Phân tích dữ liệu lớn (Big Data) trong kiểm toán BCTC

• Theo quy định trong Chuẩn mực kiểm toán Việt Nam VSA 200 và Chuẩn mực kiểm toán quốc tế IAS 200: “Mục đích của kiểm toán BCTC là làm tăng độ tin cậy của người sử dụng đối với BCTC, thông qua việc KTV đưa ra ý kiến về việc liệu BCTC có được lập, trên các khía cạnh trọng yếu, phù hợp với khuôn khổ về lập và trình bày BCTC được áp dụng hay không”. Theo đó, để có cơ sở đưa ra các ý kiến đánh giá này, KTV cần phải tìm hiểu về hệ thống kiểm soát nội bộ của đơn vị, trong đó quy trình và hệ thống thông tin mà đơn vị sử dụng là một nội dung quan trọng (VSA/ISA 315). Trong khi thực tế hiện nay, nhiều công ty hay tập đoàn lớn đã ứng dụng các tiến bộ kỹ thuật và có đầy đủ cơ sở hạ tầng để phát triển và xây dựng hệ thống big data giúp phân tích dữ liệu một cách hiệu quả phục vụ cho hoạt động sản xuất, kinh doanh và ra các quyết định kinh tế. Vì vậy, trong quá trình kiểm toán, các KTV và doanh nghiệp kiểm toán nếu muốn sử dụng, phân tích các bộ dữ liệu này của doanh nghiệp thì cần phải có những hiểu biết và kỹ năng cần thiết.
• Dữ liệu là trung tâm của kế toán, do đó big data có thể giúp kế toán mang lại nhiều giá trị hơn cho doanh nghiệp. KTV nội bộ hay độc lập cần đi đầu trong ứng dụng dữ liệu lớn vào thực tiễn nghề nghiệp. Có thể thấy rõ việc KTV vẫn đang thực hiện phân tích dữ liệu một cách truyền thống thông qua việc chọn mẫu trong hàng ngàn giao dịch có trong sổ kế toán. Mặc dù KTV vẫn sẽ thực hiện công việc chi tiết trên các mẫu dữ liệu nhỏ hơn, nhưng thủ tục phân tích cho phép họ xác định các ngoại lệ, bất thường và tập trung vào các khu vực có rủi ro lớn nhất. KTV cũng có thể sử dụng một loạt các công cụ phân tích để trực quan hóa dữ liệu, kết nối dữ liệu tài chính, phi tài chính và so sánh kết quả dự đoán với thực tế. Hơn nữa, các công cụ này có thể được sử dụng bởi KTV trong vai trò tư vấn, để giúp các doanh nghiệp lên kế hoạch kinh doanh hoặc hoạt động.
• Đối với ngành kiểm toán, nội dung của dữ liệu lớn đề cập đến việc thu thập nhiều loại dữ liệu, bao gồm sự kết hợp của dữ liệu tài chính và phi tài chính có cấu trúc truyền thống, dữ liệu logistic, dữ liệu cảm biến, email, các cuộc điện thoại, dữ liệu truyền thông xã hội, blogs, cũng như các dữ liệu nội bộ và bên ngoài. Dữ liệu lớn và phân tích dữ liệu có liên quan đến kiểm toán BCTC vừa là một thách thức lớn, nhưng cũng có khả năng tạo ra những giải pháp cho chính hoạt động này, đó là công nghệ mới.

2. Lợi ích và thách thức khi ứng dụng dữ liệu lớn và phân tích dữ liệu trong kiểm toán

2.1. Lợi ích

• Do khối lượng lớn và cơ sở thời gian thực, dữ liệu lớn có thể cho phép kiểm toán dựa trên tổng thể. Kiểm toán được chuyển đổi sẽ mở rộng ra ngoài kiểm toán dựa trên chọn mẫu, do đó kiểm toán chuyển đổi sẽ bao gồm phân tích toàn bộ dữ liệu liên quan đến kiểm toán (hoạt động giao dịch và dữ liệu tổng thể từ các quy trình kinh doanh chính), sử dụng phân tích thông minh để cung cấp bằng chứng kiểm toán với chất lượng cao hơn và thông tin chi tiết về doanh nghiệp phù hợp hơn. Dữ liệu lớn và phân tích dữ liệu cho phép KTV xác định BCTC, gian lận và rủi ro hoạt động kinh doanh tốt hơn. Từ đó, điều chỉnh cách tiếp cận của họ để thực hiện một cuộc kiểm toán phù hợp hơn.
• Một công dụng khác của dữ liệu lớn là nâng cao mức độ chính xác của dự đoán. Mối quan hệ giữa hai hoặc nhiều khoản mục tài chính có thể được xác định một cách đáng tin cậy hơn từ thông tin chi tiết, theo thời gian thực. Điều tương tự cũng áp dụng cho việc dự đoán mối quan hệ giữa tài chính của một công ty và mức trung bình của ngành. Dữ liệu lớn cũng sẽ giúp việc phát hiện gian lận hiệu quả hơn, bằng cách tạo ra các kết nối giữa thông tin tài chính và phi tài chính. Điều này đặc biệt liên quan đến việc giám sát quản lý và hội đồng quản trị.
• KTV có thể đưa ra tư vấn và giải quyết các vấn đề cho chính đơn vị được kiểm toán vượt trên khả năng hiện tại, bằng cách sử dụng dữ liệu phi tài chính và dữ liệu bên ngoài (dữ liệu nguồn nhân lực, dữ liệu khách hàng, dữ liệu thị trường…) để cung cấp thông tin cho cuộc kiểm toán. Bằng cách ứng dụng dữ liệu lớn, các dữ liệu phi tài chính có thể được sử dụng để xây dựng các mô hình có thể dự đoán các sự kiện trong tương lai, chẳng hạn như các lỗi hoặc sai phạm trong các báo cáo… Từ việc đưa ra các mô hình dự đoán, các KTV có thể đưa ra các kiến nghị, tư vấn cho đơn vị được kiểm toán, giúp đơn vị hoàn thiện cơ chế, chính sách hay khắc phục các vướng mắc, bất cập hiện tại.

2.2. Thách thức

• Việc đào tạo và tính chuyên môn hóa của KTV: với tốc độ gia tăng lượng lớn dữ liệu trong đó dữ liệu phi tài chính chiếm một con số đáng kể có thể lấn át khả năng xử lý thông tin của KTV. Các kỹ năng như nhận dạng mẫu và hiểu cách đánh giá sự bất thường theo truyền thống không phải là trọng tâm chính của việc đào tạo trong các công ty kiểm toán nữa, kỹ năng này thường có được qua nhiều năm kinh nghiệm nghề nghiệp. Thông thường, KTV mới tốt nghiệp các trường đại học được đánh giá sẽ​ thành thạo trong việc hiểu cách áp dụng các quy tắc kế toán và hiểu rủi ro kiểm toán liên quan đến các tài khoản cụ thể. Ví dụ, họ có thể biết được nguyên lý hạch toán một giao dịch bán hàng chưa thu tiền sẽ được hạch toán như thế nào và hiểu về khả năng doanh thu và các khoản phải thu bị khai khống như thế nào. Nhưng họ thường không được đào tạo để xem xét liệu bản thân các giao dịch đó có hợp lý không hoặc để xây dựng mô hình ước tính về doanh thu mà sau đó sẽ cho phép họ nhận ra khi nào có sự bất thường xảy ra, hoặc quan trọng hơn là làm thế nào để theo dõi sự bất thường một khi nó được phát hiện. Mối quan tâm của các nhà quản lý là việc KTV sẽ thiếu những kỹ năng cần thiết để áp dụng một cách phù hợp các kỹ thuật phân tích dữ liệu và các doanh nghiệp kiểm toán sẽ phải bắt đầu mở rộng dịch vụ tư vấn để thu hút và thuê các nhà khoa học dữ liệu với kỹ năng phân tích dữ liệu.
• Tính khả dụng, tính phù hợp và tính trung thực của nguồn dữ liệu: Nhiều khách hàng có thể thiếu khả năng thu thập dữ liệu theo cách hữu ích cho KTV hoặc dữ liệu khó có thể sử dụng được. Hơn nữa, dữ liệu có thể được thu thập bởi khách hàng, nhưng không rõ mức độ KTV được truy cập và khả năng chia sẻ từ khách hàng. Đây là một nhược điểm tiềm ẩn trong việc khai thác dữ liệu để phát hiện gian lận và có rất nhiều khách hàng không cho phép KTV truy cập trực tiếp vào cơ sở dữ liệu của họ. Vì dữ liệu lớn có thể đến từ cả nguồn bên trong và bên ngoài, do đó KTV cần phải đánh giá liệu dữ liệu có nguồn gốc từ một nguồn an toàn và liệu nó có thể bị giả mạo trước khi KTV thu thập được hay không.
• Kỳ vọng của các cơ quan quản lý và người sử dụng BCTC: Trong những năm qua, nghề kiểm toán đã giải quyết được khoảng cách kỳ vọng giữa sự trông đợi về kết quả và ý nghĩa kiểm toán của những người sử dụng với những chuẩn mực đòi hỏi KTV phải đáp ứng. Với khả năng kiểm toán tất cả các giao dịch, phân tích dữ liệu có thể làm trầm trọng hơn vấn đề về khoảng cách kỳ vọng. Có thể hội đồng quản trị và người sử dụng BCTC sẽ yêu cầu các KTV ở một tiêu chuẩn cao hơn về phát hiện gian lận và trách nhiệm pháp lý trong việc phát hiện các sai phạm của BCTC. Theo kiểm toán truyền thống, KTV có biện pháp bảo vệ cho những gian lận không được phát hiện nếu mẫu được chọn không có bằng chứng rõ ràng về gian lận. Với khai thác dữ liệu có thể coi tương đương với việc lấy mẫu 100%. Nếu bằng chứng không thể chối cãi đó nằm trong mẫu, nhưng KTV đã bỏ qua nó, thì các KTV không còn bảo vệ được mình theo như các biện pháp bảo vệ quá trình hành nghề như truyền thống nữa.

[Vị trí] Thực tập sinh
Dành cho các bạn mong muốn được học hỏi, tích lũy kinh nghiệm, trải nghiệm môi trường làm việc chuyên nghiệp và cơ hội được trở thành nhân viên chính thức tại AGS. Tìm hiểu ngay vị trí Thực tập sinh tại AGS bạn nhé!
 

3. Vận dụng hướng dẫn quốc tế vào phân tích dữ liệu trong kiểm toán báo cáo tài chính tại Việt Nam

• Để hỗ trợ KTV và doanh nghiệp kiểm toán tại Việt Nam thích nghi và tận dụng các cơ hội do sự thay đổi của môi trường công nghệ, nâng cao chất lượng kiểm toán, các tài liệu hướng dẫn chi tiết, cụ thể, phù hợp với VSA 520 là vấn đề cấp thiết. Tài liệu “Hướng dẫn kiểm toán số 13 - Phân tích dữ liệu trong kiểm toán BCTC” do ISCA và ACRA phối hợp biên soạn và ban hành tháng 8/2021 là tài liệu được đánh giá tương đồng với VSA, giúp KTV biết cách ứng dụng thủ tục phân tích trong nhiều tình huống, sử dụng linh hoạt cho nhiều mục đích để tăng cường chất lượng kiểm toán. Đồng thời, bản hướng dẫn này cũng có thể trở thành tài liệu đào tạo cho KTV và trợ lý kiểm toán, giúp tổ chức nghề nghiệp xây dựng các tài liệu chuyên môn hướng dẫn hội viên.
• Đặc điểm nổi bật và riêng biệt của bản hướng dẫn là các nội dung được thiết kế theo kết cấu của Chuẩn mực kiểm toán số 520 về phân tích dữ liệu và được thể hiện dưới các đoạn hướng dẫn giúp người đọc có được sự nhất quán về nội dung của hướng dẫn với chuẩn mực kiểm toán hiện hành. Đồng thời, các nội dung hướng dẫn trong các thủ tục đánh giá rủi ro và thử nghiệm cơ bản của cuộc kiểm toán đều được minh họa qua các ví dụ, tình huống cụ thể. Đặc biệt, trong bản hướng dẫn này đã hướng dẫn 5 bước cơ bản (Xác định mục tiêu và mục đích của phân tích dữ liệu, thiết kế việc phân tích dữ liệu, thu thập và tìm hiểu dữ liệu cơ bản, thực hiện phân tích dữ liệu, đánh giá kết quả phân tích dữ liệu), giúp KTV sử dụng phân tích dữ liệu trong việc lập kế hoạch, thực hiện và đánh giá kết quả phân tích dữ liệu được sử dụng trong các khía cạnh khác nhau của cuộc kiểm toán (thông qua thủ tục đánh giá rủi ro, thủ tục phân tích cơ bản và/hoặc kiểm tra chi tiết) được thể hiện qua hình dưới đây.

Nguồn: https://tapchicongthuong.vn/phan-tich-du-lieu-lon-trong-kiem-toan-bao-cao-tai-chinh-xu-the-cua-kiem-toan-viet-nam-103180.htm

Liên hệ dịch vụ
Công ty Dịch vụ kế toán Nhật Bản. Cung cấp Dịch vụ tư vấn đầu tư, Kế toán - Thuế, Kiểm toán. Nếu bạn có bất kì yêu cầu nào, vui lòng liên hệ với chúng tôi. Công ty chúng tôi luôn tìm kiếm cơ hội được làm việc với công ty bạn.