Ze roept dan ook op om je gewoon maar eens te verdiepen in zaken als algoritmes, machine learning en kunstmatige intelligentie. “Snuffel er eens aan. Experimenteer er eens mee. Je hoeft niet zelf te kunnen programmeren, want dat is best tijdsintensief. Maar je kunt wel de theoretische achterkant bestuderen. Zodat je weet hoe het werkt. Sta ervoor open.” Het eenvoudigste opstapje is de eigen boekhoudsoftware of het ERP-pakket, constateert de assistent-professor. “Daar zitten vaak al analysetools in waarmee je eenvoudig, zonder gegevens in de bronsystemen te veranderen, mee kunt spelen.”

Algoritme-aversie

Dat helpt om wat zij noemt algoritme-aversie tegen te gaan. “Onbekend maakt onbemind. Als je niet weet wat het is, is het moeilijk om het een plaats te geven in jouw wereld, in dit geval de financiële afdeling. Dan wordt het eng. Is de technologie wel te vertrouwen? Of meer zelfs: Pakt dit mijn baan af? Word ik verdrongen door technologie die mijn werkzaamheden overneemt? Daar kan ik controllers in geruststellen. Je werk verandert er wel door, maar technologie neemt je baan niet over. Het wordt wel makkelijker om vanuit verschillende ICT-bronsystemen data te halen en die data te analyseren. Die analyses kunnen zelfs voorschrijvend of voorspellend zijn.”

Computeranalyses accurater

Die analyses zijn vaak accurater dan die van mensen, constateert De Meyst. “Terwijl we als mens eerder geneigd zijn om naar andere mensen te luisteren, dan naar een computer. Een mens staat emotioneel gezien dichterbij ons. Is van vlees en bloed. Maar als je de voorspellende analyses bekijkt en vergelijkt met forecasts van mensen, dan kloppen de voorspellingen van computers beter. Dat blijkt keer op keer uit wetenschappelijk onderzoek. Simpelweg omdat computers meer data kunnen verstouwen. Ze kunnen putten uit bronnen die de mens niet tot zijn beschikking heeft. Daarnaast heeft de mens een bias, een vooringenomenheid. Je bent als mens eerder geneigd te kijken naar de zaken die je zelf belangrijk vindt of die je zelf belangrijk lijken.”

Wiskundige formule

Om alvast aan de kennis te werken: wat is een algoritme precies? De Meyst: “Steeds meer websites en apparaten om ons heen maken gebruik van algoritmes; van je favoriete zoekmachine tot je smart-tv. Met algoritmes wordt bepaald wat je ziet op sociale media en kunnen robots worden aangestuurd. Een algoritme is een wiskundige formule. Het is een instructie in programmeertaal, een stukje code, om een probleem om te lossen. Een wiskundige bedacht bijvoorbeeld een beroemde formule om de kortste afstand tussen punt A en B te berekenen. Die zien we nu terug als algoritme in ons navigatiesysteem. Op basis van een algoritme weet YouTube dat, wanneer jij veel kattenfilmpjes kijkt, het je meer kattenfilmpjes kan aanbevelen omdat je die waarschijnlijk leuk vindt. Waardoor je uiteindelijk meer tijd op het platform doorbrengt.”

“Als je weet wat technologie kan en niet kan, weet je ook wat jouw finance-afdeling en organisatie ermee kunnen.”

Term machine learning

Ook de term machine learning kan gedemystificeerd worden, stelt De Meyst. “Het gaat om patronen of afwijkingen die de computer kan vinden in een bak met data die ooit door de mens is gelabeld. Het zit daarmee eerder tegen statistiek aan. Omdat we tegenwoordig zoveel rekenkracht in computers hebben zitten, kun je zoeken in heel veel data oftewel big data. Zoveel data die wij als mens nooit kunnen doorgronden om dwarsverbanden te zien. Je kunt daarvoor een software-robot maken die je op pad stuurt door die data om een taak te verrichten. Op die manier kan je veel sneller inzichten verwerven.”

Sneller kanker herkennen

Een voorbeeld van machine learning is te vinden in het ziekenhuis van Alkmaar. Radiologen die gespecialiseerd zijn in longen en hersenen kijken naar foto’s op een scherm, eigenlijk dwarsdoorsnedes van hersenen en longen. Er zijn wel dertig tot veertig fotoslides per long of stel hersens. Ze ontvangen ook maar liefst dertig tot veertig patiënten op een dag. Op de fotoslides moeten ze plekjes herkennen, bijvoorbeeld van een bloedpropje in de hersens. Het is belangrijk dat ze dat goed doen, want het kan om iemand zijn leven gaan. Machine- learningtechnologie helpt hen daar nu bij. Radiologen hebben duizenden foto’s verzameld waarop ze cirkeltjes om de plekjes hebben gezet en die in de computer ingevoerd. Nu geeft de computer als het ware op basis van die input weer wat terug. Deze input helpt de radiologen met het snel herkennen van de plekjes. Het systeem zet er al cirkels om. De radioloog hoeft alleen nog zelf te kijken of de computer niet wat gemist heeft en interpretatie aan die vlekjes geven. In die zin is machine learning dus een hulptool.

Tijd besparen

Machine learning kan de controller tijd besparen door afwijkingen of patronen uit de data te halen. “Maar de verantwoordelijkheid blijft altijd bij de mens”, zegt De Meyst. “Die neemt vervolgens de beslissingen.” Dat dit soort technologie de finance-functie inkomt, is voor De Meyst een zekerheid. “Dit is nu al het geval. Diverse ERP-, boekhoud- en business intelligence-systemen hebben dit in meer of mindere mate in zich. Het moeilijke is soms wel dat organisaties meerdere van dit soort systemen hebben, waardoor je uit verschillende systemen je data moet halen. Meer en meer organisaties nemen daarom actie om hun systemen te centraliseren. Dat maakt het eenvoudiger om data te extraheren en te analyseren. Daar trainen we studenten ook in, zodat zij later dit soort data-analyses kunnen uitvoeren in de praktijk. Er zijn vier soorten data-analyse: descriptive analytics, diagnostic analytics, predictive analytics en prescriptive analytics". (zie kader)

Technologieën gemeengoed?

De Meyst werkt momenteel samen met de VRC aan een onderzoek naar de mate waarin registercontrollers digitalisering in hun functie aantreffen. Een willekeurige groep leden krijgt daar dit jaar een vragenlijst over of heeft deze al gekregen. “Dit onderzoek helpt ons om een beeld te krijgen in hoeverre de diverse technologieën in de finance-functie al gemeengoed zijn.” Haar beeld is dat andere accounting-disciplines, zoals auditing en financial accounting, tot nu toe al meer invloed ondervonden hebben van digitalisering dan management control. “In auditing blijkt bijvoorbeeld dat automated counting, het geautomatiseerd tellen van voorraden, veel accurater en minder tijdsintensief is dan traditionele methoden. Bij financial accounting is er veel aandacht voor geautomatiseerde vormen van externe rapportering. Ook accounting-onderzoek richt zich tot nu vooral op auditing en financial accounting. Met ons onderzoek willen we nu ook management control van dichtbij belichten. Op het gebied van onderwijs zijn we minder goed op de hoogte van de verspreiding en het gebruik van digitale toepassingen.”

Verbindende factor

De registercontroller is de verbindende factor tussen finance en de business. De Meyst: “Die kan op basis van de analyses managementteams in de business van advies voorzien. Maar ook data van de business gebruiken voor analyses. Vaak zijn ze bijvoorbeeld op marketingafdelingen al bezig om de effectiviteit van online advertenties te bekijken. Daar hebben ze soms zelfs data-analisten voor. Daar kun je je licht laten schijnen als controller om meer te weten te komen. Als je weet wat technologie kan en niet kan, weet je ook wat jouw finance-afdeling en organisatie ermee kunnen. Let wel, dat betekent niet dat je technologie moet implementeren omdat het cool of trendy is. Nee, het moet wel functioneel blijven. Welke vraag van de organisatie wil je beantwoorden met deze tools? Werken met data dwingt je om die vraag heel nauwkeurig te stellen. En welke technologie is dan het meest geschikt om de vraag te beantwoorden? Welke data moeten we dan tot onze beschikking hebben? Allemaal belangrijke vragen, maar dat algoritmes en machine learning van toegevoegde waarde kunnen zijn voor finance, daar ben ik van overtuigd. Het voordeel is dat je al snel de vruchten kunt plukken als je er kennis van hebt.”