Apply big data analysis in substantive test in financial audit

 các khu này so với mô hình của 
kiểm toán viên sử dụng để dự đoán. Dựa trên 
việc thu thập bằng chứng thích hợp, kiểm toán 
viên kết luận rằng không có sự sai lệch trọng yếu 
nào về doanh thu cho thuê.
4. VẬN DỤNG PHÂN TÍCH DỮ LIỆU LỚN 
VÀO THỬ NGHIỆM CHI TIẾT
4.1. Định nghĩa thử nghiệm chi tiết
Thử nghiệm chi tiết (các nhóm giao dịch, 
số dư tài khoản và thuyết minh) là một loại thử 
nghiệm cơ bản. Nếu kiểm toán viên đã xác định 
rủi ro có sai sót trọng yếu đã được đánh giá ở cấp 
độ cơ sở dẫn liệu là rủi ro đáng kể thì kiểm toán 
viên phải thực hiện các thử nghiệm cơ bản để xử 
lý rủi ro này. Nếu chỉ thực hiện thử nghiệm cơ 
bản đối với một rủi ro đáng kể thì thử nghiệm cơ 
bản phải bao gồm kiểm tra chi tiết.
4.2. Trình tự khi thực hiện thử nghiệm chi tiết 
bằng phân tích dữ liệu lớn
Dưới đây năm bước cơ bản và các quy 
trình liên quan để sử dụng khi lập kế hoạch, thực 
hiện và đánh giá kết quả của một phép phân tích 
được sử dụng để thực hiện kiểm tra chi tiết.
Bước 1: Lập kế hoạch cho phép phân tích.
• Xác định các khoản mục, tài khoản, 
thuyết minh, và các cơ sở dẫn liệu liên quan, 
103
QUY NHON UNIVERSITY
SCIENCEJOURNAL OF
Journal of Science - Quy Nhon University, 2019, 13(6), 95-106
đồng thời xác định bản chất, thời gian và mức độ 
của tổng thể mà kiểm toán viên sẽ phân tích.
• Xác định mục đích chung của việc phân 
tích dữ liệu 
• Xác định các mục tiêu cụ thể của việc 
phân tích dữ liệu 
• Xác định tổng thể dữ liệu sẽ được phân 
tích hoặc kiểm tra, bao gồm cho mục đích lập 
kế hoạch, xem xét sơ bộ các vấn đề có thể ảnh 
hưởng đến sự liên quan, tính sẵn có và độ tin cậy 
của dữ liệu.
• Chọn phép phân tích dữ liệu phù hợp 
mục đích cũng như các kỹ thuật, công cụ, loại 
bảng biểu sẽ được sử dụng.
Bước 2: Truy cập và chuẩn bị dữ liệu cho 
phép phân tích.
Bước 3: Xem xét sự liên quan và độ tin 
cậy của dữ liệu được sử dụng.
Bước 4: Thực hiện phép phân tích.
• Nếu kết quả ban đầu của phép phân tích 
cho thấy việc thiết kế hoặc hiệu quả của nó cần 
phải được sửa đổi thì phải điều chỉnh lại và thực 
hiện lại phân tích.
• Nếu kiểm toán viên kết luận rằng phép 
phân tích đã được thiết kế và thực hiện phù hợp 
và phép phân tích đã xác định được các khoản 
mục cần được xem xét, thì việc lập kế hoạch và 
thực hiện các thủ tục bổ sung cho các khoản mục 
đó cần phù hợp với mục tiêu của phép phân tích. 
Bước 5: Đánh giá kết quả và kết luận về 
mục đích và mục tiêu cụ thể của việc thực hiện 
phép phân tích đã đạt được hay chưa.
Phép phân tích dữ liệu được sử dụng để 
thực hiện kiểm tra chi tiết có thể giúp kiểm toán 
viên xác định được sai sót. Sai sót này có thể 
cho thấy sự thiếu hụt của một kiểm soát có liên 
quan hoặc sự sai sót của một kiểm soát mà kiểm 
toán viên ý định tin tưởng vào. Một sai sót như 
vậy thường sẽ được coi là một sự thiếu sót trong 
kiểm soát nội bộ, mức độ nghiêm trọng của sai 
sót này sẽ yêu cầu sự đánh giá của kiểm toán 
viên. Khi đánh giá hiệu quả hoạt động của các 
kiểm soát có liên quan, kiểm toán viên cần đánh 
giá xem các sai sót đã được phát hiện bởi các thủ 
tục phân tích cơ bản cho thấy các kiểm soát có 
hoạt động hiệu quả hay không. Tuy nhiên, việc 
không có sai sót được phát hiện bởi các thủ tục 
cơ bản không cung cấp bằng chứng kiểm toán 
cho thấy các kiểm soát liên quan hoạt động có 
hiệu quả.
Một phép phân tích được thiết kế và thực 
hiện phù hợp có thể xác định được một số ít sai 
sót có thể xảy ra, tuy nhiên, trong nhiều trường 
hợp, số lượng sai sót có thể xảy ra sau khi kiểm 
tra chi tiết lại rất lớn. Trong những trường hợp 
như vậy kiểm toán viên cần đánh giá xem liệu 
phép phân tích đã được lên kế hoạch và thực 
hiện một cách thích hợp hay chưa, nếu chưa, 
phải thiết kế và thực hiện lại. Kiểm toán viên 
cũng có thể quyết định áp dụng cách phân nhóm 
và sàng lọc để giải quyết số lượng lớn các sai sót 
có thể được xác định. 
Xem xét một ví dụ đơn giản khi kiểm toán 
viên thiết kế và thực hiện một phép phân tích để 
kiểm tra chi tiết đối chiếu tiền mặt nhận được với 
hóa đơn. Đây là một trong số những thủ tục được 
sử dụng để cung cấp bằng chứng liên quan đến 
cơ sở dẫn liệu chính xác của doanh thu. Áp dụng 
kỹ thuật phân tích k-means clustering để phân 
cụm, kết quả phân tích xác định một số lượng 
lớn các sai sót có thể xảy ra, vì đã phát hiện một 
lượng lớn nghiệp vụ có số tiền và hóa đơn không 
khớp nhau. Đánh giá của kiểm toán viên về kết 
quả phân tích này đã chỉ ra rằng nhiều sai sót 
thuộc trong một cụm liên quan đến tiền mặt được 
ghi có vào tài khoản tạm thời (suspense account). 
Kiểm toán viên đã hỏi ban quản lý về cách họ 
dự định thực hiện để ghi đúng lại tài khoản này. 
Kiểm toán viên cũng sử dụng kỹ thuật phân 
tích clustering để phân cụm các mục trong tài 
khoản theo nguồn đăng và các thuộc tính thích 
hợp khác. Thông tin này sau đó đã được sử dụng 
để đánh giá việc xử lý các mục trong tài khoản 
tạm thời. Kết quả của phép phân tích cũng xác 
định ra các cụm sai sót tiềm năng khác mà kiểm 
toán viên đánh giá là không quan trọng. Kiểm 
toán viên xem xét các khía cạnh định tính về bản 
TRƯỜNG ĐẠI HỌC QUY NHƠN
KHOA HỌCTẠP CHÍ
104 Tạp chí Khoa học - Trường Đại học Quy Nhơn, 2019, 13(6), 95-106
chất của các hạng mục trong mỗi cụm và kết luận 
rằng không cần thực hiện thêm thủ tục nào liên 
quan đến các khoản mục trong các cụm này.
4.3. Minh họa trường hợp công ty thuộc lĩnh 
vực sản xuất
Đây là một minh họa về việc sử dụng phân 
tích dữ liệu lớn khi thực hiện quy trình kiểm tra 
ba bước: hóa đơn - phiếu nhập kho - giá niêm 
yết. Báo cáo tài chính đang được kiểm toán trong 
ví dụ này là của một nhà sản xuất đồ nội thất. 
Có khoảng 60.000 giao dịch bán hàng mỗi năm. 
Doanh nghiệp ghi nhận doanh thu khi chuyển 
giao hàng hóa cho khách hàng trên cơ sở FOB 
(khi quyền kiểm soát được chuyển cho khách 
hàng). Phép phân tích này là một thử nghiệm chi 
tiết để cung cấp bằng chứng về cơ sở dẫn liệu phát 
sinh và chính xác của các giao dịch bán hàng.
Công ty có hai loại sản phẩm chính: đồ 
nội thất gia đình được bán cho các nhà bán lẻ và 
đồ nội thất thương mại được bán cho các công 
ty để sử dụng riêng. Có 7 nhóm sản phẩm (ví 
dụ: ghế sô pha, ghế gỗ, bàn gỗ, bàn sô pha,...) 
và khoảng 80 loại sản phẩm cụ thể trong các 
nhóm sản phẩm. Các loại sản phẩm này mô tả 
đặc trưng cụ thể của một nhóm sản phẩm (ví dụ: 
ghế sô pha, ghế gỗ). Có hàng ngàn biến thể sản 
phẩm dựa trên sự kết hợp giữa vải, màu sắc và 
vật liệu. Mỗi kiểu cụ thể đều có mã số hàng hóa 
riêng (SKU – Stock Keeping Unit) và mỗi mã số 
có một mức giá riêng.
Chỉ có sáu khách hàng cao cấp có khối 
lượng đặt hàng mua nhiều mới được hưởng giảm 
giá. Mỗi đại lý bán hàng được ủy quyền giảm 
giá tùy ý cho các khách hàng cao cấp được chấp 
thuận trước lên tới 15% so với giá quy định trong 
bảng giá. Nếu giảm trên 15% thì yêu cầu thêm sự 
phê duyệt của phó tổng giám đốc.
v Lập kế hoạch cho phép phân tích
• Xác định khoản mục và cơ sở dẫn liệu 
liên quan
Các cơ sở dẫn liệu cần quan tâm là phát 
sinh và chính xác của doanh thu. Các loại sai sót 
có thể xảy ra bao gồm sai lệch doanh thu do sự 
khác biệt giữa các dữ liệu được sử dụng trong 
việc tạo hóa đơn bán hàng. Những dữ liệu này 
bao gồm loại sản phẩm, số lượng, giá cả và mức 
giảm giá, dữ liệu liên quan đến loại sản phẩm 
khách hàng đặt hàng và hạn mức giảm giá.
Phép phân tích này là một trong một số 
thủ tục được sử dụng để thu thập bằng chứng liên 
quan đến cơ sở dẫn liệu phát sinh và chính xác 
của doanh thu. Điều này bao gồm bằng chứng 
thu được từ các thử nghiệm kiểm soát có liên 
quan và bằng chứng từ các thử nghiệm cơ bản 
khác, chẳng hạn như xác nhận số dư khoản phải 
thu với khách hàng (bao gồm chi tiết hóa đơn).
• Xác định tổng thể dữ liệu cần kiểm tra
Kiểm toán viên đã quyết định rằng thủ 
tục kiểm tra chi tiết này sẽ tập trung vào việc so 
sánh sản phẩm và giá bán sản phẩm mà khách 
hàng đã đặt với hóa đơn liên quan và chứng từ 
vận chuyển do doanh nghiệp phát hành. Đơn đặt 
hàng của khách hàng là bằng chứng từ nguồn 
bên ngoài. Tuy nhiên, dữ liệu trong đơn đặt hàng 
của khách hàng đã được chuyển đến các tài liệu 
đặt hàng nội bộ để định dạng phù hợp với cơ sở 
dữ liệu của công ty.
Kiểm toán viên thu thập dữ liệu liên quan 
từ cơ sở dữ liệu của công ty. Dữ liệu được sử 
dụng bao gồm:
- Thông tin tài khoản khách hàng
- Thông tin đơn đặt hàng
- Thông tin sản phẩm được đặt
- Số lượng đặt hàng
- Giá bán của sản phẩm
- Thông tin đơn vận chuyển
- Thông tin sản phẩm được vận chuyển
- Số lượng sản phẩm vận chuyển
- Đơn vị vận chuyển
- Đơn giá vận chuyển
- Thông tin hóa đơn
- Thông tin sản phẩm trên hóa đơn
- Số tiền trên hóa đơn
- Tỷ lệ chiết khấu
- Ngày ghi sổ
105
QUY NHON UNIVERSITY
SCIENCEJOURNAL OF
Journal of Science - Quy Nhon University, 2019, 13(6), 95-106
Kiểm toán viên cũng sử dụng thêm các cơ 
sở dữ liệu khác của doanh nghiệp như các tập tin 
liên quan đến quá trình hợp đồng (liên kết các 
đơn đặt hàng của khách hàng với các đơn đặt 
hàng được chuẩn bị nội bộ) và bảng giá của từng 
loại sản phẩm.
• Xác định phép phân tích phù hợp
Kiểm toán viên đã quyết định thực hiện kỹ 
thuật xử lí dữ liệu lớn cây quyết định (decision 
tree) để kiểm tra các chi tiết xem thông tin trên 
các tài liệu hỗ trợ có khớp với nhau hay không, 
và nếu không khớp thì tổng sai lệch có vượt quá 
mức trọng yếu hay không. Điều này đòi hỏi thực 
hiện hai quy trình kiểm tra ba bước. Đối với mỗi 
giao dịch bán hàng trong năm được kiểm toán, 
thực hiện hai so sánh sau:
- Số lượng được bán theo hóa đơn bán 
hàng, chứng từ giao hàng và đơn đặt hàng nội bộ 
để xác định xem tất cả chúng có khớp không.
- Giá trên hóa đơn bán hàng, đơn đặt hàng 
hoặc tài liệu hỗ trợ tương tự và bảng giá chính 
của công ty để xác định xem tất cả chúng có 
khớp không.
v Chuẩn bị dữ liệu
Kiểm toán viên sử dụng một phép phân 
tích cây quyết định (decision tree) khác để kiểm 
tra tính liên tục của các đơn đặt hàng, hóa đơn 
và chứng từ vận chuyển và để xử lý các số còn 
thiếu. Phần mềm kiểm toán cũng được sử dụng 
để xác định và xử lý các tập tin không có dữ 
liệu hoặc dữ liệu được định dạng không phù hợp 
trước khi thực hiện phân tích dữ liệu trong kiểm 
tra chi tiết.
v Thực hiện phân tích và đánh giá kết quả
Biểu đồ 3. Kiểm tra ba bước về số lượng
Biểu đồ 4. Kiểm tra ba bước về giá bán
Kiểm toán viên thực hiện hai quy trình 
kiểm tra ba bước. Đối với phép so sánh về số 
lượng thì không phát hiện được sự không phù 
hợp nào. Điều này được thể hiện trong biểu đồ 
3. Số lượng sản phẩm được hiển thị trên trục 
tung, các dấu chấm màu khác nhau biểu hiện 
cho số lượng trên hóa đơn, số lượng trên đơn 
đặt hàng và số lượng được vận chuyển. Kết quả 
của phép so sánh cho thấy số lượng ở ba bên đều 
giống nhau. 
Trong biểu đồ 4, trục tung thể hiện giá 
bán sản phẩm. Các dấu chấm tương tự biểu đồ 
3 cũng được sử dụng để thể hiện giá bán sản 
phẩm trên hóa đơn, trên đơn đặt hàng và trên 
bảng giá. Ta thấy rằng các dấu chấm màu xanh 
dương (giá niêm yết trên bảng giá) nằm cao hơn 
các dấu chấm khác. Kiểm toán viên xử lí sự bất 
thường này bằng cách sử dụng một phép phân 
tích k-means clustering bổ sung để xác định xem 
sự không phù hợp này có phân tách theo các 
điểm đặc trưng nào hay không và có thể hiện 
một mô hình nào không, để giúp xác định các 
nguyên nhân có thể có. Ví dụ, kiểm toán viên dự 
đoán liệu sự chênh lệch này xảy ra vào một ngày 
cụ thể, trong một chuỗi ngày cụ thể hay liệu sự 
không phù hợp chỉ liên quan đến một số khách 
hàng hay không. Kiểm toán viên thu được bằng 
chứng từ phép phân tích bổ sung rằng sự không 
phù hợp này là do quá trình đối chiếu không 
được tính đến phần giảm giá. Sau đó, kiểm toán 
viên đã thiết kế lại phép phân tích để kiểm tra 
xem liệu có bất kỳ khách hàng nào, ngoài khách 
hàng cao cấp, có được giảm giá hay không và có 
bất kỳ khách hàng cao cấp nào có được giảm giá 
vượt quá 15% hay không. Sau khi thực hiện lại 
TRƯỜNG ĐẠI HỌC QUY NHƠN
KHOA HỌCTẠP CHÍ
106 Tạp chí Khoa học - Trường Đại học Quy Nhơn, 2019, 13(6), 95-106
phép phân tích thì không tìm ra được trường hợp 
nào như vậy.
Kiểm toán viên kết luận rằng quy trình lập 
hóa đơn của khách hàng về số lượng và giá cả là 
phù hợp với đơn đặt hàng của khách hàng, cung 
cấp bằng chứng về cơ sở dẫn liệu phát sinh và 
chính xác của các giao dịch bán hàng trong năm. 
5. KẾT LUẬN
Dữ liệu lớn vẫn là một chủ đề mới đối 
với các nhà nghiên cứu và nhà thực hành. Tuy 
nhiên, nó đã đem đến nhiều sự thay đổi ở nhiều 
thị trường. Phân tích dữ liệu lớn là một hành 
trình dài nhiều năm, nhiều giai đoạn. Điều quan 
trọng là phải có một tầm nhìn chiến lược, định 
hướng phù hợp để đáp ứng tốt với các yếu tố tiêu 
cực. Tang và Kostic (2017) cho rằng nghiên cứu 
trong một số cơ sở dữ liệu điện tử cho thấy tình 
trạng hiện tại của các nghiên cứu liên quan đến 
dữ liệu lớn và việc triển khai các quy trình kiểm 
toán theo dữ liệu lớn vẫn còn ở giai đoạn sơ khai. 
Các học giả vẫn đang nỗ lực để đạt được 
sự thống nhất trong việc xây dựng một khung 
lý thuyết cho phép thực hiện và ứng dụng thành 
công dữ liệu lớn. Trong khi đó, các báo cáo của 
các công ty kiểm toán thuộc Big 4 lại tập trung 
nhiều hơn vào tiềm năng gây gián đoạn của các 
công nghệ này đối với ngành kiểm toán và các 
ngành công nghiệp khác. Một điểm chung giữa 
những người hành nghề và các nhà nghiên cứu 
học thuật là họ đều nhận thức được về sự hiện 
diện của dữ liệu lớn và họ phản ứng với những 
phát triển mới bằng cách đầu tư nhiều nguồn lực 
hơn vào việc nghiên cứu chúng. Một dấu hiệu rõ 
ràng của xu hướng này là sự tăng vọt gần đây về 
số lượng ấn phẩm trong lĩnh vực này trong một 
khoảng thời gian rất ngắn, cụ thể là hai năm qua 
cho đến nay. Tuy nhiên, cả những người hành 
nghề và học giả vẫn còn nằm ở một khoảng cách 
khá xa so với đích đến là đưa ra những hướng 
dẫn cụ thể, rõ ràng trong việc áp dụng dữ liệu lớn 
vào ngành nghề của mình. Thực tế, các khách 
hàng lớn và có nhiều ứng dụng công nghệ tiên 
tiến như các quỹ đầu tư, các ngân hàng là những 
người đầu tiên sử dụng các công cụ phân tích 
dữ liệu lớn tiên tiến, và do đó, đây sẽ là động 
lực cho các công ty kiểm toán áp dụng các công 
nghệ này vào hoạt động kinh doanh của mình.
TÀI LIỆU THAM KHẢO
1. Mohanty, S., Jagadeesh, M., & Srivatsa, H. 
Big data imperatives: Enterprise ‘Big Data’ 
warehouse, ‘BI’ implementations and analytics, 
Apress, 2013.
2. American Institute of Certified Public 
Accountants (AICPA). Guide to audit data 
analytics, American Institute of Certified Public 
Accountants, 2017. 
3. Global Technology Audit Guide (GTAG). 
Understanding and Auditing Big Data, 2017.
4. Tang, X., & Kostic, N. The future of audit: 
Examining the opportunities and challenges 
stemming from the use of Big Data Analytics 
and Blockchain technology in audit practice, 
Working paper, 2017.