Data analytics คือวิธีการในการวิเคราะห์ข้อมูลดิบ (raw data) เพื่อให้ได้ผลลัพธ์ที่มีประโยชน์ต่อผู้ทำการวิเคราะห์ โดยนำข้อมูลมาประมวลผลด้วยวิธีต่างๆ เช่นการจำแนกกลุ่ม การดำเนินการทางสถิติ การวิเคราะห์แนวโน้ม การค้นหาความสัมพันธ์ระหว่างลักษณะประจำของข้อมูล ด้วยเครื่องมือหรือกระบวนการทำงานแบบอัตโนมัติ
ในปัจจุบันที่เทคโนโลยีมีการเปลี่ยนแปลงอยู่ตลอดเวลา ซึ่งปฏิเสธไม่ได้ว่าจะต้องมีผลกระทบต่อวีธีการตรวจสอบบัญชีที่ต้องปรับเปลี่ยนไปตามเทคโนโลยี ในงานตรวจสอบบัญชีนั้นมีมาตรฐานการสอบบัญชีเป็นส่วนสำคัญที่ทำให้ผู้สอบบัญชีได้รับหลักฐานการตรวจสอบบัญชีที่เหมาะสมอย่างเพียงพอก่อนการแสดงความเห็นอยู่แล้ว แต่หากผู้สอบบัญชีสามารถใช้เทคโนโลยีการวิเคราะห์ความสัมพันธ์ของข้อมูลต่างๆ ที่จัดเก็บในรูปแบบของข้อมูลในระบบคอมพิวเตอร์เข้ามาเป็นส่วนหนึ่งของกระบวนการตรวจสอบ ก็จะยิ่งทำให้หลักฐานการสอบบัญชีที่ได้รับมีความถูกต้องแม่นยำ มีประสิทธิภาพและมีประสิทธิผลมากยิ่งขึ้น
ในการตรวจสอบรายการที่มีจำนวนประชากรขนาดใหญ่ผู้สอบบัญชีจะใช้วิธีการทางสถิติผ่านการเลือกตัวอย่างเพื่ออนุมานผลลัพธ์ที่น่าจะเป็นของประชากรทั้งหมด แต่ถ้าหากการตรวจสอบนั้นสามารถที่จะนำประชากรทั้งหมดมาผ่านการวิเคราะห์ข้อมูล จำแนกกลุ่มข้อมูล และค้นหาความสัมพันธ์ในระดับรายการ ก็จะสามารถตรวจพบรายการที่ผิดปกติที่ผู้สอบบัญชีให้ความสนใจขึ้นได้มากยิ่งขึ้น
การตรวจสอบเนื้อหาสาระ
รายงานขายสินค้า
ตรวจสอบรายการขนาดใหญ่
ตรวจสอบตัวอย่างประชากร
Data Analytics Audit
ข้อมูลดิบ (raw data)
(ใบแจ้งหนี้ ใบส่งสินค้า ลูกหนี้ การชำระเงิน)
วิเคราะห์ จำแนกกลุ่ม
และค้นหาสัมพันธ์ของข้อมูล
จากภาพจะเห็นได้ว่าการใช้เทคโนโลยี Data analytics เข้ามาช่วยในการตรวจสอบจะมีประสิทธิภาพสามารถตรวจพบรายการผิดปกติได้มากกว่าการใช้วิธีการเดิม ซึ่งถูกจำกัดด้วยการสุ่มตัวอย่าง
อย่างไรก็ตามการใช้ใช้เทคโนโลยี Data analytics จะมีวิธีการตรวจสอบที่เปลี่ยนแปลงไปจากเดิมค่อนข้างมาก ซึ่งต้องเริ่มต้นจากการมองหาความสัมพันธ์ของรายการแทนยอดคงเหลือของบัญชี หาความสัมพันธ์ของกระบวนการทำงาน ข้อมูล และการบันทึกบัญชี
ตัวอย่างเช่น การตรวจสอบรายได้จากการขายอาจมีวิธีการตรวจสอบที่เปลี่ยนแปลงไปดังต่อไปนี้
| การตรวจสอบเนื้อหาสาระ | Data analytics Audit |
• วิเคราะห์เปรียบเทียบบัญชีรายได้จากการขาย • วิเคราะห์เปรียบเทียบอัตรากำไรขั้นต้น • เลือกตัวอย่างเพื่อตรวจสอบกับเอกสารการขาย • ตรวจตัดรายการ (cut-off) ยอดขาย ณ วันสิ้นงวด • ตรวจรายการใบลดหนี้และรายการปรับปรุงยอดขาดหลังวันสิ้นงวด
| • ดึงข้อมูลการขายจากระบบคอมพิวเตอร์ของลูกค้า และตรวจสอบความถูกต้องครบถ้วนของข้อมูลที่ได้รับ • ใช้ Relationship analysis เพื่อหาบัญชีที่ลงรายการคู่กับรายได้ นอกเหนือจากลูกหนี้การค้า • ใช้ Trend analysis เพื่อหาเดือนที่มีรายการขายผิดปกติ และหาเดือนที่มีการ Debit sale จำนวนมาก • ใช้ Monthly analysis เพื่อตรวจหาวันที่มีการขายเกิดขึ้นเป็นจำนวนมากในช่วงก่อนและหลังวันสิ้นงวด
|
ผู้เขียน : คุณกัมปนาท หาญกล้า บริษัท สอบบัญชีธรรมนิติ จำกัด
แหล่งข้อมูลอ้างอิง : สัมมนาเชิงปฏิบัติการ Audit Data Analytics จัดโดย สำนักงานคณะกรรมการกำกับหลักทรัพย์และตลาดหลักทรัพย์
เข้าถึง : 9 ตุลาคม 2563
