Data-analyse: Wetenschap of
Magie?
Voorspellingen van de marktwaarde van occasions
__________________________________________________________________________________
Naam:
Mail:
Studentnummer:
Opleiding: Master Accountancy
Vak: Data Science in Auditing
Opdrachtorganisatie: Nyenrode Business Universiteit
Docent-begeleider:
Datum:
Woorden excl. bijlagen: 4918
Voor de volledigheid. Dit paper dient slechts als voorbeeld. Plagiaat is academisch wangedrag.
,Inhoud
1.1 Inleiding........................................................................................................................................3
1.2 Auditcontext.................................................................................................................................3
1.3 Relevantie binnen de audit...........................................................................................................4
2. Theorie...............................................................................................................................................5
2.1 Het beoogde model......................................................................................................................5
2.2 Gartner Analytic Ascendancy Model.............................................................................................5
2.2.1 Descriptive Analytics..............................................................................................................6
2.2.2 Diagnostic Analytics...............................................................................................................6
2.2.3 Predictive Analytics................................................................................................................6
2.2.4 Prescriptive Analytics.............................................................................................................6
2.3 Wisdom Pyramid..........................................................................................................................6
2.4 V’s van Bigdata.............................................................................................................................7
2.5 Push left-principe..........................................................................................................................8
2.6 Audit Comfort Cycle......................................................................................................................9
3. Praktijk en dataset............................................................................................................................10
3.1 Dataset.......................................................................................................................................10
3.2 Gehanteerde variabelen.............................................................................................................10
3.2.1 Opschoning Dataset.............................................................................................................10
3.2.2 Opsporing outliers...............................................................................................................12
3.3 Descriptive variabelen................................................................................................................12
3.3.1 Numerieke descriptives.......................................................................................................13
3.3.2 Categoriale descriptives.......................................................................................................15
3.4 Bias, variance en de trade-off.....................................................................................................19
3.5 Risico’s van het model................................................................................................................19
4. Onderzoeksresultaten......................................................................................................................21
4.1 Trainen........................................................................................................................................21
4.2 Testen.........................................................................................................................................22
4.3 Conclusie....................................................................................................................................24
Geciteerde werken...............................................................................................................................25
Bijlagen.................................................................................................................................................25
Bijlage 1. Instellen R..........................................................................................................................25
Bijlage 2. Dataset opschonen............................................................................................................25
1
,Bijlage 3. Beoordelen dataset...........................................................................................................28
Bijlage 4. Beschrijvende statistiek – finale dataset...........................................................................31
4.1 Code........................................................................................................................................31
4.2 Beschrijvende statistiek (Freq tabellen)..................................................................................33
Bijlage 5. Trainen van het model......................................................................................................36
5.1 Diagnostische plot: eerste model...........................................................................................36
5.2 Diagnostische plot: Aangepast model.....................................................................................36
5.3 Code........................................................................................................................................36
Bijlage 6. Testen van het model........................................................................................................39
2
, 1.1 Inleiding
Ooit wel eens afgevraagd hoe de verkoopprijs van een occasion tot stand komt? Waarschijnlijk niet.
Nu denk je waarschijnlijk: “Dat is toch logisch? Het merk, het model, de kilometerstand en het
bouwjaar spelen een grote rol”. Dat is zeker juist, maar dan resteert nog de vraag wat de invloed
daarvan is op de prijs. Oldtimers en de zogenaamde “classic”cars lijken bijvoorbeeld met de tijd
alleen maar meer waard te worden, terwijl de verwachting is dat deze in prijs zouden dalen, omdat
de kilometerstand en de leeftijd toeneemt. Dieselauto’s waren van oudsher waardevast, maar
ondertussen gaat ook die vlieger ook meer op, vanwege de introductie van de elektrische auto’s en
het weren van diesels in de binnensteden. Er zijn dus veel facetten die (onbewust) gemoeid zijn met
de hoogte van de verkoopprijs, waardoor het (onbewust) een complexe berekening wordt.
Vanuit het perspectief van de accountant bekeken is het zodoende een lastige puzzel om de
volledigheid van de opbrengstverantwoording van occasions te controleren. Veel meer dan een
goederenbeweging en een marge-analyse op basis van subjectieve inkoopprijzen, wordt er in de
praktijk niet gedaan aan gegevensgerichte werkzaamheden.
In dit paper proberen we derhalve te achterhalen of, voor de accountant, data-analyse een bruikbaar
stuk gereedschap is dat ingezet kan worden als werkzaamheid.
1.2 Auditcontext
De wens is om middels data-analyse een model op te zetten om de marktwaarde van occasions te
proberen te voorspellen op basis van de bij de Rijksdienst voor het Wegverkeer (RDW) bekende
gegevens. In dit paper wordt bij de definitie van de marktwaarde aangesloten op de gegeven
definitie in het Besluit Actuele Waarde en deze luidt: “Het bedrag waarvoor een actief kan worden
verhandeld tussen ter zake goed geïnformeerde partijen, die tot een transactie bereid en
onafhankelijk van elkaar zijn.”
De voorspelling vanuit het model kan afgezet worden tegen de werkelijke gehanteerde
verkoopprijzen om de volledigheid van de opbrengstverantwoording van occasions te beoordelen.
Overigens, indien er sprake is van een flatterende tendentie kan het model tevens gehanteerd
worden om de juistheid van de omzet te beoordelen.
Aanvullend is de wens om zo min mogelijk variabelen te hanteren in het model vanwege de
uitlegbaarheid naar de klant toe en de efficiency. Op basis van deze doelstellingen zijn de volgende
twee auditvragen geformuleerd:
“Is het mogelijk de marktprijs van een occasion te controleren op basis van gegevens zoals bekend bij
de RDW?”
&
“Is het mogelijk de marktprijs van een occasion te controleren op basis van alleen de
kilometerstand?”
3
Magie?
Voorspellingen van de marktwaarde van occasions
__________________________________________________________________________________
Naam:
Mail:
Studentnummer:
Opleiding: Master Accountancy
Vak: Data Science in Auditing
Opdrachtorganisatie: Nyenrode Business Universiteit
Docent-begeleider:
Datum:
Woorden excl. bijlagen: 4918
Voor de volledigheid. Dit paper dient slechts als voorbeeld. Plagiaat is academisch wangedrag.
,Inhoud
1.1 Inleiding........................................................................................................................................3
1.2 Auditcontext.................................................................................................................................3
1.3 Relevantie binnen de audit...........................................................................................................4
2. Theorie...............................................................................................................................................5
2.1 Het beoogde model......................................................................................................................5
2.2 Gartner Analytic Ascendancy Model.............................................................................................5
2.2.1 Descriptive Analytics..............................................................................................................6
2.2.2 Diagnostic Analytics...............................................................................................................6
2.2.3 Predictive Analytics................................................................................................................6
2.2.4 Prescriptive Analytics.............................................................................................................6
2.3 Wisdom Pyramid..........................................................................................................................6
2.4 V’s van Bigdata.............................................................................................................................7
2.5 Push left-principe..........................................................................................................................8
2.6 Audit Comfort Cycle......................................................................................................................9
3. Praktijk en dataset............................................................................................................................10
3.1 Dataset.......................................................................................................................................10
3.2 Gehanteerde variabelen.............................................................................................................10
3.2.1 Opschoning Dataset.............................................................................................................10
3.2.2 Opsporing outliers...............................................................................................................12
3.3 Descriptive variabelen................................................................................................................12
3.3.1 Numerieke descriptives.......................................................................................................13
3.3.2 Categoriale descriptives.......................................................................................................15
3.4 Bias, variance en de trade-off.....................................................................................................19
3.5 Risico’s van het model................................................................................................................19
4. Onderzoeksresultaten......................................................................................................................21
4.1 Trainen........................................................................................................................................21
4.2 Testen.........................................................................................................................................22
4.3 Conclusie....................................................................................................................................24
Geciteerde werken...............................................................................................................................25
Bijlagen.................................................................................................................................................25
Bijlage 1. Instellen R..........................................................................................................................25
Bijlage 2. Dataset opschonen............................................................................................................25
1
,Bijlage 3. Beoordelen dataset...........................................................................................................28
Bijlage 4. Beschrijvende statistiek – finale dataset...........................................................................31
4.1 Code........................................................................................................................................31
4.2 Beschrijvende statistiek (Freq tabellen)..................................................................................33
Bijlage 5. Trainen van het model......................................................................................................36
5.1 Diagnostische plot: eerste model...........................................................................................36
5.2 Diagnostische plot: Aangepast model.....................................................................................36
5.3 Code........................................................................................................................................36
Bijlage 6. Testen van het model........................................................................................................39
2
, 1.1 Inleiding
Ooit wel eens afgevraagd hoe de verkoopprijs van een occasion tot stand komt? Waarschijnlijk niet.
Nu denk je waarschijnlijk: “Dat is toch logisch? Het merk, het model, de kilometerstand en het
bouwjaar spelen een grote rol”. Dat is zeker juist, maar dan resteert nog de vraag wat de invloed
daarvan is op de prijs. Oldtimers en de zogenaamde “classic”cars lijken bijvoorbeeld met de tijd
alleen maar meer waard te worden, terwijl de verwachting is dat deze in prijs zouden dalen, omdat
de kilometerstand en de leeftijd toeneemt. Dieselauto’s waren van oudsher waardevast, maar
ondertussen gaat ook die vlieger ook meer op, vanwege de introductie van de elektrische auto’s en
het weren van diesels in de binnensteden. Er zijn dus veel facetten die (onbewust) gemoeid zijn met
de hoogte van de verkoopprijs, waardoor het (onbewust) een complexe berekening wordt.
Vanuit het perspectief van de accountant bekeken is het zodoende een lastige puzzel om de
volledigheid van de opbrengstverantwoording van occasions te controleren. Veel meer dan een
goederenbeweging en een marge-analyse op basis van subjectieve inkoopprijzen, wordt er in de
praktijk niet gedaan aan gegevensgerichte werkzaamheden.
In dit paper proberen we derhalve te achterhalen of, voor de accountant, data-analyse een bruikbaar
stuk gereedschap is dat ingezet kan worden als werkzaamheid.
1.2 Auditcontext
De wens is om middels data-analyse een model op te zetten om de marktwaarde van occasions te
proberen te voorspellen op basis van de bij de Rijksdienst voor het Wegverkeer (RDW) bekende
gegevens. In dit paper wordt bij de definitie van de marktwaarde aangesloten op de gegeven
definitie in het Besluit Actuele Waarde en deze luidt: “Het bedrag waarvoor een actief kan worden
verhandeld tussen ter zake goed geïnformeerde partijen, die tot een transactie bereid en
onafhankelijk van elkaar zijn.”
De voorspelling vanuit het model kan afgezet worden tegen de werkelijke gehanteerde
verkoopprijzen om de volledigheid van de opbrengstverantwoording van occasions te beoordelen.
Overigens, indien er sprake is van een flatterende tendentie kan het model tevens gehanteerd
worden om de juistheid van de omzet te beoordelen.
Aanvullend is de wens om zo min mogelijk variabelen te hanteren in het model vanwege de
uitlegbaarheid naar de klant toe en de efficiency. Op basis van deze doelstellingen zijn de volgende
twee auditvragen geformuleerd:
“Is het mogelijk de marktprijs van een occasion te controleren op basis van gegevens zoals bekend bij
de RDW?”
&
“Is het mogelijk de marktprijs van een occasion te controleren op basis van alleen de
kilometerstand?”
3
