Case

Paper Uitwerking Data Science in Auditing (DSA) Nyenrode (cijfer 8)

0 purchase

Course
Data Science in Auditing (ACMDSA10)

Institution
Nyenrode Business Universiteit (Nyenrode)

In deze paper worden data-analyses gedaan middels het gebruik van R Studio om erachter te komen of de continuïteit van een Europese gameontwikkelaar gewaarborgd is. De achterliggende code dat gebruikt is in R Studio is opgenomen in de bijlage.

[Show more]

Preview 5 out of 25 pages

View example

Uploaded on June 21, 2023
Number of pages 25
Written in 2020/2021
Type Case
Professor(s) P. tauw
Grade 8-9

data analyse
dsa
data science in auditing
data science auditing
paper uitwerking dsa
master accountancy
uitwerking dsa
paper dsa
r studio
r studio
rstudio
regressie analyse
regressie
regres
nyenrode
r

Institution
Nyenrode Business Universiteit (Nyenrode)
Education
Master Accountancy
Course
Data Science in Auditing (ACMDSA10)

$6.66

Add to cart

Save

100% satisfaction guarantee
Immediately available after payment
Both online and in PDF
No strings attached

gaming industrie
PAPER - DATA SCIENE AUDITING

02-07-2020
Tiena Bakhshizadeh (180001426)

,INHOUDSOPGAVE
1. INLEIDING........................................................................................................................................ 2

2. THEORETISCH KADER...................................................................................................................... 3
2.1 Relevantie analyse............................................................................................................................ 3
2.2 Achtergrond type uitgevoerde analyse............................................................................................ 3
2.3 Beschrijving uitgevoerde analyse..................................................................................................... 4
2.4 Aard uitgevoerde analyse................................................................................................................. 5
2.5 Negen V’s van Big Data................................................................................................................... 5
2.6 Audit Comfort Cycle & ‘Push Left-Principe’.................................................................................... 7
2.7 Training & Test set / Bias & Variance............................................................................................. 8
2.8 Risico’s uitgevoerde analyse............................................................................................................. 9

3. PRAKTIJK......................................................................................................................................... 10
3.1 Beschrijving dataset en variabelen................................................................................................... 10
3.2 Resultaten analyse............................................................................................................................ 11
3.2.1 Correlatie............................................................................................................................ 11
3.2.2 Voorbereiding regressieanalyse......................................................................................... 11
3.2.3 Regressienanalyse Europese omzet platform game........................................................ 12
3.2.4 Voorspelling Europese omzet platform game.................................................................. 14

4. CONCLUSIE...................................................................................................................................... 15

LITERATUUR........................................................................................................................................ 16

BIJLAGE 1: Code R............................................................................................................................... 17

BIJLAGE 2: Uitkomsten voorbereiding regressieanalyse........................................................................ 19

BIJLAGE 3: Uitkomsten regressieanalyse per game genre.................................................................... 21

BIJLAGE 4: Uitkomsten voorspellingen per game genre....................................................................... 23

,1. INLEIDING
De mens vermaakt zich al sinds de oertijd met het spelen van spelletjes. De oudste bordspellen zijn al meer
dan 5.000 jaar oud en dateren uit het pre-dynastieke Egypte (Piccione, 1980). Door de eeuwen heen heeft de
spelindustrie zich erg ontwikkeld. De doorbraak van de spelcomputer heeft pas echt een groot effect gehad op de
spelindustrie. Vanaf de jaren 50 begonnen steeds meer ontwikkelaars te werken aan verschillende technologieën voor
de spelcomputer. In de jaren 70 werden de eerste arcade games geïntroduceerd en hierna volgden de eerste versies
van de game consoles zoals de Gameboy, Playstation en Xbox.

De huidige gaming industrie omvat miljarden aan omzet door de enorme populariteit, de snelle technologische
ontwikkelingen en de groei van de markt. Dit zorgt voor hevige concurrentie tussen gameontwikkelaars. Ook al is
de markt aan het groeien en is de kans op succes zeer groot, neemt het niet weg dat de gaming industrie een
instabiele markt is. Juist door de snelle technologische ontwikkelingen en de fluctuerende behoeften van de
consument is de gaming industrie een chaotische markt, waar vooral nieuwe toetreders moeten oppassen voor een
strategische oorlog voor de troon (Luenendonk, 2015).

Een Europese gameontwikkelaar ‘Games for the Future’ (GamesF) wil een nieuwe platform game op de markt
brengen en is op dit moment bezig met de ontwikkeling daarvan. Zij zijn echter niet zeker over de continuïteit van
GamesF door de enorme concurrentie en snelle veranderingen. De gameontwikkelaar heeft vooraf een aantal data-
analyses uitgevoerd om erachter te komen of het gekozen genre van de game genoeg omzet zal genereren. Het
is aan de controlerend accountant om een uitspraak te doen over de continuïteitsveronderstelling van GamesF. De
benodigde analyse hiervoor wordt in deze paper nader toegelicht.

Ten eerste zal de relevantie van de analyse worden uitgelegd in het theoretische kader. Hier zal ook aandacht
worden besteed aan de achtergrond van deze analyse en wat de eventuele risico’s kunnen zijn. In het praktische
gedeelte van deze paper zal de gebruikte dataset toegelicht worden en de verrichte werkzaamheden op deze dataset
worden beschreven. Ten slotte kan uit de verrichte werkzaamheden een conclusie worden gegeven over het game
genre dat de meeste potentie heeft om veel omzet te genereren wat doet bijdragen aan de continuïteit van de
onderneming.

2

, 2. THEORETISCH KADER
In dit hoofdstuk zal worden gekeken naar de relevantie en het doel van de uitgevoerde analyse en zal worden
ingegaan op de theoretische achtergrond van de gekozen analyse. Tevens zal een beschrijving worden gegeven van
de risico’s en waarom de analyse bijdraagt aan de accountantscontrole.

2.1 Relevantie analyse
Een accountant dient volgens COS 315 “risico’s op een afwijking van materieel belang te identificeren en in te
schatten door inzicht te verwerven in de entiteit en haar omgeving” (NBA, 2017). Deze risico’s worden geïdentificeerd
en ingeschat gedurende de planningsfase van de controle. Bij een game ontwikkelaar is het van cruciaal belang dat
de accountant de bedrijfsrisico’s duidelijk in beeld heeft. De risico-inschattingen zouden de accountant moeten helpen
bij het concluderen of sprake is van gebeurtenissen of omstandigheden die mogelijk de continuïteit van GamesF in
gevaar kunnen brengen. Dit dient de accountant te doen op basis van verzamelde controle-informatie. Doordat een
game ontwikkelaar opereert in een instabiele en voorspelbare markt, is het oordeel over de continuïteit van cruciaal
belang. Het uitvoeren van data-analyses kan de accountant hierbij helpen.

Een game ontwikkelaar heeft ook te maken met geactiveerde ontwikkelingskosten op de balans. De accountant
dient op de hoogte te zijn van de risico’s van deze post op het gebied van de juistheid en volledigheid. Volgens RJ
210.201 dient een immaterieel vast actief (in dit geval de ontwikkelingskosten) opgenomen te worden in de balans,
wanneer:
• het waarschijnlijk is dat de toekomstige economische voordelen die een actief in zich bergt,
zullen toekomen aan de rechtspersoon;
• de kosten van het actief betrouwbaar kunnen worden vastgesteld (EY, 2019).

De analyse dat uitgevoerd is in dit onderzoek heeft alleen betrekkeing op het eerste punt van bovenstaande criteria.
Het gaat om het maken van een inschatting van de omzet van een actief en in dit geval een nieuwe platform
game. Dit kan de accountant uitvoeren door middel van een data-analyse op basis van bestaande historische
gegevens. Deze data-analyse is dus niet alleen relevant om iets te kunnen zeggen over de continuïteit en de
bedrijfsrisico’s van GamesF. De analyse is ook van extra toegevoegde waarde bij het controleren van de immateriële
vaste activa. Hierbij kan deels worden nagegaan of de ontwikkelingskosten voor de nieuwe game terecht zijn
geactiveerd of juist onterecht niet zijn geactiveerd.

De auditvraag dat in deze paper wordt beantwoord luidt als volgt:
“In hoeverre is de continuïteit van Games for the Future gewaarborgd?”

2.2 Achtergrond type uitgevoerde analyse
Binnen Data Analytics zijn veel verschillende soorten analyses mogelijk. Gartner maakt een onderscheid tussen vier
analyses, Descriptive Analytics, Diagnostic Analytics, Predictive Analytics en Prescriptive Analytics. Deze vier typen
analyses zijn gerelateerd aan elkaar omdat het opeenvolgende analyses van elkaar zijn. Je kunt het zien als stap één
tot en met vier tot het krijgen van een analyse waar weinig tot geen menselijk handelen heeft plaatsgevonden. Het
wordt dus per iedere stap steeds meer geautomatiseerd (De Jong, 2019). In figuur 1 wordt dit ‘Ascendancy Model’
van Gartner gevisualiseerd. Hieronder wordt een omschrijving gegeven van de viert typen analyses.

1. Descriptive Analytics:
Descriptive analytics betreft het analyseren van gegevens om te achterhalen wat er in het
verleden is gebeurd en/of wat er op dit moment gebeurt. Het betreft een grafische of
numerieke methode om datasets te onderzoeken op patronen en andere relaties te achterhalen.
Deze gegevens worden gevisualiseerd door middel van bijvoorbeeld staafdiagrammen, lijngrafieken,
tabellen, cirkeldiagrammen en etc. om de data op een begrijpelijke manier te presenteren
(Gartner, 2020; Bowerman, et al., 2019).

2. Diagnostic Analytics:
Diagnostic analytics wordt gebruikt om te achterhalen waarom hetgeen bij de descriptive analysis
is gebeurd. Deze vraag kan worden beantwoord door de aangetoonde afwijkingen uit de
descriptive analytics nader te onderzoeken. Hiervoor dienen de correlaties tussen verschillende
variabelen in de dataset geïdentificeerd te kijken of dit een causeel verband heeft (Gartner, 2020;
Vesset, 2018).

3

, Hoe kan het worden
mogelijk gemaakt?

Wat gaat er Prescriptive
gebeuren? Analytics
atie
alis
Waarom is het Predictive tim
gebeurd? Analytics Op n
zie
oruit
Waarde

Vo
Wat is er Diagnostic
gebeurd? Analytics
t
Descriptive ich
Inz
Analytics

raf
hte
rmatie Ac

Info
Moeilijkheid
Figuur 1: Ascendancy model Gartner (De jong, 2019)

3. Predictive Analytics:
Bij predictive analytics gaat door waar diagnostic analytics stopt, namelijk het voorspellen van
wat waarschijnlijk gaat gebeuren. Dit betreft een methode dat wordt gebruikt om de
waarden van een respons variabele (afhankelijke variabele (y)) te voorspellen op basis van één
of meerdere voorspellende variabelen (onafhankelijke variabele (x)). De meest gebruikte technieken
zijn regressieanalyses, het doen van prognoses en het vergelijken van patronen (Gartner, 2020;
Bowerman, et al., 2019).

4. Prescriptive Analytics:
Prescriptive analytics borduurt voort op de uitkomsten van predictive analytics. Het wordt
gebruikt om te achterhalen hoe hetgeen uit de predictive analysis mogelijk gemaakt kan worden.
Bij predictive analytics wordt een advies gegeven. Met behulp van prescriptive analytics wordt
dit advies omgezet in een concreet besluit en/of strategie. De meest voorkomende technieken bij
deze analyse zijn grafiekanalyses, simulaties, machine learning en complexe verwerking van
gebeurtenissen (Gartner, 2020; Bowerman, et al., 2019).

In sommige gevallen wordt ook nog een vijfde analyse toegevoegde, namelijk de Cognitive Analytics. Hier wordt het
advies uit de prescriptive analyses gelijk omgezet tot een geautomatiseerde handeling (Gudivada, Irfan, Fathi, &
Rao, 2016).

Ten behoeve van het vaststellen van de continuïteit van GamesF, is predictive analytics het meest van toepassing. De
basis voor deze analyse is een descriptive analytics, omdat het kan achterhalen wat er in het verleden is gebeurd.
Een diagnostic analyses wordt niet geraakt in deze analyse, omdat opzoekwordt gegaan naar welke game genre de
meeste omzet zou kunnen genereren. Hierbij wordt niet gekeken waarom dit bepaalde game genre de meeste omzet
zou kunnen genereren. Een prescriptive analysis of cognitive analysis is ook niet van toepassing op deze analyse. Het
is namelijk niet aan de accountant om een advies of besluit te nemen voor GamesF. De accountant kan met behulp
van deze analyse nagaan of de continuïteit gewaarborgd is en draagt bij aan het controleren van de geactiveerde
ontwikkelingskosten.

2.3 Beschrijving uitgevoerde analyse
De uitgevoerde analyse voor dit onderzoek betreft een regressieanalyse waarbij wordt gekeken naar de relatie tussen
twee variabelen, de afhankelijke variabele (y) en de onafhankelijke variabele (x). Middels een regressieanalyse kan de
omzet per jaar per game genre worden aangetoond. Hierdoor kan inzichtelijk worden gemaakt welke game genre de
meeste omzet heeft gegenereerd in het verleden (descriptive analytics). Op basis hiervan kan dan een voorspelling
worden gemaakt voor de hoeveelheid omzet per game genre in de toekomst (prescriptive analytics). Uiteraard ligt de
nadruk op de platform games, omdat GamesF bezig is met het ontwikkelen van zo’n type game. In het belang van
de risico-inschattingswerkzaamheden van de accountant is het noodzakelijk om ook de omzet van de andere game
genres in kaart te brengen.

4

The benefits of buying summaries with Stuvia:

Guaranteed quality through customer reviews

Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.

Quick and easy check-out

You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.

Focus on what matters

Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!

Frequently asked questions

What do I get when I buy this document?

You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.

Satisfaction guarantee: how does it work?

Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.

Who am I buying these notes from?

Stuvia is a marketplace, so you are not buying this document from us, but from seller 10a. Stuvia facilitates payment to the seller.

Will I be stuck with a subscription?

No, you only buy these notes for $6.66. You're not tied to anything after your purchase.

Can Stuvia be trusted?

4.6 stars on Google & Trustpilot (+1000 reviews)

66184 documents were sold in the last 30 days

Founded in 2010, the go-to place to buy study notes for 15 years now

Start selling