palestra usp - embedding d&a in accounting
TRANSCRIPT
PwC(DC0) Informação Pública
Agenda
1. O que é D&A? Por que?
2. Técnicas utilizadas
3. Casos práticos
3
julho 2016Congresso USP
PwC(DC0) Informação Pública
O que é Data & Analytics?
Forbes: “a collection of data from traditionaland digital sources inside and outside your
company that representes a source for ongoing discovery and analysis”.
4
julho 2016Congresso USP
PwC(DC0) Informação Pública
Visualização de dados exploratórios
Lançamentos contábeis – Livro Diário
10
julho 2016Congresso USP
PwC(DC0) Informação Pública
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
julho 2016Congresso USP
PwC(DC0) Informação Pública
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
acionistasAtividade Econômica
Capital SocialQuadro Societário
Input de CNPJ’s
14
julho 2016Congresso USP
PwC(DC0) Informação Pública
Modelagem geoespacial
Avaliação de fornecedores
15
julho 2016Congresso USP
PwC(DC0) Informação Pública
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
julho 2016Congresso USP
PwC(DC0) Informação Pública
Análise de regressão
Modelo preditivo de devoluções
17
julho 2016Congresso USP
PwC(DC0) Informação Pública
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
julho 2016Congresso USP
PwC(DC0) Informação Pública
Case 2 : Construindo modelo preditivo
y =4,489 + 0,1486x +/- 5,00R² = 0,9251
0
20
40
60
80
100
120
0 100 200 300 400 500 600 700 800
Dev
olu
ção
Vendas (R$)
19
julho 2016Congresso USP
PwC(DC0) Informação Pública
Case 2 : Construindo modelo preditivo
SUMMARY OUTPUT
Regression Statistics
Multiple R 0,964606837
R Square 0,930466351
Adjusted R Square 0,928636518
Standard Error 5,007524118
Observations 40
ANOVA
df SS MS F Significance F
Regression 1 12750,73868 12750,73868 508,4979963 1,33579E-23
Residual 38 952,8613162 25,07529779
Total 39 13703,6
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95,0% Upper 95,0%
Intercept 4,489486452 2,623893053 1,711002073 0,095233631 -0,82230733 9,801280235 -0,82230733 9,801280235
X Variable 1 0,148683483 0,006593532 22,54990014 1,33579E-23 0,135335576 0,162031391 0,135335576 0,162031391
-20
-10
0
10
20
0 200 400 600 800
Res
idu
als
X Variable 1
X Variable 1 Residual Plot
20
julho 2016Congresso USP
PwC(DC0) Informação Pública
Avaliação do comportamento das devoluções
Estudo de caso adaptado
22
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoFaturamento e devolução registrado
23
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoLinha do tempo (média de dias)
Pedido Venda
Emissão nota fiscal
ND
Expedição Devolução
0 7,5
7,5 38,7
46,2
Nota: para fins de cálculo consideramos a média ponderada pelo valor do documento de venda e devolução.
24
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoFaturamento(1) e devolução(2) ajustado
25
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoRelação das devoluções com demais variáveis de 9.180 clientes
Comentários: considerando as variáveis internas que foram disponibilizadas, conseguimos explicar 48% das causas que geram devolução, através do modelo supracitado. Existem variações externas e outras não sistêmicas (erro padrão) não capturadas neste modelo.
F(x) = -346,02 + 0,04339x +/- 24.309,21
Variável independente no modelo R2 R2 ajustado Erro padrão Correlação
Valor em R$ 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
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoModelo 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
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoAnálise 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
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoMotivos das devoluções
Total de Devoluções 2015 Pedido de compra Problemas fiscais Agendamento da entrega
2015
Total de Devoluções2016
Pedido de compra SEM INFORMAÇÃO Agendamento daentrega
Problemas fiscais Problemas na rota deentrega
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
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoAnálise 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$)
Pedidos de compra em duplicidade
Considerando o processo, sistemas e organização da área de vendas, pedidos em duplicidade não deveriam existir.
184 45.974,33
Preço da mercadoria em desacordo com o pedido
Considerando as interfaces sistêmicas e atual ERP, divergência de preço entre nota fiscal e pedido não deveriam ocorrer.
84 33.842,39
Recusa por falta de pedido de compra Avaliando que um pedido é inserido no sistema após a negociação
com o cliente, entendemos que todo pedido gerado pela área de vendas deveria estar aprovado pelo cliente.
570 102.287,71
Recusa por pedido de compra cancelado
796 281.043,33
Total 463.147,76
30
julho 2016Congresso USP
PwC(DC0) Informação Pública
Sumário executivoAnálise Benford
Comentários: considerando as 9.653 observações de devoluções no ano de 2016, aplicamos a Lei de Benford (primeiro dígito) para os valores registrados de devolução. Nos chamou a atenção o excesso de devoluções iniciadas com dígito 8, cujo Z-STAT foi de 19,5. Vide maiores detalhes no item detalhado 3.2
31
julho 2016Congresso USP
PwC(DC0) Informação Pública
3.2Análise Benford detalhada do dígito 8
Comentários: nos chamou a atenção os quatro pedidos inseridos pelo vendedor XYZ ao cliente xxxxxxxxxxxxxxxx, para os quais o cliente devolveu alegando duplicidade. Estas devoluções montam a ordem de R$ XXXX mil registradas no dia XX/XX/XXXX.
32
julho 2016Congresso USP
PwC(DC0) Informação Pública
Muito obrigado!
33
julho 2016Congresso USP
M: +55 (11) [email protected]@gmail.com
Ricardo Santana DinizPartnerData & Analytics