This is the owner's authoritative product vision for Athena, pasted verbatim from their own research/drafting session. It supersedes/expands the narrower "4 ground-truth finding types" v1 scope drafted earlier — reconcile the two, don't silently keep the narrower scope.
Import from Exact/AFAS/Auditfile/Excel → full population analysis. Journal entry testing, duplicates, unusual booking dates, weekend postings, round amounts, unusual users, credit postings, revenue cut-off, margin analysis, debtor analysis and stratification.
| Onderdeel | Requirement | MoSCoW | |---|---|---| | Data-import | Import van Auditfile XML/XAF | Must | | Data-import | Import van Excel/CSV grootboekdata | Must | | Data-import | Automatische mapping van rekening, datum, bedrag, omschrijving, gebruiker, boekstuknummer | Must | | Data-import | Validatie dat totale debet = totale credit | Must | | Data-import | Reconciliatie geïmporteerd grootboek met saldibalans | Must | | Data-import | Directe koppeling met Exact Online | Should | | Data-import | Directe koppeling met AFAS | Should | | Data-import | Automatische herkenning van verschillende ERP-formaten | Could | | Data-import | Real-time synchronisatie met ERP | Won't — MVP | | Populatieanalyse | Analyse over 100% van de journaalposten | Must | | Populatieanalyse | Aantal boekingen, totaal debet/credit, periode en gebruikers tonen | Must | | Populatieanalyse | Filteren op periode, rekening, gebruiker, bedrag en boekingssoort | Must | | Journal Entry Testing | Detecteren van handmatige memoriaalboekingen | Must | | Journal Entry Testing | Boekingen buiten normale kantooruren detecteren | Must | | Journal Entry Testing | Weekendboekingen detecteren | Must | | Journal Entry Testing | Boekingen vlak voor/na jaareinde detecteren | Must | | Journal Entry Testing | Grote of ongebruikelijke boekingen detecteren | Must | | Journal Entry Testing | Boekingen door ongebruikelijke users detecteren | Must | | Journal Entry Testing | Boekingen door administrators/superusers herkennen | Should | | Journal Entry Testing | Boekingen op normaal weinig gebruikte grootboekrekeningen herkennen | Should | | Journal Entry Testing | Combinaties van meerdere risicofactoren herkennen | Must | | Journal Entry Testing | Iedere boeking automatisch een risk score geven | Must | | Journal Entry Testing | AI laten uitleggen waarom een boeking als risicovol wordt gezien | Must | | Doublures | Exact dubbele journaalposten herkennen | Must | | Doublures | Dubbele factuurnummers herkennen | Must | | Doublures | Zelfde bedrag + leverancier + datum signaleren | Should | | Doublures | Fuzzy matching op bijna-identieke boekingen | Should | | Ronde bedragen | Ronde bedragen zoals €1.000 / €10.000 herkennen | Must | | Ronde bedragen | Zelf instelbare grenzen voor ronde bedragen | Should | | Creditboekingen | Creditboekingen afzonderlijk analyseren | Must | | Creditboekingen | Ongebruikelijke credits op omzetrekeningen signaleren | Must | | Creditboekingen | Creditnota's na balansdatum koppelen aan omzet vóór balansdatum | Should | | Cut-off | Omzetboekingen rond balansdatum analyseren | Must | | Cut-off | Instelbaar venster, bijvoorbeeld ±5/10/15 dagen rond balansdatum | Must | | Cut-off | Boekingsdatum vergelijken met factuurdatum | Must | | Cut-off | Factuurdatum vergelijken met lever-/prestatiebewijs | Should | | Cut-off | AI automatisch verdachte cut-off posten laten selecteren | Should | | Omzetanalyse | Omzet per maand tonen | Must | | Omzetanalyse | Vergelijking met vorig jaar | Must | | Omzetanalyse | Ongebruikelijke omzetpieken detecteren | Must | | Omzetanalyse | Omzet per klant/product/vestiging analyseren | Should | | Omzetanalyse | Voorspellend model voor verwachte omzet | Could | | Margeanalyse | Brutomarge per maand analyseren | Must | | Margeanalyse | Vergelijking marge huidig jaar/vorig jaar | Must | | Margeanalyse | Afwijkende marges automatisch signaleren | Must | | Margeanalyse | Analyse per product/klant/vestiging | Should | | Debiteuren | Ouderdomsanalyse debiteuren | Must | | Debiteuren | Grote openstaande posten identificeren | Must | | Debiteuren | Negatieve debiteurensaldi herkennen | Must | | Debiteuren | Achterstallige posten signaleren | Must | | Debiteuren | Subsequent receipts koppelen aan openstaande posten | Should | | Debiteuren | AI-inschatting van voorziening dubieuze debiteuren | Could | | Stratificatie | Populatie opdelen naar bedragscategorie | Must | | Stratificatie | Top-X grootste posten tonen | Must | | Stratificatie | Selectie boven materialiteits-/samplinggrens | Must | | Stratificatie | Willekeurige steekproef uit resterende populatie | Should | | Stratificatie | MUS / monetary unit sampling | Should | | Risico-engine | Risicoregels centraal configureerbaar | Must | | Risico-engine | Low / Medium / High classificatie | Must | | Risico-engine | Gewicht per risicofactor instellen | Must | | Risico-engine | AI combineren met vaste auditregels | Must | | Risico-engine | Zelflerend model op basis van eerdere audits | Could | | Audit trail | Vastleggen welke data is geïmporteerd | Must | | Audit trail | Datum/tijd analyse vastleggen | Must | | Audit trail | Gebruikte filters en selectiecriteria vastleggen | Must | | Audit trail | Vastleggen welke gebruiker werkzaamheden uitvoerde/reviewde | Must | | Audit trail | Wijzigingen in analyses historisch bewaren | Must | | Audit trail | Analyse reproduceerbaar maken | Must | | Dossiervorming | Geselecteerde boekingen naar werkpapier sturen | Must | | Dossiervorming | Per geselecteerde post evidence uploaden | Must | | Dossiervorming | Accountant kan conclusie per post vastleggen | Must | | Dossiervorming | AI genereert conceptconclusie | Should | | Dossiervorming | Automatische koppeling aan risico/assertion | Must | | Dossiervorming | Reviewer kan opmerkingen plaatsen | Must | | Findings | Afwijking omzetten naar finding | Must | | Findings | Finding kwantificeren | Must | | Findings | Impact op auditrisico aangeven | Should | | Findings | Automatisch extrapoleren naar populatie | Should | | Findings | Automatische management letter tekst | Could | | Rapportage | Dashboard met belangrijkste uitzonderingen | Must | | Rapportage | Drill-down van KPI naar individuele journaalpost | Must | | Rapportage | Export naar Excel | Must | | Rapportage | Export van werkpapier naar PDF | Should | | Rapportage | Automatische audit memo genereren | Should | | AI | AI beschrijft waarom een uitzondering relevant is | Must | | AI | AI stelt vervolgstap voor | Should | | AI | AI koppelt bevinding aan relevante assertion | Must | | AI | AI maakt concept-dossiernotitie | Should | | AI | AI mag nooit zelfstandig een definitieve auditconclusie autoriseren | Must | | Security | Rollen: preparer / reviewer / manager / accountant | Must | | Security | Klantdata logisch gescheiden | Must | | Security | Encryptie van gegevens | Must | | Security | Logging van gebruikersactiviteiten | Must | | Security | MFA | Should | | Security | SSO Microsoft/Google | Could |
Don't build everything at once. The first version should be limited to this core flow:
Upload Auditfile/Excel → volledige populatie → JET → risicoscore → uitzonderingen → selectie → werkpapier → evidence → conclusie → review.
38.562 journaalposten geanalyseerd
- 312 High Risk
- 1.245 Round Amounts
- 256 Weekend Entries
- 87 Unusual Users
- 124 Potential Duplicates
- 98 Large Entries
- 210 Cut-off Exceptions
Clicking a category (e.g. "312 High Risk") drills down to the full underlying population.
Risk score: 92/100
Waarom geselecteerd
- Handmatige memoriaalboeking
- 31 december 23:48 geboekt
- €75.000 rond bedrag
- Geboekt door administrator
- Omzetrekening
- Post is 2,1 × performance materiality
AI recommendation: Select for testing — elevated management override and revenue recognition risk.
[ → Add to audit sample ]
Turn this MoSCoW list into a full software requirements document: each requirement gets a number (e.g. DA-001), a user story, acceptance criteria, and the exact screen it lives on. That SRS should be literal enough to hand to a developer with no further clarification needed.
Reacties