IDEA Caseware Python Dashboard

Ein modernes IDEA Python Dashboard ermöglicht interaktive, datengetriebene Prüfungsanalysen – vollständig offline, datenschutzkonform und direkt in CaseWare IDEA 12 und 13 nutzbar.

In diesem Beitrag zeige ich, wie sich mit Python und Plotly eine professionelle Audit Visualisierung umsetzen lässt – als:

  • Plotly IDEA 12 und 13 Lösung

  • browserbasierte PyScript-Version

  • vollständig isoliertes Offline Audit Dashboard

Warum ein IDEA Python Dashboard?

Klassische Excel-Analysen stoßen bei:

  • Millionen Buchungen

  • Vendor Concentration

  • Ausreißeranalysen

  • Periodenprüfungen

schnell an Grenzen.

Mit Plotly erhältst du:

✔ Interaktive Kreuzfilterung
✔ Mehrfachselektion (Lasso / Box)
✔ KPI-Neuberechnung in Echtzeit
✔ Drilldown bis auf Belegebene
✔ Export als revisionssichere HTML-Datei

Architekturvarianten

1️⃣ Plotly in IDEA 12 und 13

In IDEA 12 und 13 lässt sich Python direkt verwenden:

import pandas as pd
import plotly.express as px

df = pd.read_csv("buchungen.csv", sep=";")

fig = px.bar(
    df.groupby("lieferant")["betrag"].sum().reset_index(),
    x="betrag",
    y="lieferant",
    orientation="h",
    title="Top Lieferanten"
)

fig.write_html("audit_dashboard.html", include_plotlyjs="inline")
 

Vorteile:

  • vollständige Offline-Fähigkeit

  • keine Cloud

  • GoBD-konform archivierbar

2️⃣ Offline Audit Dashboard (100 % lokal)

Für maximale Datensicherheit wird Plotly vollständig inline eingebettet:

fig.write_html(
    "audit_dashboard.html",
    include_plotlyjs="inline",
    full_html=True
)

Kein CDN.
Kein externer Request.
Keine Datenübertragung.

Ideal für:

  • Banken

  • Behörden

  • Interne Revision

  • Prüfungsumgebungen mit Netzrestriktionen

 

3️⃣ PyScript im Browser

Mit PyScript läuft Python direkt im Browser:

<py-script>
import pandas as pd
import plotly.express as px

df = pd.read_csv("data.csv")
fig = px.histogram(df, x="betrag")
fig
</py-script>
 

Einsatzbereiche:

  • Online-Demo

  • Schulungen

  • Workshops

  • Mandantenpräsentationen

 

20 zentrale Visualisierungen im IDEA Python Dashboard

Die folgende Tabelle zeigt die wichtigsten Visualisierungen für eine professionelle Audit Visualisierung:

Visualisierung Prüfungszweck
Zeitreihe Perioden-/Cut-Off-Prüfung
Top-N Balken Vendor Concentration
Histogramm Verteilung / Häufungen
Boxplot Ausreißer je Lieferant
Heatmap Monat × Konto
Treemap Kontenhierarchie
Sankey Zahlungsflüsse
Waterfall Saldenbrücke
KPI Gauge Ausreißerquote
Tabelle Top 100 Detailprüfung

Diese lassen sich vollständig offline betreiben.

Kreuzfilterung im Offline Audit Dashboard

Beispiel: Vendor-Klick filtert Zeitreihe neu

barEl.on("plotly_click", function(ev){
    const vendor = ev.points[0].y;
    selectedVendors.add(vendor);
    rerender();
});

Monatsauswahl:

lineEl.on("plotly_click", function(ev){
    const month = normMonth(ev.points[0].x);
    selectedMonths.add(month);
    rerender();
});
 

Ergebnis:

  • KPIs passen sich an

  • Histogramm aktualisiert sich

  • Tabelle zeigt gefilterte Top-100

Datenschutz & Revisionssicherheit

Ein Offline Audit Dashboard bietet:

  • Keine Cloud

  • Keine externe JavaScript-Quelle

  • Keine CDN-Abhängigkeit

  • Archivierung als HTML

  • Versionierbarkeit

  • Reproduzierbarkeit

Das ist ein entscheidender Vorteil gegenüber klassischen BI-Lösungen.

Online-Demo

👉 Hier geht es zur Demo und Test mit eigenen Daten:
https://majo2000.bplaced.net/python/audit_plotly_dashboard.html

Dort kannst du:

  • Lieferanten selektieren

  • Monate filtern

  • KPIs live neu berechnen

  • Detailtabellen anzeigen

Fazit

Ein Plotly IDEA 12 und 13 Dashboard ist:

  • interaktiv

  • datenschutzkonform

  • offlinefähig

  • explorativ

  • revisionssicher

Es verbindet moderne Datenvisualisierung mit den Anforderungen der Wirtschaftsprüfung.

powered by social2s