Palestra USP - embedding d&a in accounting

(DC0) Informação Pública
Congresso USP
Embedding Data & Analytics
in Accounting
www.pwc.com

Embedding Data &
Analytics in Accounting

PwC
Agenda
1. O que é D&A? Por que?
2. Técnicas utilizadas
3. Casos práticos
3
julho 2016Congresso USP

PwC
O que é Data & Analytics?
Forbes: “a collection of data from traditional
and digital sources inside and outside your
company that representes a source for
ongoing discovery and analysis”.
4

PwC
Por que Data & Analytics é importante?
5

PwC
Ciclo do Data & Analytics
8

PwC
Algumas técnicas analíticas
9

PwC
Visualização de dados exploratórios
Lançamentos contábeis – Livro Diário
10

PwC
11

PwC
Fusão de dados
Partes relacionadas
12

PwC
Temos fornecedores cujos sócios são membros próximos da
família de algum dos nossos executivos?
Utilizando modelos estatísticos e
inteligência de dados, é possível identificar
CPFs com vínculo familiar ao CPF alvo. Por
meio de inferência são identificados os parentes
nos níveis: pai, mãe, cônjuge, sogra, avó, tias,
irmãos, sobrinhos, primos, filhos e netos. Além
disso, com base no endereço do CPF de origem,
são identificadas outras pessoas que residem no
mesmo local.
13

PwC
Como capturar dados externos?
IP’s
Data
Robô acessa o Site para Consulta
Retorno das Informações
Enriquecimento da Base de Dados
Análise dos Dados
Resultados
RADA
Cotações realizadas com
diferentes fornecedores,
porém com os mesmos
acionistas
Atividade Econômica
Capital Social
Quadro Societário
Input de CNPJ’s
14

PwC
Modelagem geoespacial
Avaliação de fornecedores
15

PwC
Distribuição geográfica dos fornecedores
Faz sentido adquirir materiais
de escritório de fornecedores
situados há mais de 1.000 km
de distância de nossa sede?
16

PwC
Análise de regressão
Modelo preditivo de devoluções
17

PwC
Case 2 : Construindo modelo preditivo
Observação Venda Devolução
1 185 30
2 185 30
3 186 35
4 186 35
5 244 40
6 244 40
7 245 41
8 245
9 279
10 279 42
11 290 39
12 290 39
13 314 50
14 314 50
15 316
16 316
17 382 58
18 382 58
19 389 60
20 389
21 410
22 410 70
23 411 70
18

PwC
y =4,489 + 0,1486x +/- 5,00
R² = 0,9251
0
20
40
60
80
100
120
0 100 200 300 400 500 600 700 800
Devolução
Vendas (R$)
19

PwC
SUMMARY
OUTPUT
Regression Statistics
Multiple R 0,964606837
R Square 0,930466351
Adjusted R Square 0,928636518
Standard Error 5,007524118
Observations 40
ANOVA
df SS MS F Significance F
Regression 1 12750,73868 12750,73868 508,4979963 1,33579E-23
Residual 38 952,8613162 25,07529779
Total 39 13703,6
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 4,489486452 2,623893053 1,711002073 0,095233631 -0,82230733 9,801280235 -0,82230733 9,801280235
X Variable 1 0,148683483 0,006593532 22,54990014 1,33579E-23 0,135335576 0,162031391 0,135335576 0,162031391
-20
-10
0
10
20
0 200 400 600 800
Residuals
X Variable 1
X Variable 1 Residual Plot
20

PwC
21

PwC
Avaliação do comportamento das devoluções
Estudo de caso adaptado
22

PwC
Sumário executivo
Faturamento e devolução registrado
23

PwC
Sumário executivo
Linha do tempo (média de dias)
Pedido
Venda
Emissão
nota
fiscal
ND
Expedição Devolução
0 7,5
7,5 38,7
46,2
Nota: para fins de cálculo consideramos a média ponderada pelo valor do documento de venda e devolução.
24

PwC
Sumário executivo
Faturamento(1) e devolução(2) ajustado
25

PwC
Sumário executivo
Relação das devoluções com demais variáveis de 9.180 clientes
Comentários: considerando as variáveis internas que foram disponibilizadas, conseguimos explicar 48% das causas que geram devolução,
através do modelo supracitado. Existem variações externas e outras não sistêmicas (erro padrão) não capturadas neste modelo.
F(x) = -346,02 + 0,04339x +/- 24.309,21
Variável independente no modelo R2 R2 ajustado Erro padrão Correlação
Valor em R$ faturado a clientes 0,4843 0,4842 24.309,21 Alta
Quantidade de itens transportada 0,0630 0,0630 5.479,26 Muito Baixa
Tempo entre emissão de nota e expedição - - - Nenhuma
Distância percorrida até a entrega ND ND ND ND
Prazo de validade da mercadoria expedida - - - Nenhuma
Limite de crédito do cliente 0,0249 0,0248 33.429,44 Muito Baixa
Meta do vendedor ND ND ND ND
Tempo de relacionamento com o cliente 0,099 0,098 33.685,33 Muito Baixa
Atendimento parcial do pedido ND ND ND ND
Clientes com alertas (PEP, mídia, processos) - - - Nenhuma
26

PwC
Sumário executivo
Modelo preditivo – devoluções de maio
92.759.610
133.290.724
143.510.761
123.567.244 130.668.276
6,56% 3,48% 2,10% 1,73% 1,90%
jan/16 fev/16 mar/16 abr/16 mai/16
Faturamento Devolução
Mês Venda Devolução Devolução
(Estimada)
Jan 92.759.610 6.084.259
Fev 133.290.724 4.638.283
Mar 143.510.761 3.012.648
Abr 123.567.244 2.132.464
Maio 130.668.276 2.487.858
27

PwC
Sumário executivo
Análise de outliers
(200.000,00)
-
200.000,00
400.000,00
600.000,00
800.000,00
1.000.000,00
1.200.000,00
1.400.000,00
1.600.000,00
1.800.000,00
2.000.000,00
- 5.000.000,00 10.000.000,00 15.000.000,00 20.000.000,00 25.000.000,00
Comentários: observamos preliminarmente que há uma relação linear entre as vendas e as devoluções. Dessa forma, com base na observação
percebemos quatro clientes com alto desvio-padrão.
Nota: para a nossa análise, excluímos transações com partes relacionadas.
28

PwC
Sumário executivo
Motivos das devoluções
Total de Devoluções 2015 Pedido de compra Problemas fiscais Agendamento da entrega
2015
Total de Devoluções
2016
Pedido de compra SEM INFORMAÇÃO Agendamento da
entrega
Problemas fiscais Problemas na rota de
entrega
Outros
2016
Comentários: verificamos que o principal motivo das devoluções estão
relacionadas ao grupo pedido de compra, onde deparamos com as seguintes
causas:
• Pedido de compra em duplicidade;
• Divergência nas condições de pagamento;
• Quebra do pedido;
• Cliente acusa não ter solicitado o pedido;
• Pedido havia sido cancelado pelo cliente.
Comparando 2015 e 2016, notamos que este motivo representa mais de 60% das
razões.
Ressaltamos que em 2016 há um volume considerável de devolução sem
informações, além de perceber o aumento do motivo de problemas no
agendamento de entrega. Problemas fiscais houve uma melhoria considerável.
29

PwC
Sumário executivo
Análise de anomalias das devoluções e seus custos
Nota: para a nossa análise, entendemos como custo das anomalias o valor do frete para entrega da mercadoria.
Anomalias Justificativa Casos Custo (R$)
Pedidos de compra em
duplicidade
Considerando o processo, sistemas e organização da área de vendas,
pedidos em duplicidade não deveriam existir.
184 45.974,33
Preço da mercadoria em
desacordo com o pedido
Considerando as interfaces sistêmicas e atual ERP, divergência de
preço entre nota fiscal e pedido não deveriam ocorrer.
84 33.842,39
Recusa por falta de pedido
de compra Avaliando que um pedido é inserido no sistema após a negociação
com o cliente, entendemos que todo pedido gerado pela área de
vendas deveria estar aprovado pelo cliente.
570 102.287,71
Recusa por pedido de
compra cancelado
796 281.043,33
Total 463.147,76
30

PwC
Sumário executivo
Análise Benford
Comentários: considerando as 9.653 observações de devoluções no ano de 2016, aplicamos a Lei de Benford (primeiro dígito) para os valores
registrados de devolução. Nos chamou a atenção o excesso de devoluções iniciadas com dígito 8, cujo Z-STAT foi de 19,5. Vide maiores detalhes
no item detalhado 3.2
31

PwC
3.2
Análise Benford detalhada do dígito 8
Comentários: nos chamou a atenção os quatro pedidos inseridos pelo vendedor XYZ ao cliente xxxxxxxxxxxxxxxx, para os quais o cliente
devolveu alegando duplicidade. Estas devoluções montam a ordem de R$ XXXX mil registradas no dia XX/XX/XXXX.
32

PwC
Muito obrigado!
33
M: +55 (11) 98757-7646
ricardo.santana@pwc.com
santanapwc@gmail.com
Ricardo Santana Diniz
Partner
Data & Analytics

Palestra USP - embedding d&a in accounting

Recomendados

Recomendados

Mais conteúdo relacionado

Destaque

Destaque (14)

Semelhante a Palestra USP - embedding d&a in accounting

Semelhante a Palestra USP - embedding d&a in accounting (20)

Último

Último (20)

Palestra USP - embedding d&a in accounting