Mengintegrasikan Big Data dengan Audit Process

Big Data Analytics

Big data analytics atau analisis big data adalah proses pengujian set data yang besar untuk menemukan pola yang tersembunyi, korelasi yang tidak diketahui, tren pasar, preferensi pelanggan dan informasi bisnis lainnya yang berguna. Temuan analitis tersebut dapat membuat pemasaran menjadi lebih efektif, peluang pendapatan baru, layanan pelanggan yang lebih baik, meningkatkan efisiensi operasional, keunggulan kompetitif dan keuntungan bisnis lainnya.

"Developing a successful big data strategy for your business" atau dapat dikatakan mengembangkan strategi dalam mengelola bisnis. Jadi, dengan pengelolaan data yang baik perusahaan akan mampu untuk bersaing serta mengembangkan bisnis dalam industrinya.

Dampak big data juga telah merambah ke kehidupan sehari-hari, seperti hasil pencarian Internet khusus yang dihasilkan oleh umpan balik big data. Aplikasi big data yang efektif dapat memungkinkan organisasi mengidentifikasi hambatan umum, memahami perilaku pelanggan, dan meningkatkan kinerja. Cisco Systems menduga bahwa pada tahun 2020, jumlah perangkat cerdas yang terhubung ke Internet akan menjadi 37 miliar (Murali Nemani, "Cisco dan Verizon Menampilkan Pengalaman Olahragawan yang Tersambung," Cisco Blogs, 8 Januari 2013, cisco.com). 

Andrew Leonard telah meramalkan bahwa, "perusahaan-perusahaan yang mencari cara untuk menghasilkan data intelijen dari data itu akan tahu lebih banyak tentang kita daripada diri kita sendiri, dan akan mampu membuat teknik yang mendorong kita ke arah yang mereka inginkan, bukan ke tempat kita akan pergi sendiri jika dibiarkan menggunakan perangkat kita sendiri "("Bagaimana Netflix Mengubah Pemirsa menjadi Boneka, "Slate, 1 Februari 2013, salon.com).

Big data juga telah diadopsi dalam praktik akuntansi. Dengan teknologi identifikasi frekuensi radio (RFID), perusahaan dapat melacak produknya dari jalur perakitan melalui toko. Ini memungkinkan penyesuaian langsung pada inventaris, yang bertentangan dengan menggunakan asumsi dalam metode inventaris tradisional (mis., FIFO, LIFO). Penggunaan big data lainnya adalah pengukuran tidak berwujud. 

Jika data tentang kepuasan pelanggan dapat secara terus-menerus dikumpulkan dan dianalisis dari berbagai media dan platform sosial di seluruh dunia, sebuah perusahaan dapat memiliki bukti yang lebih andal dan tepat waktu tentang nilai pasar sejati yang tidak berwujud, yang tetap menjadi tugas yang menakutkan di bawah langkah-langkah akuntansi saat ini (Vasarhelyi, Kogan, dan Tuttle 2015).

Dengan adanya big data analytics, manfaat apa yang lantas diterima auditor?

Big data memberikan kontribusi penting di bidang audit. Ini berguna untuk auditor dengan meningkatkan kualitas bukti audit dan memfasilitasi pendeteksian kecurangan (Kyunghee Yoon, Lucas Hoogduin, dan Li Zhang, "Big Data sebagai Bukti Audit Pelengkap," Accounting Horizons, Juni 2015, aaajournals.org). 

Salah satu potensi penggunaan big data yang paling berguna adalah kemampuannya untuk menyediakan audit berbasis populasi, yang hasilnya harus menghasilkan bukti audit yang lebih relevan (Roshan Ramlukan, "Bagaimana Big Data dan Analytics Mengubah Audit," Financial Executive International) Setiap hari, 16 Desember 2015, financialexecutives.org). 

Misalnya, jika auditor memiliki akses ke catatan lengkap piutang klien, pemeriksaan menyeluruh (mis., Keberadaan, konfirmasi, koleksi) dapat dilakukan untuk mengurangi bias dari pengambilan sampel. Selain itu, volume tinggi seperti itu memungkinkan perusahaan audit untuk stratifikasi piutang berdasarkan variabel perbedaan (mis., Jumlah transaksi, waktu, lokasi) dan membuat perbandingan di seluruh kelompok yang bertingkat untuk menemukan pola dan memperoleh wawasan yang lebih bermakna.

Selain itu, big data dapat meningkatkan efisiensi analitisis data secara keseluruhan, termasuk analisis deskriptif, diagnostik, prediktif, dan preskriptif. Analisis ini dapat memberikan statistik deskriptif pada seluruh populasi, menawarkan bukti audit pada skala yang lebih besar dan lebih lengkap, membangun koneksi antara laporan keuangan dan operasi bisnis aktual, dan mengidentifikasi potensi tanda bahaya. 

Audit internal juga dapat memanfaatkan data besar dengan memanfaatkan informasi yang lebih tidak terstruktur dan nonkeuangan untuk mengendalikan risiko. Integrasi aktual data besar ke dalam audit masa depan akan membutuhkan pertimbangan lebih lanjut.

Mengintegrasikan Big Data Kedalam Audit

Sementara potensi big data mungkin sangat menarik bagi auditor, tetapi secara actual integrasi big data ke dalam audit belum cukuo matang. Terdapat beberapa elemen yang harus diperbaiki. Pertama, integrasi big data dimulai dengan kombinasi data tradisional dan big data. Kedua sumber ini sama pentingnya dengan prosedur audit, karena keduanya menyiratkan berbagai jenis informasi. 

Sementara data akuntansi tradisional sebagian besar kuantitatif dan terstruktur, big data juga mencakup data tidak terstruktur dan semi-terstruktur yang menawarkan lebih banyak bukti pendukung dan informasi rinci. 

Mengingat kompleksnya transaksi bisnis modern, auditor sering perlu mendapatkan berbagai jenis bukti. Yoon et al. berpendapat bahwa penambahan big data dapat meningkatkan kecukupan, keandalan, dan relevansi bukti audit, yang selanjutnya meningkatkan kualitas audit. 

Misalnya, dalam memverifikasi informasi pengiriman, dokumen pengiriman tradisional adalah bukti utama terjadinya. Data besar tambahan, seperti data GPS, dapat memberikan verifikasi yang lebih solid. Singkatnya, auditor pertama-tama harus mengidentifikasi big data yang berpotensi relevan dan berguna, kemudian mengumpulkan dan menggabungkan data.

Meskipun demikian, agregasi data pada tingkat ini menghadapi tantangan serius, sebagian besar karena ketidakcocokan data; big data tidak terstruktur dan tidak memiliki pengidentifikasi umum. Pertimbangkan skenario di mana auditor, dalam upaya memverifikasi pendapatan dari perusahaan energi, ingin menggabungkan rincian panggilan telepon dari setiap instalasi layanan dengan jumlah penjualan. 

Melakukan tugas ini membutuhkan pemahaman menyeluruh dari dua set data dan kompetensi yang memadai dalam pemrograman data, yang menunjuk ke dua komponen lain yang diperlukan dalam integrasi data besar: sumber daya manusia dan teknologi.

Masalah serius lainnya dengan masuknya data besar adalah keamanan terkait dengan penyimpanan data. Karena data besar agregat dapat mencakup informasi sensitif, menangani kerahasiaan penting bagi klien dan regulator. Mungkin juga menimbulkan kekhawatiran tentang independensi ketika auditor eksternal tahu terlalu banyak tentang klien mereka.

Elemen kedua dari menintegrasikan big data adalah proses pelatihan. Hasil akhir dari integrasi big data sebagian besar tergantung pada kompetensi orang yang mengelolanya.

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. 

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. 

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. 

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. 

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

Keandalan big data tetap menjadi perhatian; dengan demikian, penulis menganjurkan studi tentang teknik dalam ekstraksi big data dan penyimpanannya. Para peneliti juga mendorong penelitian tentang relevansi big data dalam menghasilkan bukti audit. Uraian dan standar yang lebih terperinci harus diberikan untuk mengklarifikasi apakah big data tertentu harus dimasukkan dalam bukti audit. Akhirnya, untuk meningkatkan kualitas audit, penulis percaya penting untuk menyelidiki bagaimana big data dapat memfasilitasi deteksi anomali akuntansi, salah saji material, dan fraud/kecurangan.

spa-febui.com
icca.co.id
cpajournal.com
Mark Van Rijmenam (2014). Think Bigger: Developing a Successful Big Data Strategy for your Business