DIGITIZATION PROCESSES IN THE AFC FUNCTION
Instructional goals
Alla fine del corso, gli studenti saranno in grado di:
-comprendere le tecniche di data analytics e utilizzare le metodologie appropriate per la risoluzione di problemi di accounting.
-applicare le tecniche di data analytics all’analisi dati nel campo dell’audit e dell’accounting
-sviluppare semplici dashboard di data analytics e business intelligence.
-comprendere le base delle tecnologiedi robotics process automation.
-comprendere le basi dell’IA e machine learning e le sue principali applicazioni.
Intended learning outcomes
Conoscenza e comprensione:
lo studente avrà acquisito la conoscenza degli strumenti e dei metodi di analisidati e la relativa applicazione all’interno dei contesti aziendali.
Capacità di applicare conoscenza e comprensione:
lo studente avrà conseguito la capacità di analizzare il patrimonio informativo alla base dei principali processi aziendali e definire dei modelli di analisi all’interno di piattaforme di analytics per lo sviluppo di key performance indicators e key risk indicators.
Autonomia di giudizio:
lo studente avrà sviluppato la capacità di formulare giudizi critici circa l’applicazione delle tecnologie di analytics ai processi aziendali e alle funzioni AFC tramite l’analisi e la modellazione di key performance e key risk indicators.
Abilità comunicativa:
lo studente sarà in grado di sviluppare modalità comunicative di alto livello attraverso l’utilizzo di dashboard executive.
Capacità di apprendimento:
lo studente avrà acquisito la capacità di apprendimento necessaria alla prosecuzione e conclusione degli studi in autonomia.
Course Contents
-la trasformazione digitale nelle funzioni finance;
-sorgenti dato aziendali e sistemi a supporto delle funzioni AFC;
-data cleaning & preparation;
-data visualization;
-continuous auditing e continuous monitoring: gli strumenti di data analytics a supporto delle funzioni AFC per il monitoraggio dei processi finance;
-applicazione della robotics process automation nei financial services;
-l’evoluzione delle tecniche di data analytics nelle funzioni AFC;
-casi pratici.
Reference Books
Data Analytics for Accounting | J. Richardson, Ryan Teeter, K.L. Terrel | Editore McGraw-Hill Education (edizione 23 maggio 2018) | Lingua inglese
Teaching Methods
-Lezioni frontali.
-Laboratori pratici.
Assessment Method
La valutazione dello studente avverrà tramite:
-prova scritta d’esame, peso 100%.
Thesis assignment criteria
Attitudine alla ricerca.
Does the syllabus cover sustainability topics?
Sì
Week 1 Contenuto sessioni on line e on campus
La trasformazione digitale nelle funzioni finance:
-dagli strumenti di reporting alle soluzioni di predictive analytics.
- introduzione ai big data.
-panoramica degli strumenti di data analytics
-l’automazione dei processi finance attraverso la robotics process automation.
-introduzione ai concetti di process mining e blockchain.
Week 2 Contenuto sessioni on line e on campus
Sorgenti dato aziendali e Sistemi a supporto delle funzioni AFC:
-introduzione ai concetti di basi dato (Database, Datalake, Datawarehouse).
-i principali sistemi IT aziendali e l’evoluzione dei sistemi ERP (SAP).
-il Cloud come elemento abilitante dei processi di digital finance transformation.
-tecniche di data modeling dei processi finance (modelli relazionali vs no-relazionali).
-le basi dato a supporto dei principali sistemi IT aziendali.
-data model del sistema SAP.
Data Lab:
-modellazione di un processo aziendale con riferimento a uno use case in ambito AFC.
Week 3 Contenuto sessioni on line e on campus
Sorgenti dato aziendali e Sistemi a supporto delle funzioni AFC:
-introduzione ai concetti di basi dato (Database, Datalake, Datawarehouse).
-i principali sistemi IT aziendali e l’evoluzione dei sistemi ERP (SAP).
-il Cloud come elemento abilitante dei processi di digital finance transformation.
-tecniche di data modeling dei processi finance (modelli relazionali vs no-relazionali).
-le basi dato a supporto dei principali sistemi IT aziendali.
-data model del sistema SAP.
Data Lab:
-modellazione di un processo aziendale con riferimento a uno use case in ambito AFC.
Week 4 Contenuto sessioni on line e on campus
Data Cleaning & Preparation:
-introduzione alle tipologie di dato.
- l’interpretazione delle infromazioni aziendali attraverso le tabelle sorgenti del sistema SAP.
-tecniche di data cleaning and processing.
-introduzione ai processi di Extract, Transform & Load (ETL).
-tecniche e procedure di Data Quality.
-le principali issue in un processo di data quality e l’impatto sul reporting finanziario.
Data Lab:
-predisposizione di un processo di caricamento e trasformazione dei dati all’interno di uno strumento di Data Analytics.
-implementazione di un set di controlli di data quality sulle sorgenti dato analizzate.
Week 5 Contenuto sessioni on line e on campus
Data Visualization Modulo 1:
-i principali strumenti di data analytics in uso nelle realtà aziendali.
-tecniche di reporting e identificazione degli strumenti grafici rilevanti per le funzioni AFC.
-metodologie di identificazione delle tecniche di data visualization appropriate in ambito AFC.
-principi di visualizzazione dati.
-identificazione di dimensioni e misure nell’ambito della Data Visualization.
Week 6 Contenuto sessioni on line e on campus
Data Visualization Modulo 2:
-introduzione alle tecniche di data visualization avanzate.
-definizione e identificazione dei key performance indicator all’interno dei processi finance.
-dal disegno logico dei KPI all’implementazione in uno strumento di reporting.
-disegno logico e mockup di una dashboard attraverso scorecard di analisi e drill down di dettaglio.
Data Lab:
-realizzazione di una dashboard di data visualization tramite l’implementazione di opportuni KPI in ambito finance.
Week 7 Contenuto sessioni on line e on campus
Continuous Auditing e Continuous Monitoring: gli strumenti di Data Analytics a supporto delle funzioni AFC per il monitoraggio dei processi finance- Modulo 1
-key Risk Indicators: definizioni e differenze rispetto ai key performance Indicator.
-identificazione e modellazione di key risk Indicators nell’ambito dei processi finance.
-identificazione dei principali KRI in ambito AFC.
-modellazione dei KRI all’interno di un ERP aziendale (SAP).
-use case: disegno e modellazione di un panel di KRI in un’organizzazione internazionale.
Data Lab:
-disegno e modellazione di un panel di KRI su un processo aziendale target.
Week 8 Contenuto sessioni on line e on campus
Continuous Auditing e Continuous Monitoring: gli strumenti di Data Analytics a supporto delle funzioni AFC per il monitoraggio dei processi finance- Modulo 2
-tecniche di Continuos Auditing & Monitoring.
-financial Statement Analytics.
-implementazione dei KRI all’interno di uno strumento di Continuous Monitoring.
-identificazione ed interpretazione degli outliers.
-anomalie vs deviazioni.
-tecniche di fine tuning nell’ambito degli strumenti di Continuous Auditing & Monitoring.
-interpretazione dei risultati mediante tecniche Risk-Based.
-evoluzione delle metodologie di Internal Audit mediante l’utilizzo delle tecniche di Data Analytics.
-use case1: piattaforma di Contiuous Monitoring sul Ciclo Passivo per un’azienda italiana.
-use case 2: piattaforma di Continuous Auditing per un’azienda italiana.
Data Lab:
-implementazione di una piattaforma di continuous monitoring su un set predefinito di KRI.
Week 9 Contenuto sessioni on line e on campus
Continuous Auditing e Continuous Monitoring: gli strumenti di Data Analytics a supporto delle funzioni AFC per il monitoraggio dei processi finance- Modulo 2
-tecniche di continuos auditing & monitoring.
-financial statement analytics.
-implementazione dei KRI all’interno di uno strumento di continuous monitoring.
-identificazione ed interpretazione degli outliers.
-anomalie vs deviazioni.
-tecniche di fine tuning nell’ambito degli strumenti di continuous auditing & monitoring.
-interpretazione dei risultati mediante tecniche Risk-Based.
-evoluzione delle metodologie di internal audit mediante l’utilizzo delle tecniche di data analytics.
-use case1: piattaforma di contiuous monitoring sul ciclo passivo per un’azienda italiana.
-use case 2: piattaforma di continuous auditing per un’azienda italiana.
Data Lab:
-implementazione di una piattaforma di continuous monitoring su un set predefinito di KRI.
Week 10 Contenuto sessioni on line e on campus
Applicazione della Robotics Process Automation nei Financial Services:
-introduzione ai concetti di RPA.
-principali applicazione nei fianncial services.
-l’utilizzo dell’RPA a supporto delle funzioni di controllo interno.
-metodologia di sviluppo di una soluzione di RPA.
-costruzione del business case e metodologia di sviluppo.
-use case 1: RPA nell’esecuzione e monitoraggio delle attività di controllo.
-use case 2: automazione del processo di acquisizione e registrazione delle fatture passive.
Week 11 Contenuto sessioni on line e on campus
L’evoluzione delle tecniche di Data Analytics nelle funzioni AFC:
-i modelli previsionali a supporto dei processi finance.
-utilizzo delle tecniche di process mining per la modellazione dei processi di business e negli interventi di udit.
-sentiment analysis and marketing analytics.
-use case 1: utilizzo delle tecniche di predictive analytics nell’ambito del fast closing reporting.
-use case 2: applicazione della sentiment analysis in un contesto aziendale.
Week 12 Contenuto sessioni on line e on campus
Conclusione del corso:
-review del programma.
-esame.