English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Het in kaart brengen van opvallende transacties in het kader van de  accountantscontrole wordt vaak gedaan vanuit een traditionele benadering van een  kwalitatieve risicoanalyse en een kwantitatieve (data-)analyse gebaseerd op ervaringsregels.  Hierbij worden risico-indicatoren die niet betrokken zijn in voornoemde kwalitatieve  risico- en data-analyse buiten beschouwing gelaten. In dit artikel wordt  aangetoond dat ‘unsupervised’ zelflerende software op effectieve en efficiënte wijze  uitzonderingen op bestaande datastructuren in een grootboek in kaart brengt. De software  vormt een aanvulling op het pallet van oplossingen dat kan worden ingezet in het  kader van het voortdurend monitoren van de bedrijfsprocessen.

Zelflerende software detecteert opvallende transacties Onderzoek naar de mogelijkheden om concepten uit de kunstmatige intelligentie in te zetten voor analyse van financiële gegevens