Dalam beberapa tahun terakhir, Data Analytics telah menjadi topik yang sedang hangat

diperbincangkan di hampir seluruh jenis bisnis. Para ahli memperkirakan bahwa akan ada 35 triliun
gigabyte data yang tersimpan di dunia pada tahun 2020. Banyak organisasi telah bereaksi cepat
terhadap trend pertumbuhan data besar dengan meningkatkan kapasitas sistem pelaporan informasi
dan analisis data. Big data analytics mengacu pada proses mengumpulkan, mengorganisasikan dan
menganalisa sekumpulan besar data (big data) untuk mendapatkan pola-pola dan informasi yang
berguna.

Penggunaan proses analisis data melalui DA menggunakan perangkat lunak tertentu yang
didedikasikan untuk audit, mampu memberikan analisa mendalam tentang kemungkinan
ditemukenalinya proses ekonomi tidak wajar, penipuan dan korupsi.

Teknik analisis data melalui DA dikenal juga dengan istilahForensic Data Analytic (FDA),
yang saat ini digunakan dalam banyak organisasi internasional, tetapi ada adopsi yang jauh
lebih rendah dari alat FDA yang lebih canggih seperti yang digambarkan pada Tabel 1.
Diketahui, 65% peserta survei melaporkan penggunaan alat spreadsheet seperti Microsoft
Excel dan 43% laporkan penggunaan alat basis data seperti MS Access atau MS SQL Server.
Meskipun alat ini penting untuk setiap program FDA, mereka sering fokus pada pencocokan,
pengelompokan, pemesanan, penggabungan atau pemfilteran data yang terutama bersifat
deskriptif. DA dapat digambarkan sebagai pemeriksaan mendalam tentang makna dan fitur-
fitur penting dari data yang tersedia, untuk mengidentifikasi informasi penting, menggunakan
metode dan teknik khusus. Ini adalah domain interdisipliner yang mencakup cabang seperti
komputer sains (ilmu komputer), ilmu matematika, statistik, ekonomi, psikologi, hukum, dan
ilmu kognitif lainnya.

Bagaimana Analisis Data Berkontribusi pada Kualitas Audit

Data analitis telah dikembangkan dengan pandangan untuk meningkatkan kualitas audit.
Kualitas audit tidak terletak pada alat itu sendiri, meskipun kualitas audit tidak dapat dicapai
tanpa alat yang cocok dengan tujuannya, kualitas audit terletak pada kualitas analisis dan
penilaian yang difasilitasi. Nilai ini tidak ada pada transformasi data, tetapi ada pada bukti
audit yang diekstrak dari percakapan dan pertanyaan yang dihasilkan dalam analitik.

Fitur unik dari analisis data memiliki kapasitas, jika digunakan dengan tepat untuk
meningkatkan kualitas audit secara signifikan :

o Kemampuan untuk memvisualisasi hasil dalam grafik o Kecanggihan dan luasnya pilihan
interogasi
o Mudah digunakan oleh non spesialis
o Skala dan kecepatan

Narasumber menekankan berbagai elemen di atas, ketika ditanyai mengenai bagaimana

analisis data berkontribusi pada kualitas audit.

Bagaimana Manfaat Bisnis

Narasumber melaporkan adanya hubungan antara kematangan sistem TI perusahaan dengan

sejauh mana manajemen terbuka dengan teknik-teknik baru. Analisis data berjalan lebih baik
pada bisnis yang telah melalui proses transformasi, dimana pergerakannya lebih real time
daripada kuartalan, terutama jika ada manajemen mode investasi yang berada pada tahap
perkembangan yang cukup matang untuk menghadapi risiko melalui manajemen kontrol,
daripada fokus pada transaksi dan data.

Auditor mengambil pandangan luas atas keuntungan dari analisis data untuk manajemen.
Manajemen menginginkan lebih dari sekedar data yang menyajikan kembali dalam format
yang berbeda. Jenis manajemen wawasan yang dicari termasuk :

• Pandangan atas cela kendali

• Kuantifikasi atas dampak dari intervensi manual, kegagalan pengendalian
• Akar penyebab pengecualian
• Benchmarking internal
• Visualisasi

Rutinitas, Alat, dan Solusi: Tantangan teknis analitik data Pengambilan Data,
Ekstraksi, Validasi, dan Transformasi

Terkadang auditor memperoleh datanya sendiri, tetapi auditor juga kadang menggunakan
data yang telah diekstrak dan divalidasi oleh manajemen. Auditor melakukan serangkaian
pengujian pengendalian di sekitar data ekstraksi dan proses validasi manajemen, dan
menggunakan apa yang dihasilkan manajemen untuk analisis mereka.

Perusahaan melakukan pencocokan otomatis dan menghasilkan database atau tabel item yang
cocok dan tidak cocok. Auditor dapat mengekstrak item yang tidak cocok untuk analisis lebih
lanjut. Pendekatan berbasis kontrol secara teori lebih cepat. Volume data dan kompleksitas
atas pengujian pengendalian perlu dipertimbangkan dan mudah untuk melewatkan elemen
penting pengujian pengendalian. Pendekatan pelaksanaan kembali 100% secara teori lebih
lugas dan bukti diperoleh secara langsung oleh auditor, tetapi prosesnya lebih panjang dan
kemungkinan adanya banyak pengecualian.

Data dan transaksi dapat dianalisis melalui berbagai cara, melalui tipe transaksi, akun, atau
kode aktivitas, atau referensi ke banyak komponen data. Transformasi adalah tentang
membuat data agar bisa digunakan.

Kerahasiaan dan Keamanan

Auditor mengakui kerahasiaan dan keamanan adalah hal yang menjadi masalah kritis.
Masalah yang harus dipertimbangkan auditor termasuk potensi pembuatan data pribadi ketika
analisis mengacu pada individu. Tidak semua rutinitas diterapkan pada data personal selalu
membuat data baru.
Area yang terus menghadirkan tantangan :

o penyimpanan data pada Cloud

o pedoman REC yang direvisi pada penanganan dan perlindungan data
o hambatan regulasi, terutama yang berhubungan dengan transfer data dan informasi

lintas perbatasan