Retsmedicinske revisorer kan bruge Excel til hurtigt at vade gennem hundreder af tusinder af poster for at finde mistænkelige transaktioner. I dette segment vil vi se på nogle af disse metoder.
Sag 1:
Leverandøradresser versus medarbejderadresser
Brug en MATCH-funktion til at sammenligne nummerdelen af dine medarbejderregistrerings gadeadresse med antallet af gadeadressen til dine leverandører. Er der nogen chance for, at nogle medarbejdere også sælger tjenester til virksomheden?
- Start med en liste over leverandører og en liste over medarbejdere.
- En formel som f.eks.
=LEFT(B2,7)Isolerer den numeriske del af gadenavnet og de første par bogstaver i gadenavnet.
- Opret en lignende formel for at isolere den samme del af leverandøradresserne.
- MATCH-funktionen søger efter adressedelen i C2 og prøver at finde en match i leverandørdelene i H2: H78. Hvis der findes et match, vil resultatet fortælle dig det relative række nummer, hvor matchet findes. Når der ikke findes nogen match, returneres # N / A.
- Eventuelle resultater i MATCH-kolonnen, der ikke er # N / A, er potentielle situationer, hvor en medarbejder også fakturerer virksomheden som leverandør. Sorter stigende efter MATCH-kolonnen, og eventuelle problemer registreres øverst.
Sag 2:
Usædvanlige svingninger i leverandørdatabasen
Et firma har 5000 leverandører. Vi bruger et spredningsdiagram til visuelt at finde de 20 leverandører, der skal revideres.
- Få en liste over leverandør-id, fakturaantal, samlet fakturabeløb i år.
- Få en liste over leverandør-id, antal fakturaer, samlet fakturabeløb for det foregående år.
- Brug VLOOKUP til at matche disse lister med fem kolonner med data:
- Tilføj nye kolonner til Count Delta og Amount Delta:
- Vælg dataene i H5: G5000. Indsæt et scatter-diagram (XY). De fleste af resultaterne klumpes i midten. Du er interesseret i outliers. Start med sælgerne i det indrammede område; de sendte færre fakturaer for langt flere samlede dollars:
Bemærk
For at finde den leverandør, der er tilknyttet et punkt, skal du holde markøren over punktet. Excel fortæller dig antallet af delta og mængden delta, der skal findes i det originale datasæt.
Sag 3:
Brug et drejetabel til at bore ned
I dette tilfælde ser vi på fakturaer og tilgodehavender. Gennem forskellige nedbrydninger af dataene, find ud af, hvilke to analytikere, der tilgodeses med kunder, bruger fredag eftermiddage i baren i stedet for at arbejde.
- Jeg startede med to datasæt. Den første er fakturdata, faktura, dato, kunde, beløb.
- De næste data er faktura, modtagelsesdato, modtaget beløb, udgående rep. Navn
- Beregn kolonnen dage til betaling. Dette er modtagelsesdato - fakturadato. Formater resultatet som et tal i stedet for en dato.
- Beregn ugedagen. Dette er
=TEXT(ReceiptDate,"dddd") - Vælg en celle i datasættet. Brug data - pivottabel (Excel 97-2003) eller Indsæt - pivottabel (Excel 2007)
- Den første pivottabel havde Days To Pay ned størrelsen. Højreklik på en værdi, og vælg Gruppe og Vis detaljer - Gruppe. Gruppér efter 30 dages spande.
- Flyt dage til betaling til kolonneområdet. Sæt kunder i rækkeområdet. Sæt indtægter i dataområdet. Du kan nu se, hvilke kunder der betaler langsomt.
- Fjern Days to Pay, og placer Weekday i kolonneområdet. Fjern kunde og læg Rep i rækkeområdet. Du kan nu se de modtagne beløb pr. Ugedag.
- Vælg en celle i dataområdet. Klik på knappen Markindstillinger (i pivottabelværktøjslinjen i Excel 97-2003 eller på fanen Indstillinger i Excel 2007).
- Klik på Mere i Excel 97-2003. I Excel 2007 skal du klikke på fanen Vis værdier som. Vælg% af række.
- Resultatet: Bob og Sonia ser ud til at behandle langt færre fakturaer på fredag end de andre. Kom forbi deres kontor fredag eftermiddag for at se om (a) de rent faktisk arbejder, og (b) hvis der er en bunke uforarbejdede checks, der hænger ud i deres skrivebordsskuffe indtil fredag.
