El big data: una qüestió clau per a l’auditoria

Carme Monserrat

Sòcia en Martínez Comín

El Big Data és una eina indispensable per a detectar anomalies i possibles fraus, per exemple, en els estats financers de les organitzacions.

La NIA 200 d’”Objectius globals de l’auditor independent i realització de l’Auditoria de conformitat amb les Normes Internacionals d’Auditoria”, requereix que l’auditor obtingui una seguretat raonable que els estatsfinancers en conjunt estan lliures d’incorrecció material, deguda a frau o error.

En l’àmbit de l’auditoria financera pot permetre als auditors i auditores treballar amb grans volums de dades, processar-les ràpidament, provinents de diverses fonts de dades, validar-ne la veracitat i obtenir resultats valuosos i rellevants.

Això pot millorar la precisió, l’eficàcia i el valor global de l’auditoria financera, a més d’acomplir amb elsrequeriments de les Normes Internacionals d’Auditoria o NIA’s.

El Big Data es caracteritza per diferents V’s, a continuació es detallen les principals:

• Volum: Mitjançant l’ús de tècniques de Big Data, es poden processar i analitzar grans volums de dades financeres per identificar tendències, anomalies i riscos potencials. Per tant, permet analitzar tota lapoblació a través de proves globals, sense la necessitat de realitzar mostrejos sobre mostres que sónnomés una part del total d’elements a analitzar.
• Velocitat: Amb l’ús de tecnologies de processament en temps real i l’anàlisi de dades en temps real, es pot obtenir informació immediata sobre les activitats financeres i prendre decisions més ràpides basades en aquestes dades.
• Varietat: Les dades financeres poden ser estructurades (com ara dades dels diaris comptables obtingudes de bases de dades SQL, x exemple) i dades no estructurades (com ara correus electrònics,escriptures, cartes de circularització, etc.). L’ús de tècniques d’anàlisi de Big Data permet treballar amb una àmplia varietat de dades i obtenir una visió més completa.
• Veracitat: A través de l’anàlisi de dades massives i l’aprenentatge automàtic o Machine Learning, espoden avaluar i validar la veracitat de les dades financeres i identificar possibles errors o irregularitats.
• Valor: Aplicant tècniques d’anàlisi avançades i la identificació de patrons i tendències ocultes en les dades financeres es poden proporcionar recomanacions més precises als clients en les cartes derecomanacions emeses.

El Big Data és un aliat estratègic per a l’auditoria financera degut a la seva capacitat per processar gransquantitats de dades en diferents formats, cosa que permet obtenir una visió més completa i precisa dels riscos, les irregularitats o errors i possibles fraus, en els procediments i pròpiament en els estats financers.

Per tant, l’auditoria financera de forma clara podria ser Data Driven, és a dir, definir els procediments itreballs a realitzar en funció de la informació o insights obtinguts de les dades.

El Business Intelligence, és un conjunt de tècniques i eines que s’utilitzen per analitzar la informació empresarial amb l’objectiu d’ajudar en la presa de decisions. Combina diferents disciplines, com l’anàlisi de negocis, la mineria de dades, la visualització de dades i la infraestructura tecnològica necessària per gestionar grans quantitats d’informació.

Per tot el descrit anteriorment, el govern de la dada, la normalització i la granularitat són pilars importants, ja que asseguren la qualitat, integritat i coherència de la informació, ja que amb dades de poca qualitat,les conclusions obtingudes podrien ser errònies o esbiaixades.

També és fonamental el modelatge de les dades i el procés ETL o Extract, Treat and Load, que bàsicament es refereix a com s’extreuen, per exemple, els diaris comptables i la informació financera a ser tractada. Com es processa aquesta per a poder ser tractada pel software d’auditoria i com es carrega al propi software utilitzat a l’auditoria. Així com, també la visualització de les dades per tal de poder analitzar tendències i patrons.

Data Science o la disciplina de la ciència de dades consisteix en l’estudi de la informació amb l’objectiu d’obtenir insights o conclusions rellevants. És una combinació de diferents pràctiques en els camps de les matemàtiques, l’estadística, la intel·ligència artificial i l’enginyeria informàtica, bàsicament, per analitzargrans quantitats de dades. Aquesta anàlisi permet plantejar i respondre preguntes com “què va passar”,”per què va passar”, “què passarà” i “què es pot fer amb els resultats obtinguts”.

I per últim, seria molt útil l’aplicació d’Intel.ligència Artificial, per a poder plantejar preguntes com les indicades anteriors i donar respostes, com per exemple l’utilització de:

• Aprenentatge automàtic (Machine Learning): Els algoritmes d’aprenentatge automàtic poden analitzar grans conjunts de dades històriques per identificar patrons i anomalies, generant models predictius que ajuden a centrar els esforços de l’auditoria financera en àrees de major risc.
• Processament del llenguatge natural (NLP): Pròpiament, és una tecnologia del Machine Learning, que dona la capacitat als ordinadors d’ interpretar, manipular i comprendre el llenguatge humà i, que permet analitzar grans quantitats de text en busca de pistes de frau o comportaments sospitosos, automatitzant la revisió de contractes, informes i documents rellevants. Alguns dels documents analitzats en el procés d’auditoria financera, podrien ser escriptures, actes, contractes mercantils, etc….

Per tant, la comptabilitat entesa com una ciència o el Business Intelligence proporcionen una visió retrospectiva de la situació financera passada d’una organització i, per contra, el Big Data i la ciència de dades, enteses com a tecnologies, poden permetre formular preguntes, per a obtenir una visió de futur i realitzar previsions amb precisió.

En conclusió, l’aplicació del Big Data i la Intel·ligència Artificial són una oportunitat i un repte a l’hora per a la professió.

Pel que fa referència a la formació continuada obligatòria pels auditors i auditores, a banda de la formació en comptabilitat i auditoria financera, caldria incloure aspectes més tecnològics i utilitzant una de les v’s del Big Data, a gran velocitat.