Bahkan dengan sistem otomatis, patut dipertanyakan apakah tenaga kerja akan berkurang secara signifikan, karena integrasi data besar akan menuntut keahlian yang lebih besar. Misalnya, seorang auditor yang biasanya memeriksa bukti audit tradisional mengenai inventaris sekarang harus mengumpulkan bukti relevan lainnya yang didukung oleh data besar dan menganalisanya. Oleh karena itu profesional audit mungkin perlu menjadi ahli di bidang audit dan teknologi informasi (TI).
Sementara itu, perekrutan dan pelatihan auditor yang sudah mahir dengan big data adalah tugas yang sulit. Universitas harus merancang pembelajaran akuntansi dengan fokus pada keterampilan data dan mendorong interaksi antara bidang akuntansi dan komputer.Â
Baik perusahaan auditor internal dan auditor eksternal, mereka harus merencanakan sesi pelatihan berkelanjutan yang meningkatkan pengetahuan dan keterampilan auditor dalam manajemen data. Mereka juga harus memungkinkan auditor untuk berputar melalui beberapa posisi dan menerima pelatihan lintas-departemen. Peran regulator juga penting di sini, karena standar baru tentang ujian profesional dapat mengubah konten pendidikan akuntansi.
Ada potensi besar untuk data big data untuk digunakan dalam prosedur analitis. Karena volume yang besar dan basis waktu nyata, big data dapat memungkinkan untuk audit berbasis populasi. Ini mungkin kontribusi yang paling signifikan; jika setiap analisis (mis., tren, rasio, perbandingan) dapat dilakukan pada tingkat populasi, itu menyisakan sangat sedikit ruang untuk risiko dan kesalahan.Â
Misalnya, setiap transaksi penjualan dapat dibandingkan dengan transaksi sebelumnya, baik dari klien yang sama dan dari entitas lain dalam periode yang sama, untuk mengidentifikasi anomali dalam data pendapatan. Analisis tren dan rasio juga dimungkinkan untuk transaksi individu.
Penggunaan big data lainnya adalah untuk meningkatkan tingkat akurasi prediksi. Hubungan antara dua item keuangan atau lebih dapat ditentukan secara andal dari informasi terperinci dan real-time. Hal yang sama juga berlaku untuk memprediksi hubungan antara rata-rata industri dan keuangan perusahaan.Â
Big data juga akan membuat deteksi fraud/kecurangan lebih efektif, dengan menghasilkan koneksi antara informasi keuangan dan nonkeuangan. Ini sangat relevan dengan pemantauan manajemen dan dewan direksi. Misalnya, email, panggilan telepon, dan rapat komite audit semuanya dapat dikumpulkan dan dianalisis untuk mengidentifikasi pola atau tautan potensial dengan data keuangan. Secara keseluruhan, model analitik efektif yang benar-benar dapat menangkap esensi data besar perlu dirancang.
Akhirnya, big data juga dapat diintegrasikan ke dalam audit di luar laporan keuangan. Contoh penting adalah audit hubungan bisnis eksternal (EBR). Sementara hubungan perusahaan dengan entitas eksternal (mis., Pemasok, distributor, mitra strategis) dapat menciptakan manfaat nyata dan tidak berwujud, EBR juga membawa risiko.Â
Misalnya, kerusakan reputasi pemasok dapat berpotensi membahayakan bisnis itu sendiri, dan setiap perselisihan mengenai biaya yang diberikan dapat menunda perolehan pendapatan. Big data memungkinkan auditor untuk mengumpulkan informasi tentang EBR klien, terutama di area berisiko yang tidak ditangkap oleh data akuntansi. Contohnya termasuk ulasan online atau laporan berita.
Ketika data akuntansi berkembang dari buku besar berbasis kertas ke transaksi yang direkam secara otomatis, teknologi yang menyertainya (mis., Quickbooks, Oracle) juga muncul dengan cepat untuk memfasilitasi transisi. Demikian pula, peralihan ke audit big data tidak dapat dicapai tanpa mencocokkan perangkat keras dan perangkat lunak, termasuk perangkat penyimpanan, desain data dan perangkat lunak pemrograman, dan alat analitis.
Pertimbangan Lebih Lanjut
