CC BY
116ОСОБЕННОСТИ ИНТЕГРАЦИИ АНАЛИТИКИ БОЛЬШИХ ДАННЫХ
В АУДИТОРСКИЕ ПРОЦЕДУРЫ
FEATURES OF INTEGRATING BIG DATA ANALYTICS INTO AUDIT
PROCEDURES
УДК 657.6.012.16
Урусов Аслан Тимборович, аспирант, 1 курс, факультет «Бухгалтерский учет, статистика», Департамент учета, анализа и аудита. Россия, г. Москва Urusov Aslan Timborovich, [email protected]
Аннотация
В настоящее время объем ежедневных транзакций в крупных компаниях существенно вырос, в связи с чем аудиторам приходится обрабатывать объемные наборы данных со сложной структурой с целью получения надлежащих аудиторских доказательств. Данная тенденция обуславливает переход от традиционных методов аудита к интеллектуальному анализу больших данных. В данной статье рассмотрены основные преимущества интеграции аналитики больших данных в аудиторскую деятельность и ключевые препятствия на пути цифровой трансформации аудита.
Annotation
In recent years, the volume of daily transactions in large companies has increased significantly, so auditors must process large data sets with a complex structure to obtain appropriate audit evidence. This trend leads to a shift from traditional audit methods to big data mining. This article discusses the main advantages of integrating big data analytics into audit procedures and the key obstacles to the digital transformation of audit.
Ключевые слова: аналитика больших данных, аудиторские доказательства, трансформация аудита, цифровой аудит.
Key words: big data and analytics, audit evidence, audit transformation, digital audit.
В сегодняшней деловой среде, характеризующейся постоянными сбоями, медленным ростом и неопределенностью, компании сталкиваются с большим количеством проблем, чем когда-либо, в создании корпоративной культуры, учитывающей всевозможные риски, а также установлении действующих методов управления рисками и контроля.
Для многих людей использование аналитики больших данных имеет решающее значение для поддержания их компаний гибкими к меняющимся
условиям ведения бизнеса, конкурентоспособными и прибыльными. Советы директоров должны понимать все сложности и иметь представление о вопросах, связанных с непрерывно развивающимися технологическими тенденциями. Также важно отметить, что они в том числе должны быть готовы задавать правильные вопросы руководителям, отвечающим за инициативы в области аналитики больших данных с целью принятия максимально эффективных для бизнеса решений. Сам объем, разнообразие и скорость, с которой данные становятся доступными, создают технологические препятствия в том, как эти данные защищаются, хранятся и анализируются. Но компании, способные эффективно справляться с указанными проблемами, открывают для себя кладезь из ценных идей, которые могут помочь стимулировать рост бизнеса при одновременном повышении эффективности управления рисками. Эти идеи могут быть использованы руководством и советами директоров для более грамотного распределения ресурсов с целью создания устойчивой стратегической ценности.
Исторически сложилось так, что данные - это некая информация, генерируемая человеком и, как правило, являющаяся в достаточной степени структурированной. Однако технологические тенденции последнего десятилетия расширили данное определение, которое теперь включает неструктурированные и машинно-генерируемые данные.
«Большие данные» - это термин, используемый для описания огромного портфеля информации, который растет экспоненциально. В обозримом будущем большие данные окажут значительное влияние на производительность компаний, их прибыльность и способы управления рисками с целью их митигирования. Однако большие данные сами по себе имеют ограниченную ценность, пока они не будут обработаны и проанализированы.
Аналитика - это процесс анализа данных с целью получения значимых выводов. В настоящее время крупные компании и организации признали возможности, которые предоставляет аналитика больших данных, и многие из них осуществляют значительные инвестиции с целью лучше понять влияние этих возможностей на их бизнес. Одна из областей, в которой очевиден значительный потенциал - это трансформация аудита.
Поскольку современное функционирование бизнеса осуществляется в одно из самых сложных времен - в пору нестабильных экономических условий, актуальность роли аудиторов на финансовых рынках становится еще более важной, чем когда-либо прежде. Аудиторские фирмы должны продолжать проводить свои надежные аудиторские проверки, чтобы служить
опорой общественным интересам, постоянно повышая качество и предоставляя больше полезной и ценной информации пользователям финансовой отчетности. Профессиональный скептицизм и постоянное внимание к качеству аудиторских доказательств необходимы на протяжении всего аудита. А компании в свою очередь ожидают активного диалога со своими аудиторами и более эффективного взаимодействия в процессе проверки.
Влияние результатов анализа больших данных объективно повышает качество и актуальность аудита, однако, базовое использование этой методики было прежде затруднено в связи с отсутствием эффективных технологических решений, наличием возможных проблем с обработкой данных и настороженностью по поводу сохранности информации и её конфиденциальности. Однако последние технологические достижения в области аналитики больших данных дали возможность переосмыслить способ проведения аудита.
Трансформированный аудит выйдет за рамки выборочного тестирования и будет включать в себя анализ всей совокупности релевантных аудиту данных (транзакционная активность и основные данные ключевых бизнес-процессов), используя интеллектуальную аналитику для обеспечения более высокого качества аудиторских доказательств и более релевантных бизнес-инсайтов. Аналитика больших данных позволяет аудиторам лучше выявлять операционные бизнес-риски, а также риски, связанные с составлением финансовой отчетности и мошенничеством, что в конечном итоге способствует адаптации подхода к проведению более релевантного аудита.
Хороший способ описать текущее состоянии аудиторской профессии в целом - это провести параллели с развитием популярного стримингового видеосервиса Nefflix. Когда компания начала свою деятельность в 1997 году, она приняла модель, в рамках которой отправляла почтой фильмы своим клиентам, которые впоследствии в течение недели возвращали компакт-диски обратно. Однако NetfKx всегда знал, что будущее - в онлайн-потоковой передаче фильмов, но в то время эта технология еще не была готова, и высокоскоростная потребительская широкополосная связь не была столь распространена, как в настоящее время.
Аудиторская деятельность в настоящее время находится на этапе трансформации - на стыке традиционных подходов к аудиту и процесса интеграции данных подходов в систему аналитики больших данных. И в большей мере текущий формат аудита сравним с отправкой компакт-дисков
по почте, так как информация, являющаяся предметом аудита, в настоящее время сперва проделывает путь от источника к аудиторской группе и только впоследствии становится предметом анализа. Что действительно необходимо, так это разработка интеллектуальных аудиторских технологий, взаимодействующих с центрами обработки данных аудируемых компаний и транслирующих готовые результаты аналитики аудиторским группам. Однако технологии для реализации подобных проектов все еще находятся в зачаточном состоянии, и в настоящее время аудиторская аналитика является результатом обработки больших наборов данных аудируемых клиентов в традиционной среде - внутри аудиторских фирм.
Существует целый ряд препятствий для успешной интеграции аналитики больших данных в аудит, хотя они и не являются непреодолимыми.
Во-первых, это сбор данных: препятствие аудиторам в эффективном и менее ресурсозатратном способе сбора данных клиента ведёт к невозможности и нецелесообразности использовать аналитику в аудите.
Компании вкладывают значительные средства в защиту своих данных с помощью многоуровневых процессов утверждения и технологических способов защиты информации. В результате, процесс получения согласия клиента на предоставление данных аудиторам может занять значительное количество времени. Вполне возможен отказ от предоставления доступа к информации или неохотное предоставление данных из соображений безопасности, что также препятствует эффективной интеграции аналитики больших данных в аудиторские процедуры.
Кроме того, аудиторы зачастую сталкиваются с сотнями различных систем бухгалтерского учета и, во многих случаях, с несколькими системами внутри одной и той же компании. Извлечение данных исторически не было основной компетенцией в рамках аудита, и сотрудники аудируемых компаний также не всегда обладают этой компетенцией. Это приводит к возникновению длительной и не всегда эффективной полемики между аудитором и компанией в процессе сбора релевантного набора данных.
Несмотря на то, что описательную аналитику достаточно легко использовать для понимания бизнеса и выявления потенциальных областей риска, использовать аналитику для получения аудиторских доказательств в ответ на эти риски гораздо сложнее. Одна из проблем, связанных с использованием аналитики для получения аудиторских доказательств, связана с непрозрачностью характера работы аналитики, ввиду сложности комплекса алгоритмов или правил, используемых для преобразования данных, визуализации данных или генерации отчетов на основе этих данных. На
данной стадии, аудитору необходимо найти соответствующий баланс между применением аудиторского суждения и опорой на результаты аналитики больших данных.
Ценность интеграции аналитики больших данных в аудит будет реализована только в том случае, если аудиторы будут использовать ее при формировании подхода к аудиту, определении его характера и объема. Это потребует от них развития новых навыков, ориентированных на знание того, какие вопросы следует задавать «данным», а также умения использовать результаты аналитики для получения аудиторских доказательств, построения аудиторских выводов и получения значимых бизнес-инсайтов.
Еще одна дилемма заключается в том, как стандарты и правила аудита могут быть согласованы с принципами использования анализа данных. В целом, аудиторская профессия руководствуется стандартами, которые не предполагали возможности использования больших данных. Наиболее актуальными вопросами в рамках данного утверждения являются следующие.
Основные аналитические процедуры: они изучают обоснованность взаимосвязей в статьях финансовой отчетности, чтобы выявить отклонения от ожидаемых тенденций. Однако международные стандарты аудита не распространяются на использование аналитики на основе больших данных для предоставления «существенных доказательств». Одно из ключевых отличий аналитических методов заключается в том, что процедуры используются для выявления необычных операций или искажений, основанных на анализе большого набора данных, и обычно без установления аудитором ожиданий. Ранее методов анализа больших данных не существовало, в связи с чем в рамках стандартов большие данные не рассматривались в качестве источника аудиторских доказательств. Данный пробел создает неопределенность в отношении релевантности и применимости аналитической информации при предоставлении чего-либо большего, чем ориентировочные данные.
Проверка достоверности данных, используемых для анализа: по мере получения аудиторами информации от клиента, они определяют ее техническую точность и полноту, а также целесообразность использования в качестве аудиторских доказательств. Это относится, как к получению печатных документов (например, контрактов), так и электронных данных.
Но аналитика аудита, основанная на больших данных, не использует и не полагается на отчеты, созданные системой, вместо этого соответствующие основные и транзакционные данные извлекаются непосредственно из исходных баз данных. Затем выполняются процедуры для проверки точности и полноты данных, и только затем они согласовываются с системными
отчетами. В этом случае аудитор уверен, что его анализ основан на тех же данных, которые компания использует для получения своей финансовой информации.
Хотя стандарты и содержат некоторые указания в этой области, они не могли предвидеть тип и объем данных, которые извлекают аудиторы. Неизбежно наличие ограничений в отношении того, в какой степени аудиторы могут извлекать доказательства из процедур, которые могут быть выполнены в отношении таких данных.
Определение аудиторских доказательств: стандарты обеспечивают иерархию доказательств, причем доказательства третьих сторон находятся в верхней части, а запросы руководства - в нижней. Однако стандарты не указывают, какой тип доказательств предоставляет аналитика. Необходимо формирование надлежащего описания типа доказательств, которые предоставляет аналитика для целей использования её преимуществ в процессе аудиторских проверок.
В конечном счете, аудит будущего может выглядеть совсем иначе, чем аудит сегодняшнего дня. Аудиторы смогут использовать более крупные наборы данных и аналитику для лучшего понимания бизнеса, выявления ключевых областей риска и обеспечения более высокого качества и охвата, обеспечивая при этом большую ценность для бизнеса. Но для достижения этой трансформации профессия должна будет тесно сотрудничать с ключевыми заинтересованными сторонами - от компаний, которые они проверяют, до регуляторов и законодателей стандартов.
Литература
1. Аппельбаум Д., Big Data and analytics in the modern audit engagement: research needs / Аппельбаум Д., Коган А., Васархелый М. // Auditing: A Journal of Practice and Theory — 2017 — вып. 36, № 4 — с. 11-27.
2. Общие ресурсы: сайт аудиторско-консалтинговой компании KPMG. [Электронный ресурс]. URL: https://www.kpmg.com/Global/en/services/Audit/ Documents/unlocking-the-value-of-audit.pdf (дата обращения: 06.05.2020).
3. Общие ресурсы: сайт аудиторско-консалтинговой компании EY. [Электронный ресурс]. URL: http://www.ey.com/UK/en/Services/Specialty-Services/Big-data—Becoming-an-analytics-driven-organisation-to-create-value (дата обращения: 06.05.2020).
4. Ситнов, А.А. Аудит информационных систем / А.А. Ситнов // Аудиторские ведомости. - 2014. - №3. Справочно-правовая система
«КонсультантПлюс» проф. версия [Электронный ресурс]. - Режим доступа: http://www.consultant.ru (дата обращения: 06.05.2020).
5. Шитова, Т.Ф. Использование современных информационных технологий для повышения эффективности управления корпорацией / Т.Ф. Шитова // Международный бухгалтерский учет. - 2012. - .№42. Справочно-правовая 138 система «КонсультантПлюс» проф. версия [Электронный ресурс]. -Режим доступа: http://www.consultant.ru (дата обращения: 06.05.2020).
6. Шеремет, А.Д. Аудит: учебник / А.Д. Шеремет, В.П. Суйц. - М.: ИНФРАМ, 2007. - 352 с
Literature
1. Appelbaum D., Big Data and analytics in the modern audit engagement: research needs / Appelbaum D., Kogan A., Vasarkhely M. / / Auditing: A Journal of Practice and Theory — 2017 — issue 36, no. 4 — pp. 11-27.
2. Shared resources: website of KPMG audit and consulting company. [Electronic resource]. URL: https://www.kpmg.com/Global/en/services/Audit/ Documents/unlocking-the-value-of-audit. pdf (accessed: 06.05.2020).
3. Shared resources: EY audit and consulting company website. [Electronic resource]. URL: http://www.ey.com/UK/en/Services/Specialty-Services/Big-data-Becoming-an-analytics-driven-organisation-to-create-value (accessed: 06.05.2020).
4. Sitnov, A. A. Audit of information systems / A. A. Sitnov // Audit statements.
- 2014. - №3. reference and legal system "ConsultantPlus" prof. version [Electronic resource]. - Mode of access: http://www.consultant.ru (date accessed: 06.05.2020).
5. Shitova, T. F. the Use of modern information technologies to improve the efficiency of corporate management / T. F. Shitova / / international accounting.
- 2012. - no. 42. Reference and legal 138 system "ConsultantPlus" prof. version [Electronic resource]. - Access mode: http://www.consultant.ru (accessed: 06.05.2020).
6. Sheremet, A.D. Audit: textbook / A.D. Sheremet, V. P. Suits. - M.: INFRAM, 2007. - 352 p
