Kriminaltekniska revisorer kan använda Excel för att snabbt vada igenom hundratusentals poster för att hitta misstänkta transaktioner. I detta segment kommer vi att ta en titt på några av dessa metoder.
Fall 1:
Leverantörsadresser kontra anställdes adresser
Använd en MATCH-funktion för att jämföra nummerdelen av gatuadressen till dina medarbetarregister med nummerdelen av gatuadressen till dina leverantörer. Finns det någon chans att vissa anställda också säljer tjänster till företaget?
- Börja med en lista över leverantörer och en lista över anställda.
- En formel som
=LEFT(B2,7)att isolera den numeriska delen av gatuadressen och de första bokstäverna i gatunamnet.
- Skapa en liknande formel för att isolera samma del av leverantörsadresserna.
- MATCH-funktionen letar efter adressdelen i C2 och försöker hitta en matchning i leverantörsdelarna i H2: H78. Om en matchning hittas kommer resultatet att berätta det relativa radnumret där matchningen hittas. När ingen matchning hittas kommer # N / A att returneras.
- Eventuella resultat i MATCH-kolumnen som inte är # N / A är potentiella situationer där en anställd också fakturerar företaget som leverantör. Sortera stigande efter MATCH-kolumnen och eventuella felregister visas högst upp.
Fall 2:
Ovanliga svängningar i leverantörsdatabasen
Ett företag har 5000 leverantörer. Vi använder ett spridningsdiagram för att visuellt hitta de 20 leverantörer som ska granskas.
- Få en lista över leverantörs-ID, fakturantal, totalt fakturabelopp för detta år.
- Få en lista över leverantörs-ID, fakturaräkning, totalt fakturabelopp för föregående år.
- Använd VLOOKUP för att matcha listorna med fem kolumner med data:
- Lägg till nya kolumner för Count Delta och Amount Delta:
- Välj data i H5: G5000. Sätt in ett scatter-diagram (XY). De flesta av resultaten kommer att klumpas i mitten. Du är intresserad av avvikarna. Börja med leverantörerna i det inramade området; de skickade färre fakturor för mycket fler totala dollar:
Notera
För att hitta leverantören som är associerad med en punkt, håll muspekaren över punkten. Excel berättar antalet delta och mängden delta som ska hittas i den ursprungliga datamängden.
Fall 3:
Använd en pivottabell för att borra ner
I det här fallet tittar vi på fakturor och fordringar. Genom olika analyser av data, upptäck vilka två kundfordringar analytiker spenderar fredag eftermiddagar i baren istället för att arbeta.
- Jag började med två datamängder. Den första är fakturadata, faktura, datum, kund, belopp.
- Nästa data är faktura, mottagningsdatum, mottaget belopp, utgående repnamn
- Beräkna en dag att betala-kolumnen. Detta är mottagningsdatum - fakturadatum. Formatera resultatet som ett nummer istället för ett datum.
- Beräkna veckodagen. Detta är
=TEXT(ReceiptDate,"dddd") - Välj en cell i datamängden. Använd data - pivottabell (Excel 97-2003) eller Infoga - pivottabell (Excel 2007)
- Det första pivottabellen hade Days To Pay ner storleken. Högerklicka på ett värde och välj Grupp och Visa detalj - Grupp. Gruppera efter 30 dagars skopor.
- Flytta dagar att betala till kolumnområdet. Sätt kunderna i radområdet. Sätt inkomster i dataområdet. Du kan nu se vilka kunder som betalar långsamt.
- Ta bort Days to Pay och placera Weekday i kolumnområdet. Ta bort kunden och placera rep i radområdet. Du kan nu se de belopp som erhållits per veckodag.
- Välj en cell i dataområdet. Klicka på fältinställningsknappen (i pivottabellens verktygsfält i Excel 97-2003 eller på fliken Alternativ i Excel 2007).
- Klicka på Mer i Excel 97-2003. I Excel 2007 klickar du på fliken Visa värden som. Välj% av raden.
- Resultatet: Bob och Sonia verkar bearbeta mycket mindre fakturor på fredagen än de andra. Gå in på kontoret på fredag eftermiddag för att se om (a) de faktiskt arbetar, och (b) om det finns en hög med obearbetade kontroller som hänger i skrivbordslådan fram till fredag.
