Ứng dụng phân tích dữ liệu và dữ liệu lớn trong kiểm toán Báo cáo tài chính - Lợi ích và thách thức đối với các doanh nghiệp kiểm toán
Dữ liệu lớn (Big Data) và phân tích dữ liệu (Data Analytics) là chủ đề được nhắc
nhiều trong các lĩnh vực hiện nay. Những doanh nghiệp (DN) có chiến lược phát
triển vững mạnh như các tập đoàn kinh tế, các công ty lớn đều quan tâm triển khai
và áp dụng cho quy trình hoạt động của mình, và lĩnh vực kiểm toán cũng không
nằm ngoại lệ. Tuy nhiên, để áp dụng được chúng vào thực tiễn hoạt động thì cần
phải có sự cân nhắc và tính toán kỹ lưỡng những mặt tích cực và hạn chế tiềm ẩn
của dữ liệu lớn và phân tích dữ liệu. Trong bài viết, tác giả tổng quan một số đặc
điểm chính của việc ứng dụng phân tích dữ liệu và dữ liệu lớn trong kiểm toán báo
cáo tài chính (BCTC), đồng thời chỉ ra những lợi ích và những thách thức đối với
doanh nghiệp kiểm toán khi áp dụng. Qua đó, tác giả thảo luận các giải pháp nhằm
giảm thách thức khi áp dụng phân tích dữ liệu và dữ liệu lớn đối với các hãng kiểm
toán trong hoạt động kiểm toán BCTC hiện đại.
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Trang 10
Tải về để xem bản đầy đủ
Tóm tắt nội dung tài liệu: Ứng dụng phân tích dữ liệu và dữ liệu lớn trong kiểm toán Báo cáo tài chính - Lợi ích và thách thức đối với các doanh nghiệp kiểm toán
quá trình càng tốt và phân loại các bất thường thành các nhóm có thể quản lý để KTV có thể áp dụng các xét đoán trong việc giải quyết các bất thường được phát hiện đó một cách hiệu quả. KTV cần phải có sự hiểu biết sâu sắc về hệ thống kế toán của khách hàng để có thể đánh giá một cách phù hợp. Ngoài ra, các công ty kiểm toán cũng cần phải để ý các trường hợp được gọi là “dương tính giả” (ví dụ, công cụ DA phát hiện ra những bất thường nhưng đó lại là những giao dịch hợp lý) và vẫn phải xem liệu các công cụ tự động có thể loại bỏ các kết quả “dương tính giả” hoặc giảm chúng xuống đến mức có thể quản lý được. Và nếu quá NGUYỄN THỊ THANH MAI Số 218- Tháng 7. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 79 nhiều “dương tính giả” như vậy sẽ khiến KTV dành nhiều sự tập trung vào những khu vực mà cuối cùng lại không có rủi ro chứa đựng sai phạm trọng yếu, và điều này làm giảm tính hiệu quả, hiệu năng của cuộc kiểm toán. Thách thức thứ hai tập trung vào tính khả dụng của nguồn dữ liệu, quyền sở hữu dữ liệu và tính trung thực của 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. Thách thức thứ ba liên quan đến cách DA được các nhà đầu tư và cơ quan quản lý xem xét như thế nào. 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. Khoảng cách về kỳ vọng xảy ra khi người dùng tin rằng KTV đảm bảo rằng BCTC được trình bày trung thực hợp lý về mọi mặt, nhưng trong thực tế, KTV chỉ cung cấp một mức độ đảm bảo hợp lý dựa trên cơ sở chọn mẫu các giao dịch để kiểm tra thử nghiệm. Với khả năng kiểm toán tất cả các giao dịch, DA 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. Ngoài ra, việc tập trung DA vào thông tin phi tài chính, các nhà quản lý e ngại đến khả năng mà KTV có thể ít tập trung vào việc kiểm toán cho khách hàng của họ mà lại tập trung nhiều sự chú ý vào việc cung cấp dịch vụ phi kiểm toán. Cuối cùng, các chuẩn mực kiểm toán hiện tại chưa được thiết lập để tính đến cách tiếp cận dựa vào DA trong quá trình kiểm toán, và những người xây dựng chuẩn mực sẽ phải xem xét các chuẩn mực phù hợp với các phương pháp mới này, ví dụ các chuẩn mực mà KTV dựa vào để đưa ra kết luận dựa trên chọn mẫu để thu thập bằng chứng phải thay đổi đáng kể để phù hợp với kiểm tra 100% giao dịch, hoặc các chuẩn mực phải được viết để tập trung vào kiểm tra tính chính trực, trung thực của dữ liệu. 4. Những vấn đề cần thảo luận Trên đây là một số lợi ích và thách thức của việc áp dụng DA và dữ liệu lớn trong kiểm toán BCTC. Những lợi ích chính là những triển vọng tích cực để cải thiện đáng kể chất lượng kiểm toán thông qua việc áp dụng DA và dữ liệu lớn, nhưng thách thức cũng là những rào cản. Tuy nhiên, việc áp dụng DA trong kiểm toán ngày càng gia tăng thể hiện vai trò và nhu cầu của nó. Các DN đang đầu tư vào dữ liệu lớn để cải Ứng dụng phân tích dữ liệu và dữ liệu lớn trong kiểm toán báo cáo tài chính - lợi ích và thách thức đối với các doanh nghiệp kiểm toán Tạp chí Khoa học & Đào tạo Ngân hàng- Số 218- Tháng 7. 202080 thiện việc đưa ra quyết định của riêng họ và họ hy vọng các KTV có thể tận dụng dữ liệu lớn để cải thiện tính hiệu lực và hiệu quả của kiểm toán. Do vậy để đối mặt với những thách thức, các vấn đề cần đưa ra thảo luận như sau: 4.1. Chất lượng nguồn nhân lực kiểm toán Việc đào tạo sinh viên, những người sẽ tham gia vào hoạt động kiểm toán, và cung cấp cho các KTV hiện hành những kỹ năng mở rộng để có thể thực hiện được DA một cách hiệu quả là một cách có thể góp phần giải quyết khoảng cách kỹ năng và thách thức chuyên môn liên quan đến ứng dụng dữ liệu lớn và DA trong kiểm toán. Cũng như nhiều cuộc họp, hội thảo được diễn ra thì các chuyên gia, các nhà nghiên cứu đều nhất trí với thông điệp rằng các chương trình đào tạo kế toán cần được tập trung nhiều hơn vào việc đào tạo sinh viên kỹ năng nghiên cứu và khoa học về dữ liệu, như thống kê, các công cụ trực quan dữ liệu Đối với các kỹ năng cao hơn như nhận diện mẫu, tư duy phản biện và tăng cường đào tạo về quy trình phân tích nên được khuyến khích ở mức độ như nhau. Hiện nay, các hãng kiểm toán lớn trên thế giới cũng đã có những đầu tư đáng kể vào phát triển các công cụ giúp KTV làm việc với các dữ liệu lớn mà không cần phải tự lập trình, vì vậy các chương trình đào tạo nên tập trung sâu hơn vào việc đảm bảo sinh viên có thể hiểu được mối quan hệ giữa BCTC, quy trình kinh doanh và các yếu tố bên ngoài gây rủi ro kinh doanh cho đơn vị. Sinh viên cũng cần phải hiểu làm thế nào các mẫu thông tin tài chính có thể “kể câu chuyện” về hoạt động của DN. Sự hiểu biết sâu sắc không chỉ kế toán diễn ra như thế nào mà còn hiểu tại sao lại diễn ra như vậy sẽ giúp cho KTV sẽ phân tích tốt hơn dã liệu được cung cấp thông qua trực quan hóa và phát triển mạnh trong môi trường dữ liệu lớn. Trên thế giới, nhiều chương trình của các trường đại học đã phát triển để trang bị cho sinh viên những kỹ năng về DA và dữ liệu lớn để có đầy đủ hơn năng lực chuyên môn cũng như kỹ năng cần thiết trong bối cảnh mới. Ví dụ, tại cuộc họp thường niên của Hiệp hội Kế toán Hoa Kỳ (AAA) vào tháng 8/2014 đã diễn ra hội thảo được đồng tài trợ bởi PricewaterhouseCoopers và Đại học Illinois đã được tổ chức để thảo luận về các chương trình giảng dạy kế toán phải thích ứng để kết hợp nhiều khóa học DA (PwC, 2015). Thông điệp của hội thảo này là để sinh viên có thể cạnh tranh cả trong nghề nghiệp sau khi ra trường, họ phải học cách trở thành nhà khoa học dữ liệu. Big Data được coi là làn sóng của tương lai trong kinh doanh và bất kỳ tổ chức nào bị tụt hậu trong quá trình phát triển những ứng dụng này có thể sẽ tụt hậu so với các đối thủ cạnh tranh và có thể gặp hậu quả nghiêm trọng đến hoạt động trong tương lai với những khách hàng lớn, tiềm năng. 4.2. Hỗ trợ cho các doanh nghiệp kiểm toán ứng dụng phân tích dữ liệu và dữ liệu lớn trong thực tiễn nghề nghiệp Các nhà phân tích, nhà quản lý về lĩnh vực kế toán- kiểm toán, các tổ chức quốc tế, hiệp hội và các hãng kiểm toán đều đồng ý rằng thách thức về sự phát triển của dữ liệu lớn cũng là một cơ hội để cải thiện hiệu quả và phân bổ nguồn lực trong hoạt động kế toán, kiểm toán (ICAEW, 2019). Về quan điểm này, cần nhấn mạnh đến giai đoạn thực hiện mà các kỹ thuật này được phát hiện ra dựa trên những DA ở quy mô lớn và quy trình thông tin để hiểu được con đường cần thực hiện và khả năng trong tương lai mở ra cho nghề nghiệp kiểm toán. Theo quan điểm của thách thức này, chúng ta có thể phân biệt các NGUYỄN THỊ THANH MAI Số 218- Tháng 7. 2020- Tạp chí Khoa học & Đào tạo Ngân hàng 81 tác động có thể thấy trước được phụ thuộc vào loại hình hoặc cấu trúc của các hãng kiểm toán. Do đó, các hãng có quy mô lớn sẽ không có khó khăn đối với việc sử dụng DA trong các ứng dụng quản lý của khách hàng của họ vì đôi khi họ có thể sử dụng những hệ thống này trong một số cuộc kiểm toán có doanh thu cao và quy mô của các công ty mà họ kiểm toán, do đó họ sẽ có thể làm cho việc triển khai hệ thống ứng dụng và phân tích có lợi nhuận dễ dàng hơn. Tuy nhiên, đối với các hãng kiểm toán nhỏ hơn, chúng ta tìm thấy một kịch bản khác, vì một công ty duy nhất sẽ gặp khó khăn trong việc phát triển hệ thống phân tích và thu được đủ lợi nhuận từ nó, chỉ có thể sử dụng nó trong một số hạn chế công việc kiểm toán, và trong nhiều trường hợp không đủ để thực hiện các khoản đầu tư vào công nghệ này. Để khắc phục nhược điểm này và cho toàn bộ ngành kiểm toán là cần có sẵn các kỹ thuật mới, cần phải phát triển các ứng dụng chuyển đổi, tức là có tính chất chung, cho phép các ứng dụng này được sử dụng với nhiều khách hàng và công việc kiểm toán, bởi một số công ty kiểm toán, cung cấp một mức giá phải chăng vì chi phí phát triển và tiếp thị của họ có thể được chia sẻ bởi các công ty khác nhau trong lĩnh vực này. Theo đó cần có kế hoạch hỗ trợ cho các DN kiểm toán tiếp cận và ứng dụng DA và dữ liệu lớn trong thực tiễn nghề nghiệp. 4.3. Doanh nghiệp kiểm toán cần cân nhắc, soát xét kỹ trước khi đầu tư vào phân tích dữ liệu và dữ liệu lớn DA đã là một lĩnh vực đầu tư đáng kể cho các công ty kiểm toán, chủ yếu trong thực hiện dịch vụ tư vấn, và gần đây là dịch vụ kiểm toán. Nhiều công ty thu thập lượng dữ liệu khổng lồ về khách hàng, môi trường bên ngoài, đối thủ cạnh tranh... và thường không biết cách thực hiện bước tiếp là phân tích và áp dụng dữ liệu để điều hành DN của họ. Tuy nhiên, với một nghề nghiệp mà trách nhiệm pháp lý và môi trường kiểm toán chịu sự quản lý cao của pháp luật, điều này có nghĩa rằng các DN kiểm toán sẽ phải thực sự cẩn trọng hơn khi mạnh dạn đầu tư vào DA trong cung cấp dịch vụ kiểm toán (Liddy, 2014; Lombardi, Bloch, và Vasarhelyi, 2014). 5. Kết luận Dữ liệu là trái tim, là trung tâm của kế toán và việc ứng dụng dữ liệu lớn và DA hiện nay sẽ giúp cho kế toán truyền tải được nhiều giá trị của DN hơn đến người sử dụng thông tin. Và vì thế, đây là điều tất yếu mà hoạt động kiểm toán cần phải tiên phong để kiểm soát được việc ứng dụng trong thực tiễn nghề nghiệp. Để cân nhắc sử dụng những công nghệ trong DA và dữ liệu lớn thì các DN cần hiểu rõ về lợi ích và thách thức của chúng. Những lợi ích mà DA và Big Data mang lại bao gồm khả năng KTV có thể kiểm tra số lượng nghiệp vụ nhiều hơn; chất lượng kiểm toán gia tăng bởi việc cung cấp nhiều hiểu biết về quy trình của khách hàng; gian lận sẽ dễ được phát hiện hơn và KTV có thể cung cấp dịch vụ, giải quyết các vấn đề cho chính khách hàng của họ vượt trên khả năng hiện tại bằng cách sử dụng dữ liệu phi tài chính và dữ liệu bên ngoài để cung cấp thông tin cho cuộc kiểm toán. Tuy nhiên, bên cạnh những lợi ích vượt trội thì các hãng kiểm toán cũng cần phải cân nhắc đến những thách thức mà chủ yếu thuộc vào ba vấn đề lớn: thứ nhất là việc đào tạo và tính chuyên môn hóa của KTV; thứ hai là tính khả dụng, tính phù hợp và tính trung thực của dữ liệu; thứ ba là kỳ vọng của các cơ quan quản lý và người sử dụng BCTC. Ứng dụng phân tích dữ liệu và dữ liệu lớn trong kiểm toán báo cáo tài chính - lợi ích và thách thức đối với các doanh nghiệp kiểm toán Tạp chí Khoa học & Đào tạo Ngân hàng- Số 218- Tháng 7. 202082 Với tốc độ phát triển về công nghệ và sự thay đổi hàng ngày đang diễn ra mạnh mẽ của thế giới đòi hỏi các DN cần có những cải tiến về quy trình công nghệ, đổi mới cách thức tiếp cận cuộc kiểm toán. Để có thể ứng dụng kỹ thuật này yêu cầu cần phải có sự cân nhắc kỹ lưỡng, đầu tư mạnh của các DN hoặc hiệp hội nghề nghiệp về chuyên môn. Đối với chương trình đào tạo sinh viên tại các trường đại học, cần có sự đổi mới, cập nhật về chương trình học, kỹ năng cơ bản của một số môn chuyên ngành, đồng thời đào tạo sinh viên sâu hơn về các phương pháp nghiên cứu khoa học hiện đại ngày nay, các kỹ năng phân tích và đọc dữ liệu từ một số công cụ được sử dụng trong quá trình đào tạo. Bài viết khai thác một chủ đề được rất nhiều ngành nghề, lĩnh vực và DN trên thế giới cũng như tại Việt Nam quan tâm. Tuy nhiên, trong giới hạn bài viết, tác giả chưa có được dữ liệu cụ thể về số liệu các DN kiểm toán tại Việt Nam áp dụng DA và Big Data để phân tích. Trong thời gian tới, tác giả dự định thực hiện những nghiên cứu sâu hơn với nhiều số liệu cụ thể và kiểm định một số giả thuyết có liên quan nhằm tìm ra những nhận định, giải pháp góp phần thúc đẩy việc ứng dụng DA và Big Data nhanh, hiệu quả, hiệu lực hơn ■ Tài liệu tham khảo 1. AICPA (2014), Reimagining auditing in a wired world (White paper), United State 2. Bộ Công thương, Hệ thống Cơ sở dữ liệu thống kê Ngành công thương, 3. Bộ Khoa học và Công nghệ, Cục Thông tin khoa học và Công nghệ Quốc gia, 4. Bộ Tài chính (2012), Thông tư 214 /2012/TT-BTC ban hành hệ thống chuẩn mực kiểm toán Việt Nam Chuẩn mực kiểm toán Việt Nam VSA 200, VSA 315 5. Capriotti, R.J (2014), Big data: bringing big changes to accounting, Pennsylvania CPA Journal 6. Crawley, M., & Whelan, J. (2014). Analytics in empirical/ archival financial accounting research. Business Horizons, 57(5), 583- 593 7. Deloitte (2013), Tax analytics: The three minute guide, https://public.deloitte.com/media/analytics/pdfs/us_ba_ TaxAnalytics_091313.pdf 8. Gartner (2013), IT glossary: Big data, 9. ICAEW (2019), Big data and analytics: the impact on the accountancy profession, London 10. KPMG (2014), Going beyond the data: achieving actionable insights with data and analytics. Amstelveen, Netherlands: KPMG International Cooperative. 11. Lombardi, D., Blonch, R., & Vasarhelyi, M.(2014). The future of audit, Journal of Information Systems and Technology Management, 11(1), 21-32. 12. Liddy, J.P (2014), The future of audit, Forbes: 13. Ngô Kim Thanh (2020), Ứng dụng dữ liệu lớn trong nền kinh tế số, Tạp chí Công thương, truy cập tại: http:// tapchicongthuong.vn/bai-viet/ung-dung-du-lieu-lon-trong-nen-kinh-te-so-72702.htm 14. Nguyễn Huy Hoàng (2019), Kiểm toán dữ liệu lớn – đặc điểm và xu hướng, Báo Kiểm toán Số 44, truy cập tại: 15. PwC (2015), Data driven: What students need to succeed in a rapidly changing business world, London: PricewaterhouseCooper LLC. 16. Tập đoàn FPT, Ban Công nghệ thông tin, truy cập tại: https://techinsight.com.vn/fpt-is-trien-khai-thanh-cong-du- an-big-data-dau-tien-cho-tpbank/ 17. Tập đoàn Vingroup, Viện Nghiên cứu Dữ liệu lớn, truy cập tại:
File đính kèm:
- ung_dung_phan_tich_du_lieu_va_du_lieu_lon_trong_kiem_toan_ba.pdf