Nama: Julietta Fairuzar Awrasya

Kelas: S1 Akuntansi 2017 ANIM:

17080694017
Data dan Audit
Dengan Shri Karan Vohra, Petugas Trainee 2016 Batch

pengantar
Dalam dunia digitalisasi cepat 'Data' telah menjadi “oksigen
Dunia Digital”. Ada sejumlah besar data yang bermakna yang
dihasilkan dan dipelihara. Gambar di bawah menunjukkan tingkat
pertumbuhan baik data terstruktur dan tidak terstruktur.
teknologi kapasitas per-kapita di dunia untuk menyimpan
informasi telah kira-kira dua kali lipat setiap 40 bulan sejak tahun
1980-an. Pada 2012, setiap hari 2,5 exabyte (2,5 × 1018) data
yang dihasilkan yang setara dengan 530.000.000 juta lagu atau
90 tahun HD Video1. Jumlah data yang dihasilkan semakin besar
dan besar dari hari ke hari. tingkat seperti pembuatan data telah
menyebabkan coining istilah “Big Data”. Apa sebenarnya Big Data

??

Apa adalah data Big?

Big Data mengacu sangat besar, data yang kompleks yang
melebihi kemampuan pemrosesan tradisional infrastruktur TI
karena ukuran, keragaman format mereka dan kecepatan
generasi. Fitur karakteristik Big Data adalah 4 V: Volume,
Variety, Velocity dan kejujuran.
Komisi PBB untuk (UNECE) tim task Eropa pada Big Data (2013)
diklasifikasikan volume besar data ini ke dalam tiga kategori.

I. Manusia-Bersumber Informasi -longgar data terstruktur

dan sering tak berpemerintahan disimpan di mana-mana dari
komputer pribadi ke jaringan sosial.
II. Proses-Mediated data -data terstruktur yang disimpan
dalam sistem database relasional seperti bisnis tradisional dan
data administrasi.
AKU AKU AKU. Mesin-Generated data -volume besar data
terstruktur dengan baik yang berasal dari sensor dan mesin yang
digunakan untuk mengukur dan merekam peristiwa dan situasi di
dunia fisik.

Pandangan umum adalah bahwa data yang besar akan memiliki

dampak yang dramatis pada peningkatan produktivitas,
keuntungan dan manajemen risiko. Namun data itu sendiri
menghasilkan nilai yang terbatas sampai telah diproses dan
dianalisis. Oleh karena itu memerlukan penggunaan berbagai
metode analitik untuk mengekstrak nilai dari data tersebut.

Pengalaman Pribadi dengan Data Analytics:

Setelah bekerja di data dan analisis industri, saya mendapat
paparan bagaimana data akan dikonsumsi oleh berbagai jenis
organisasi untuk menjawab pertanyaan, yang sederhana seperti,
memahami siapa pelanggan yang menguntungkan dan berharga
untuk sebuah perusahaan yang, sebagai kompleks seperti, apa
jenis pelanggan harus perusahaan menjadi mendapatkan dan
menggunakan yang strategi untuk meningkatkan keuntungan.
Saya memiliki kesempatan untuk bekerja dengan bank dan
menganalisis jenis yang berbeda dari data yang saat bekerja
dengan sebuah perusahaan analisis data untuk 4 tahun.

Pada hari-hari awal saya, saya bekerja pada menciptakan

Kualitas Memeriksa alat untuk bank yang dibandingkan laporan
untuk 2 periode waktu berturut-turut dan disorot penyimpangan,
outlier, nomor yang hilang utama & duplikat. Sekitar 150 laporan
yang dibersihkan menggunakan alat ini yang dinyatakan
dilakukan secara manual membantu menyelamatkan banyak
orang-jam.

Kemudian, saya melanjutkan untuk menciptakan alat yang lebih

kompleks seperti yang digunakan untuk melacak kinerja semua
kampanye yang dijalankan di website pada setiap titik
berdasarkan catatan transaksi yang berlangsung dalam jutaan.
Itu alat melayani diri yang siapa pun bisa menggunakan untuk
menarik informasi tentang kampanye setiap pernah menjalankan
dan membandingkannya dengan kampanye lain berdasarkan
sekitar 50 KPI dengan grafik tren. Ini diperlukan data yang
menarik untuk dilakukan di SAS (Analisis Statistik System) dan
menghubungkan data output untuk unggul dashboard
menggunakan VBA (Visual Basic for Applications) coding.

Pengalaman saya bekerja pada data memungkinkan saya untuk

memahami tidak hanya jenis data yang kita capture / kita dapat
menangkap tetapi, yang lebih penting, bagaimana memanfaatkan
data untuk membuat setiap / keputusan besar kecil yang
memiliki kekuatan untuk benar-benar menghidupkan kembali
masa depan perusahaan . Kuncinya adalah untuk meningkatkan
kemampuan untuk menangkap bentuk data yang berbeda yang
dapat memberikan wawasan ke dalam berbagai aspek kinerja
bisnis dan kemudian untuk memastikan bahwa data yang diambil
digunakan strategis untuk membantu pertumbuhan. Kedua
langkah sama-sama penting.

Pengalaman bekerja di industri analisis data yang telah terkena

saya ke berbagai kemungkinan bidang ini memegang. Dengan
pertumbuhan data pada kecepatan break-leher, kita bisa
mengharapkan analisis data yang memainkan peran penting
dalam semua bidang, terutama audit.

Data yang besar dan Audit:

Karena Supreme Audit Institutions (SAI) memiliki mandat dan
kewenangan hukum untuk mengakses data yang dihasilkan oleh
entitas yang diaudit, ini menyajikan peluang yang signifikan
untuk memanfaatkan kedua data yang terbuka dan informasi
sektor publik untuk meningkatkan kemampuan mereka dan
pekerjaan audit. Bahkan, Belanda Pengadilan Audit bahkan dapat
mengakses informasi sensitif dan rahasia seperti data dinas
rahasia Belanda dan Departemen Pertahanan. Semua SAI
menikmati berbagai tingkat akses ke data dan banyak peluang
bagi SAI untuk memanfaatkan volume pernah berkembang data
yang dapat dianalisis untuk menyelidiki potensi penipuan dan
korupsi, audit perilaku kinerja dan mengevaluasi hasil dan
menawarkan wawasan dan rekomendasi tentang masalah yang
dihadapi pemerintah.

ketergantungan lebih besar pada IT mengarah ke digitalisasi

catatan tidak hanya perusahaan swasta tetapi juga organisasi
sektor publik. Catatan tradisional sedang dieliminasi dan lebih
dan lebih keuangan dan non-keuangan electronic data tersedia
sekarang. Hal ini membutuhkan perubahan dalam cara
organisasi-organisasi ini diaudit. Teknik-teknik yang berbeda dari
Big Data bahkan dapat berdampak sifat dasar audit. Teknologi
memungkinkan pemantauan set yang sangat besar atau data
yang lengkap, daripada sampel, secara lebih sering
mengakibatkan audit yang terfokus dan efisien. analisis data
dapat memungkinkan auditor untuk melakukan tes pada dataset
besar atau kompleks di mana pendekatan pengguna tidak akan
layak.

Penggunaan teknik data analitik juga memungkinkan analisis

data tidak terstruktur sebagai bagian dari audit yang tidak
dilakukan sebelumnya. Pada saat auditor fokus pada informasi
dalam bisnis organisasi dan sistem, tetapi munculnya media
sosial dan perangkat internet-enabled telah menyebabkan sebuah
skenario yang ada banyak data yang duduk di luar organisasi
yang bisa sama-sama relevan.

Menggunakan analisis cerdas akan membantu untuk memberikan

kualitas yang lebih tinggi dari bukti audit dan wawasan bisnis
yang lebih relevan. data besar dan analisis memungkinkan
auditor untuk mengidentifikasi penipuan dan bisnis operasional
risiko dan menyesuaikan pendekatan mereka untuk memberikan
audit yang lebih relevan.

Pendekatan dan teknik Data Analytics:

Berbagai pendekatan analisis data untuk menganalisis dan
memahami data yang dapat efektif dalam mendeteksi dan
mencegah potensi penipuan dan korupsi. teknik prediksi dan
model dapat digunakan untuk mengidentifikasi pola-pola historis
dan proses yang terkait dengan lengan diketahui penipuan atau
korupsi dan dapat diterapkan untuk data yang tersedia untuk
mencegah penipuan sebelum terjadi.
Ada teknik lain dari analisis data yang dapat digunakan untuk
mendeteksi penipuan setelah itu telah terjadi. Misalnya, analisis
script berbasis memeriksa sejumlah besar data melalui kombinasi
terus menerus dan perbandingan dengan sumber data lain untuk
mengidentifikasi anomali. Menggunakan teknik ini membantu
dalam mengidentifikasi akar penyebab dan tren. Sering
kekurangan pengawasan dari semua transaksi individu
memungkinkan penipuan dengan memanfaatkan kelemahan
sistem pengendalian internal. analisis data dapat sangat efektif
dalam transaksi daerah berat, seperti pengeluaran, penagihan
dan proyek-proyek modal, lanjut menunjukkan relevansinya
untuk penyelidikan penipuan dan korupsi.

data mining dan pencocokan data teknik yang dapat efektif dalam
mendeteksi penipuan. Data yang cocok adalah perbandingan
skala besar data besar yang mengabaikan duplikat untuk
mengidentifikasi hal-hal tertentu yang menarik. data mining
memandang data yang besar dari perspektif yang berbeda untuk
mengidentifikasi informasi yang sebelumnya tidak diketahui.
Misalnya, antar pemerintah federal satgas di Chili yang termasuk
wakil-wakil dari Dewan untuk Auditor General Internal
Pemerintah, memanfaatkan teknik data mining untuk mencegah
penipuan dan korupsi dalam pengadaan publik. Dengan
pertambangan transaksi e-procurement inovasi yang baru,
mereka telah mampu menghindari persekongkolan tender dan
memecah perhubungan antara pemasok, pejabat dan petugas
pengadaan (OECD, 2010).

Auditor General Afrika Selatan (AGSA) telah menggunakan

penggunaan data analisis dalam berbagai cara. Yang paling
berguna dari ini adalah dengan lintas menghubungkan berbagai
database diakses AGSA. korelasi silang dan analisis Penduduk
Register Nasional (NPR) yang mempertahankan database untuk
pernikahan, Sistem Akuntansi Dasar (BAS) yang mencatat semua
transaksi keuangan, perusahaan dan basis data Intelektual
Komisi Properti (CIPC) yang mencatat direktur perusahaan yang
terdaftar , dan Persal yang merupakan sistem manajemen SDM
bagi karyawan, telah membantu mengidentifikasi dan memahami
rantai pasokan lengkap kontrak pemerintah dan mengungkapkan
kasus pemasok fiktif atau konflik kepentingan (jika anggota
keluarga dan mitra bisnis memiliki hubungan dekat dengan
pegawai pemerintah).
Banyak dari alat data analisis standar menggunakan teknik
visualisasi data. Ini memberikan wawasan kepada data yang
dianalisis dengan menempatkannya dalam konteks visual seperti
menggunakan Grafik, plot dan grafis Informasi. Ini
memungkinkan pola, tren, korelasi dan outlier yang mungkin
tidak diketahui dalam data berbasis teks untuk diidentifikasi lebih
mudah. teknik visualisasi juga dapat berguna dalam
berkomunikasi wawasan yang timbul dari audit kepada para
pemangku kepentingan.

Data yang besar dan CAG:

Selain mendeteksi penipuan dan korupsi, analisis data juga dapat
digunakan untuk tugas-tugas lain yang dilakukan oleh SAI. Kami
memiliki contoh SAI menggunakan teknik Data analitik untuk
meningkatkan kualitas audit kinerja. Misalnya, India SAI
(Comptroller dan Auditor General) telah secara aktif menyelidiki
penggunaan analisis data dan diterapkan untuk mempelajari
program jaminan sosial di Kerala, India. Dalam audit kinerja dari
program-program bantuan sosial dari Hari Tua, Janda Pensiun
dan skema pensiun cacat, SAI memanfaatkan data dalam model
audit. Menggunakan pendekatan konvensional akan
memungkinkan auditor untuk mendeteksi pembayaran yang tidak
tepat kepada orang-orang tidak memenuhi syarat dalam skema
pensiun. Berangkat bentuk pendekatan konvensional, SAI
leveraged data eksternal dan mampu memverifikasi apakah
penerima manfaat berhak dikeluarkan.

Dengan maksud untuk melembagakan analisis data, CAG

merumuskan kebijakan manajemen Big Data, yang termasuk
kategorisasi sumber data ke dalam (yaitu dibuat dan dikelola oleh
CAG) dan eksternal (yaitu tersedia dari entri diaudit atau dalam
domain publik). Selanjutnya, itu menekankan pada protokol data
untuk memastikan bahwa data otentik, relevan dan bisa
digunakan dan juga menetapkan pedoman untuk pengaturan
akses data dengan sumber eksternal. Selanjutnya, Pusat
Pengelolaan Data dan Analytics juga telah dibentuk oleh CAG
untuk mengoptimalkan potensi teknologi analisis data baru.

tantangan:
Sementara peluang yang ada untuk membuat lebih baik
menggunakan data dalam pekerjaan audit, ada juga risiko yang
perlu dipertimbangkan ketika menggunakan analisis data.
Misalnya, jika sumber data tidak dapat diandalkan dan tidak
benar dipahami, itu akan memiliki dampak negatif pada kualitas
audit. Kesalahan dalam data itu sendiri menyajikan sebuah
tantangan besar yang SAI mungkin menghadapi dalam
memastikan bahwa data tersebut valid, tepat dan handal untuk
tujuan mereka.

Bermacam jenis data dan sumber yang mengarah ke volume

besar data (terstruktur dan tidak terstruktur) yang diproduksi
menimbulkan tantangan besar penyimpanan yang tepat dari data
dan alat yang akan digunakan untuk menganalisis tingkat seperti
data. Biaya pengadaan diperlukan software dan hardware kendala
lain.

Ada juga masalah dalam memperoleh akses ke data dalam kasus

entitas di mana berbagi data terpusat platform tidak tersedia.
Non keseragaman dalam struktur data merupakan perhatian
utama membatasi penggunaan alat-alat data analisis.

Alat-alat baru analisis data sedang dikembangkan membutuhkan

peningkatan kapasitas yang sesuai dari tenaga kerja yang harus
menggunakan alat tersebut. Kekurangan analis data dalam
dampak SAI potensi mereka dalam menggunakan teknik analisis
data untuk audit.

Penangkapan, penyimpanan dan pengolahan data entitas

menyajikan SAI dengan tantangan dalam kaitannya dengan
keamanan data dan perlindungan data. Entitas harus memiliki
keyakinan bahwa data mereka akan diselenggarakan dan
diproses dengan aman, sehingga mereka dapat memenuhi
kewajiban hukum dan peraturan mereka sendiri dalam membuat
data tersedia untuk auditor.

Sementara analisis data dapat menyebabkan wawasan berharga,

itu tidak akan memberikan segala sesuatu yang perlu auditor
untuk mengetahui dan masih membutuhkan penilaian manusia
ketika menafsirkan hasil. Human error ketika melakukan teknik
data analisis tidak dapat dikesampingkan.
Jenis-jenis tantangan yang SAI dapat hadapi saat menggunakan
analisa data teknik akan bervariasi tergantung pada kematangan
SAI dalam hal kapasitas, keahlian dan infrastruktur. Faktor
eksternal seperti kerangka hukum untuk mengakses dan
menggunakan data juga merupakan tantangan yang
bersangkutan.

Jalan ke depan:
Dalam dunia yang sangat digital, terlepas dari jenis tantangan
yang dihadapi, SAI harus terus meningkatkan strategi mereka
terhadap data yang besar dan analisis data untuk menjaga
relevansi mereka di dunia yang berubah dengan cepat. alokasi
sumber daya untuk menggunakan teknik yang berbeda dari
analisis data dan pengembangan kapasitas melalui pelatihan dan
lokakarya adalah kebutuhan jam. Pelaksanaan kebijakan dan
prosedur yang tepat dalam kaitannya dengan keamanan data
adalah bagian penting dari penyebaran efektif teknik data analitik
di Audit. Audit perlu mengambil 'lompatan kuantum' dan
mendesain ulang proses pemeriksaan dengan memanfaatkan
kesempatan yang diberikan oleh teknologi canggih saat ini.

Sumber: Shri Karan Vohra. 2017. Data dan

Audithttps://cag.gov.in/sites/default/files/cag_pdf/journal_journal_August_2017/data-and-audit.html
(Diakses 27 Agustus 2019)