Veen, P. van en I. de Loo, ‘Is de strong controller in aantocht?’ MCA, jaargang 15, pp. 13-20, augustus 2011.

Referenties ~ @Risk (Risk Analysis Software using Monte Carlo simulation for Excel, Deci-

Jacques de Swart is als hoogleraar Toegepaste Wiskunde verbon-

sionTools (Risk & Decision Analysis Toolkit), PrecisionTree (Decision Trees for

den aan de Nyenrode Business Universiteit en binnen PwC ver-

Excel), www.pallisade.com.

antwoordelijk voor de adviesgroep Quantitative Analysis.

~ ACL (Data Analytics and Continuous Monitoring Software Solutions), www.acl. com.

24


CONTROLLER KAN ZIJN INVLOED VERGROTEN MET NÓG MEER DATA-ANALYSE

Recommend Documents