TFL Vsebine / Revija SIR*IUS

Data Analytics and External Auditing

Revizijska podatkovna analitika je opredeljena kot znanost in umetnost možnega, kadar gre za prepoznavanje in analiziranje vzorcev, odstopanj in nedoslednosti. Poenostavljeno gre za obdelavo ogromnih količin podatkov revidiranega podjetja, ki se analizirajo, modelirajo in vizualizirajo, vse z namenom, da se pridobijo v reviziji s podatkovno analitiko uporabne informacije. Uporabi se lahko pri različnih revizijskih postopkih (npr. pri oceni tveganja, preizkušanju notranjih kontrol, preizkušanju podatkov itd.). V prispevku je predstavljena podatkovna analitika, njene vrste in (možna) uporaba pri zunanjem revidiranju oziroma reviziji računovodskih izkazov ter nekaj zgledov. V podatkovni analitiki je več prednosti (npr. boljše razumevanje revidiranega podjetja, večja verjetnost zaznavanja pomembno napačnih navedb v računovodskih izkazih, boljše komuniciranje itd.) in slabosti (npr. problemi nepopolnega dostopa, nepopolnih podatkov, nerazumevanja izidov podatkovne analitike itd.). Pred revizijskimi podjetji pa je glede razvijanja in razvoja ter uporabe podatkovne analitike še več drugih izzivov.

Audit data analytics is defined as the science and art of discovering and analysing patterns, identifying anomalies, and inconsistencies. It encompasses the processing of huge quantities of auditee’s data, which is analysed, modelled, and visualized, all with the aim to obtain useful information with data analytics in an audit. Data analytics can be used to perform various audit procedures (i.e., risk assessment, test of internal controls, substantive procedures, etc.). The paper presents data analytics, giving its definition; various possible types of data analytics and its (possible) use in external auditing (that is in financial statements audit). Examples of how to use data analytics are also presented. Data analytics has several advantages (i.e., better understanding of the auditee, higher possibility of identifying material misstatements in financial statements, improved communication, etc.) and disadvantages (i.e., problems of incomplete access, incomplete data, misunderstanding of data analytics results, etc.). In addition, audit firms are faced with several other challenges in relation to research, development, and use of data analytics.