Das National Audit Office (NAO) von Finnland f\u00fchrt Finanz-, Ordnungsm\u00e4\u00dfigkeits-, Wirtschaftlichkeits- und Steuerpolitikpr\u00fcfungen durch. Angeregt durch die M\u00f6glichkeiten der Datenanalyse, die Qualit\u00e4t und Effizienz der zentralen Durchf\u00fchrung sowie das Ziel, einer gr\u00f6\u00dferen Anzahl von Kunden bessere Dienstleistungen zu bieten, hat das NAO Finnland im vergangenen Jahr seine Finanzpr\u00fcfungen umfassend reformiert.<\/p>\n\n\n\n
Die Reform, die eine Antwort auf die Ver\u00e4nderungen in der Verwaltung der Finanzen der Zentralregierung ist, zielt darauf ab, neue digitale Technologien umfassender zu nutzen. Das NAO Finnland ist hervorragend positioniert, um die Datenanalytik zur Verbesserung der Finanzpr\u00fcfungen zu nutzen, da sie bereits seit langem innerhalb der Organisation eingesetzt wird und die Finanzverwaltung der finnischen Zentralregierung einen extrem hohen Digitalisierungsgrad aufweist.<\/p>\n\n\n\n
In den letzten Jahren hat die finnische Zentralregierung gemeinsame Informationssysteme f\u00fcr Schl\u00fcsselprozesse eingef\u00fchrt – Buchhaltung, Auftrags- und Forderungseinzug, Personalverwaltung, Einkaufs- und Zahlungsverkehr sowie Reiseverwaltung. Auch Aufgaben wie die Verwaltung von Zugriffsrechten werden auf einer zentralen, einheitlichen Basis durchgef\u00fchrt. Aus Pr\u00fcfungssicht stehen den Pr\u00fcfern der zentralen Staatsfinanzen somit alle Fortschritte der Datenanalyse zur Verf\u00fcgung.<\/p>\n\n\n\n
Die Datenanalytik in der Finanzkontrolle kann zahlreiche Vorteile bieten. Eine Methodik, die auf den Normen f\u00fcr die Pr\u00fcfung der Rechnungsf\u00fchrung basiert, funktioniert gut bei der Durchf\u00fchrung von Pr\u00fcfungen der Rechnungsf\u00fchrung unter Verwendung von Datenanalysen, die die Pr\u00fcfung mehrerer Schl\u00fcsselaussagen und die Pr\u00fcfung von Kontrollen erm\u00f6glichen. Verf\u00fcgbare Datens\u00e4tze k\u00f6nnen verwendet werden, um zu \u00fcberpr\u00fcfen, wie wirksam die Kontrollen funktionieren. Die Begehungsmethode erweist sich als n\u00fctzlich, wenn qualitativ hochwertige Daten vorhanden sind. Analytische substanzielle Pr\u00fcfungen k\u00f6nnen ein recht einfaches Mittel sein, um die Finanzen der Zentralregierung zu prognostizieren, aber da das Jahr der COVID-19-Pandemie sehr au\u00dfergew\u00f6hnlich war, kann diese Methode nur in begrenztem Umfang eingesetzt werden.<\/p>\n\n\n\n
Auch die Datenanalytik verk\u00fcrzt die Zeit bis zur Aufdeckung von Missbrauchsrisiken erheblich.<\/p>\n\n\n\n
Allerdings kann die Datenanalyse nur dann wirksam eingesetzt werden, wenn Zugang zu zuverl\u00e4ssigen und g\u00fcltigen Finanzpr\u00fcfungsdaten besteht. Dies kann oft eine Herausforderung sein, da der Aufbau von Schnittstellen ein Verst\u00e4ndnis (1) der Pr\u00fcfungsziele und -methoden, (2) der Art und Weise, wie Daten genutzt werden k\u00f6nnen, und (3) der Struktur von Informationssystemen erfordert.<\/p>\n\n\n\n
In naher Zukunft k\u00f6nnte das maschinelle Lernen zahlreiche M\u00f6glichkeiten f\u00fcr die Entwicklung von Pr\u00fcfungsprozessen bieten, da die aus den Prozessen der Finanzverwaltung gewonnenen Daten potenzielle Fehlersituationen fr\u00fchzeitig aufdecken k\u00f6nnen.<\/p>\n\n\n\n
Auch der Einsatz k\u00fcnstlicher Intelligenz bei Pr\u00fcfungen bleibt ein zuk\u00fcnftiges Entwicklungsszenario. Auch wenn der Prozess Jahre dauern kann, ist der Trend unausweichlich.<\/p>\n","protected":false},"excerpt":{"rendered":"
Das National Audit Office (NAO) von Finnland f\u00fchrt Finanz-, Ordnungsm\u00e4\u00dfigkeits-, Wirtschaftlichkeits- und Steuerpolitikpr\u00fcfungen durch. Angeregt durch die M\u00f6glichkeiten der Datenanalyse, die Qualit\u00e4t und Effizienz der zentralen Durchf\u00fchrung sowie das Ziel, einer gr\u00f6\u00dferen Anzahl von Kunden bessere Dienstleistungen zu bieten, hat das NAO Finnland im vergangenen Jahr seine Finanzpr\u00fcfungen umfassend reformiert.<\/p>\n","protected":false},"author":118,"featured_media":7356,"template":"","meta":{"_acf_changed":false,"footnotes":""},"journal-categories":[2508,2561],"content-tags":[2200,2219,2268,2269],"country":[3203],"region":[2597],"section":[2659],"coauthors":[],"class_list":["post-16974","journal-entry","type-journal-entry","status-publish","has-post-thumbnail","hentry","journal-categories-kurzmeldungen","journal-categories-winter-2021-de","content-tags-daten","content-tags-datenanalytik","content-tags-kunstliche-intelligenz","content-tags-maschinelles-lernen","country-finland-de","region-eurosai-de","section-kurzmeldungen"],"acf":[],"yoast_head":"\n