Zestawienie dokumentów potrzebnych do badania

Z reguły, przed wizytą wstępną oraz końcową, audytor, przekazuje klientowi zesawienie dokumentów niezbędnych do przeprowadzenia badania (po ang. client assistance schedule) to zreguły kilkaset dokumentów, rejestrów i uzgodnień. Dla celów edukacyjnych ograniczym się do najprostszych zestawień, które wygenerujemy sami.

My będziemy badać COCA COLA HBC POLSKA SP Z O O REGON: 012833736 NIP: 5242106963 KRS: 0000015664

Stąd w jestrze znajdziemy bilans CC za rok. 2020

Pobierzmy sprawozdanie

Skonwertujmy xml do xls i zaimportujmy bilans rachunek zysków i strat oraz politykę rachunkowości

# # Reading XML File
# # The xml file is read by R using the function xmlParse(). It is stored as a list in R.
# # Load the package required to read XML files. 
# library("XML") 
# # Also load the other required package.
#  library("methods") # Give the input file name to the function. 
# CC <- xmlParse(file = file.choose()) 
# 
# 
# # Convert the input xml file to a data frame.
# xmldataframe <- xmlToDataFrame(CC)
# print(xmldataframe)

Pobieramy bilans i rachunek wyników za 2021 r.

## Bilans
library(readxl)
CC_BS <- read_excel("Dane/CocaCola/FS_2021.xlsx",
sheet = "BS")

## RZiS
library(readxl)
PL <- read_excel("Dane/CocaCola/FS_2021.xlsx",
sheet = "PL")

## Polityka rachunkowości
library(readxl)
AP <- read_excel("Dane/CocaCola/FS_2021.xlsx",
sheet = "AP")

Wygenrujmy dane

Rynek bankowy w USA

bank <- read.csv(“Cw2/Bank.csv”)

Sprawozdanie finansowe Coca-cola

bilans <- PL<- InstantXBRL <-

Plan kont (ZPK)

library(readxl)
ZPK <- read_excel("Dane/ZPK_Excel.xlsx",col_types = c("numeric", "numeric", "text","text", "text"))

View(ZPK)

By to wszysko było powtarzalne set.seed(001) # just to make it reproducible

Obrotówka (traial balance)

Pola Nr, Konot_Nr, Konto_opis, O_Saldo_Wn O_Saldo_Ma Wn_Obrót Ma_Obrót C_Saldo_Wn C_Salo_Ma

set.seed(001) # just to make it reproducible
TB<- ZPK
Nr<- c(1:111) # generuję liczbę kont
BO<-runif(111, 0, 60000) # generuemy salda
Wn_OB<-runif(111,0, 17000) # obrót wnien
Ma_OB<-runif(111,0, 17000)
BZ<- BO+Wn_OB-Ma_OB
TB<-data.frame(Nr,ZPK,BO,Wn_OB,Ma_OB,BZ)

Dziennik (Journal)

Pola Nr_dz,Data, Opis, Konto_DR, Konto_Cr, Warosc

set.seed(001) # just to make it reproducible
Data1<- sample(seq(as.Date('2022/01/01'), as.Date('2022/12/31'), by="day"), 357) # generuję daty
Data<-rep(Data1, each=100)

  # wygenrowałem daty, na 35700 obserwacji i to będzie # wielkość resjetru śrdoków trwałych


# generuję pozostałe konta
Konto_DR<-rep(ZPK$Nr, each=322) 

# zanadmizuję cr
Konto_CR<-rep(ZPK$Nr, each=322)
set.seed(872436) 
Konto_CR<-sample(Konto_CR) # pierownie generował w tej samej sekwencji


Wartosc<- runif(325700, 0, 1000000)
Opis <- rep(ZPK$`Nazwa konta`, each=322)
Opis <- sample(Opis)

# nie mam dobrego słownika do opisów niech będzi to błąd do zidentyfikowania

# gneruje dziennik
Journal<-data.frame(Data,Konto_DR[1:35700],Konto_CR[1:35700],Wartosc[1:35700],Opis[1:35700])

# sorutuje po dacie
Journal<-Journal[order(Data),]




#sample(Date,12)
#x1 <- runif(1, 5.0, 7.5) - genrowanie wartości losowych z przediału

Rejestr WNP i ST

Pola Nr,Data_Wp,Data_Wyk,KST,GrBilansowa, Opis, StawkaAm, WarBrut, Umorzenie, Amortyzacja,

library(readxl)
#"Dane/FAR_RST_Final.xlsx"
FAR_RST_Final <- read_excel("Dane/FAR_RST_Final.xlsx",
col_types = c("numeric", "date", "text",
"text", "numeric", "skip", "numeric",
"numeric", "numeric", "numeric",
"numeric", "text"))

View(FAR_RST_Final)

Analityka kontrahenci

NrKont, Nazwa, Bo, Wn_Ob, Ma_Ob, Sal_Wn, Sal_Ma

# import debtor & creditor ledger
library(readxl)
Kontr <- read_excel("Dane/Kontr.xlsx")
View(Kontr)

Rachnunek

Nr, Data, Opis, Wn, Ma, Konto_odpbiorcy ## Rejestr umów ##

Zadania do samodzielnego wykonania

Wielka uciecha s. 130
Blue Caffee s. 146
Zastosowanie AI w rewizji finansowej s. 163

Do czytania:

@blokdijk2003, @dezoort2006, @martinov1998

CW. Dane

Piotr Staszkiewicz

19 11 2022