Consequences of Big Data and Formalization on Accounting and Auditing Standards

John Peter Krahel and William R. Titera

Introduction
Tingkat, luas, dan kualitas informasi keuangan yang disajikan secara eksternal selalu
mewakili kompromi antara biaya penyusun dan manfaat pengguna. Sementara penyusun biaya
vis-a`-vis pengumpulan dan transmisi data telah menurun secara signifikan, kompromi dibuat di
era berbasis kertas telah bertahan, menciptakan seperangkat praktik akuntansi yang anakronistik,
pandangan kami, secara tidak adil menghambat pengguna pernyataan. Efek serupa dapat diamati
dalam praktik audit. Sementara ketersediaan data dan standarisasi telah meningkat, standar audit
terus fokus pada pengambilan sampel dan praktik lain yang menunjukkan lingkungan informasi
rendah. Makalah ini akan membahas masalah yang dihasilkan dari anakronisme tersebut,
menyajikan satu set sumbu di mana akuntansi dan standar auditing harus berkembang,
menggambarkan jalan di mana perubahan tersebut dapat terjadi dicapai, dan mendiskusikan
paradigma baru dari perspektif akademis dan praktis.

Big Data and Financial Reporting Standards

Banyak mekanisme yang memungkinkan pengumpulan dan transmisi data yang lebih
cepat dan lebih jelas, termasuk penggunaan teknologi identifikasi frekuensi radio (RFID) dalam
penilaian inventaris, ketersediaan data pasar waktu nyata untuk penilaian aset tetap, dan
pengembangan algoritme prediktif untuk meningkatkan estimasi akuntansi . Salah satu hasil
yang mungkin dari tren ini, yang kami jelaskan di bawah, adalah penggantian laporan keuangan
statis yang sesuai dengan GAAP dengan data mentah untuk diekstraksi dan diperiksa secara
dinamis oleh pengguna akhir.
A. RFID Enables Specific-Unit Costing
FIFO, LIFO, dan biaya rata-rata semua agregat dan membuat asumsi penyederhanaan
tentang biaya barang, dengan asumsi tersebut dibenarkan oleh tingginya biaya pelacakan
kemajuan item individu melalui persediaan. Teknologi identifikasi frekuensi radio
(RFID) mengurangi biaya ini. Tag RFID murah, cukup kecil untuk ditanamkan ke hampir
 semua unit inventaris, sepenuhnya dapat dibaca mesin, dan dapat dideteksi dalam rentang
ruang yang pendek. RFID telah terbukti bermanfaat di berbagai industri, mulai dari
konstruksi, perawatan kesehatan, seragam perhotelan, hingga logistik. Penelitian
menegaskan manfaat ini.
B. Real-Time Market Data Enable Accurate Present Value
Salah satu konsekuensi spesifik dari globalisasi dan digitalisasi adalah kemampuan untuk
mencatat transaksi secara real time. Dengan kemampuan ini, muncul kebutuhan untuk
mempertahankan data harga terkini. Sebagai contoh, selama krisis keuangan tahun 2008,
banyak bank yang tidak secara akurat mencerminkan nilai portofolio pinjaman mereka,
mungkin karena mereka menggunakan data kerugian historis yang melihat ke belakang
yang tidak mencerminkan kondisi saat ini. Analisis karakteristik peminjam dan tren
ekonomi makro yang lebih luas, selain akuntansi berbasis biaya, mungkin telah
memberikan gambaran keseluruhan yang lebih kaya tentang portofolio pinjaman bank,
mengurangi ekspektasi, dan mengurangi dampak krisis. Sementara biaya historis
memiliki beberapa nilai, penggunaan eksklusifnya menghilangkan banyak dimensi
informasi. Mempertahankan nilai inventaris dan aset tetap pada biaya historis dan nilai
pasar saat ini, memungkinkan pengguna untuk memanipulasi presentasi neraca sesuai
dengan preferensi pribadi, memberikan profil yang lebih kaya tentang posisi perusahaan,
yang kurang dalam pengungkapan modern.
C. Predictive Algorithms and Ubiquitous Computing Improve Estimates
Peningkatan kecanggihan perangkat lunak statistik dan pertumbuhan kekuatan perangkat
keras komputasi memungkinkan perkiraan yang lebih cerdas tentang nilai dan
kemungkinan kejadian di masa depan. Daya komputasi yang ada di mana-mana dan
nyaman, mulai dari server yang dapat diakses dari jarak jauh hingga smartphone dan
tablet portable memungkinkan analitik tingkat lanjut dan penyimpanan data dalam jumlah
besar sesuai permintaan.

D. Adjustable Granularity
Sejauh mana pengguna dapat menelusuri ke tingkat yang lebih dalam dari bagian
komponen nilai tertentu saat ini terbatas pada kedalaman yang dibutuhkan oleh GAAP.
Sementara kompleksitas pengungkapan catatan kaki dan pernyataan itu sendiri dapat
menghambat analisis investor dan analis, tingkat disagregasi yang telah disajikan dalam
laporan keuangan telah terbukti meningkatkan prediksi pendapatan. Perincian yang dapat
disesuaikan akan meningkatkan volume murni data yang ditransmisikan, tetapi
peningkatan ini bukanlah tujuan akhir.
E. Modular Reporting
Pelaporan modular sesuai permintaan dapat meringankan masalah data yang dilaporkan
 berlebihan dan tidak perlu. Investor jangka pendek mungkin lebih tertarik pada analisis
mendalam tentang tren profitabilitas saat ini dan baru-baru ini, mungkin mengabaikan
masalah solvabilitas. Kreditur jangka panjang akan lebih memperhatikan data yang lebih
mendalam mengenai kelanjutan likuiditas dan perkembangan arus kas. Pergeseran dari
paradigma satu ukuran untuk semua di atas akan berarti bahwa kebutuhan setiap
pengguna akan menentukan frekuensi dan volume data yang diterima. Penyaringan dan
permintaan ini dapat dengan mudah dilakukan dengan beberapa kombinasi dari layanan
berlangganan dan modul perangkat lunak penjelajahan yang dibuat khusus. Karena
semakin banyak tipe data yang dapat diukur dan biaya transmisi data terus menurun,
frekuensi transmisi dan konten menjadi variabel yang fleksibel, lebih sesuai dengan
kebutuhan pengguna akhir daripada kendala biaya penyedia.
F. Events, Not Values
Sorter menyimpulkan bahwa akuntansi berguna ketika berkomunikasi informasi
mengenai peristiwa, bukan penilaian item, kemudian berdebat menentang penggunaan
agregasi dan untuk perubahan perspektif mengenai penggunaan data keuangan.
Bagaimana item saling bervariasi, dan informasi tambahan apa yang diberikan dengan
membuat data lebih terperinci? masa kini Fenomena transmisi data dengan biaya rendah
dan kecepatan tinggi membuat perspektif Sorter lebih dapat dipertahankan, bahkan
memungkinkan pengguna untuk bergantian antara tingkat agregasi yang lebih rendah dan
lebih tinggi dengan usaha minimal.
G. Queries as Compromise
Perusahaan memiliki keinginan yang dapat dimengerti untuk menghindari pengungkapan
yang tidak perlu; sementara transparansi meningkatkan efisiensi pasar, transparansi juga
memaparkan berita negatif kepada investor yang skeptis dan, berpotensi, memberikan
keunggulan kompetitif kepada perusahaan lain dalam industri tertentu. Salah satu
kompromi antara keinginan manajemen dan kebutuhan data pasar yang terus meningkat
adalah penciptaan seperangkat prinsip akuntansi berbasis kueri. Di bawah paradigma ini,
pengguna akan dapat meminta laporan keuangan dengan parameter yang diberikan. Satu
pengguna mungkin meminta laporan laba rugi sepenuhnya berbasis kas, sementara yang
lain mungkin meminta akrual dan uang tunai, tetapi hanya untuk transaksi domestik.
Seorang investor yang ingin membuat perbandingan yang lebih adil mungkin meminta
pernyataan dari lima perusahaan terbesar di industri tertentu yang membuat pilihan
akuntansi yang sesuai dengan GAAP.
H. User Competence
Salah satu kekhawatiran yang dapat diangkat mengenai paradigma ini adalah kapasitas
rata-rata pengguna laporan keuangan untuk konsumsi informasi. Investor biasa dengan
waktu luang terbatas mungkin tidak memiliki kemampuan atau keinginan untuk
menganalisis kumpulan data lengkap perusahaan atau membuat kumpulan permintaan
data yang dipersonalisasi. Bukannya menjadi penghalang, perkembangan ini justru
menciptakan sumber nilai dan pendapatan baru bagi mereka yang memiliki kompetensi
tersebut. Pada saat yang sama, ketika pengungkapan keuangan mulai memasukkan
semakin banyak informasi eksternal yang tidak diaudit, tanggung jawab untuk
 kepercayaan dan verifikasi dapat beralih kembali ke pengguna di tradeoff lain antara
relevansi dan keandalan.
I. The Shape of GAAP
Karena GAAP mengalihkan fokus dari pembingkaian dan pengungkapan terbatas ke
pendekatan yang lebih terbuka, sifatnya akan mengalami perubahan mendasar. Diskusi
tentang jenis presentasi akan diganti dengan diskusi tentang kuantitas data yang disajikan.
Data statis akan diganti dengan data dinamis. Seberapa dalam investor dapat menggali
informasi perusahaan target? Jauh dari membuat GAAP tidak relevan, perubahan ini
dapat berfungsi untuk meningkatkan relevansinya di pasar informasi dinamis.
J. What Gets Presented?
Keputusan pengungkapan berkisar pada oposisi mendasar: keinginan investor untuk
mendapat informasi bertentangan dengan keengganan manajemen untuk eksposur yang
berlebihan. Pergeseran terlalu jauh ke arah simetri informasi mengakibatkan hilangnya
privasi dan keunggulan kompetitif; ayunan ke arah asimetri menghasilkan pemegang
saham yang frustasi dan biaya modal yang lebih tinggi. GAAP mewakili kompromi saat
ini, tetapi tetap merupakan turunan dan pewaris paradigma kertas. Sementara transmisi
data (dan karena itu pengungkapan) lebih murah, kekhawatiran umum adalah bahwa
pengungkapan yang meningkat dapat mengurangi keunggulan kompetitif perusahaan.
K. The Effects of Expanding Formalization
Upaya menuju formalisasi standar dapat menyebabkan kekhawatiran tentang
menghilangkan penilaian atau mengukur yang tidak dapat diukur. Namun, alih-alih
mengubah sifat informasi mendasar yang terkandung dalam konten yang sebelumnya
tidak diformalkan seperti pengungkapan MD&A, formalisasi standar yang tepat akan
mencoba menentukan atribut yang sudah ada sebelumnya dari data tersebut yang dapat,
dengan kekuatan pemrosesan yang memadai, diperlakukan sebagai elemen formal.
Implications For Auditing Standards
Seiring dengan perubahan yang diantisipasi dalam standar pelaporan keuangan dan data yang
diaturnya, perubahan tingkat, sifat, dan frekuensi audit dan jaminan dapat diharapkan. Perubahan
ke arah pengungkapan yang lebih terperinci kemungkinan akan membawa perubahan pada
profesi audit yang ditugaskan untuk memastikan data ini.
A. The Nature of Data Collection and Error Response
Ketersediaan teknik audit berkelanjutan, dikombinasikan dengan digitalisasi progresif
data transaksional, mengurangi biaya yang dikeluarkan oleh auditor selama pengumpulan
dan analisis data. Pengujian populasi tidak lagi merupakan metode terakhir yang mahal.
Biaya yang terkait dengan positif palsu, pengecualian sepele, dan informasi yang
berlebihan dapat menjadi masalah yang lebih relevan di bawah paradigma baru. Jika
standar audit dimodifikasi untuk mengadvokasi ketersediaan teknik yang lebih
berkelanjutan, otomatis, dan tingkat populasi, daripada memperlakukannya sebagai
kemungkinan yang diharapkan dapat dihindari, maka kami yakin audit akan menjadi
lebih terstandarisasi dan efektif.
Ketersediaan kumpulan Big Data dan analitik data audit akan memerlukan perubahan
 standar terkait penemuan dan evaluasi kesalahan dan salah saji. Dalam lingkungan
jaminan tingkat data, standar harus mengatasi tidak hanya lebih banyak kesalahan
atomistik dan respons yang sesuai, tetapi menggambarkan evaluasi proses internal yang
berpotensi rawan kesalahan. Ketika data yang lebih luas (dan tipe data) dapat lebih
mudah dan sering dianalisis, menentukan dampak salah saji individual mungkin terbukti
sekunder dalam pentingnya mengidentifikasi tren yang lebih luas yang, secara
keseluruhan, dapat memberikan risiko material terhadap kinerja perusahaan.
B. Quantifying Materiality
Konsep kuantifikasi pertimbangan dan antisipasi sudah diterapkan dalam kasus umur
piutang. Perusahaan dapat menerapkan persentase tidak tertagih yang telah ditentukan
sebelumnya ke akun atau grup akun tertentu berdasarkan usia. Dalam lingkungan Big
Data, jenis analisis seperti itu tidak hanya menjadi mungkin, tetapi juga lebih disukai dan
dapat diungkapkan. Perusahaan audit juga dapat memasukkan kuantifikasi mereka sendiri
untuk penentuan materialitas sebagai suplemen untuk opini audit.
Kuantifikasi pertimbangan dalam standar auditing, bila digunakan bersama dengan
formalisasi dan skema pengukuran yang tepat, akan menghasilkan beberapa manfaat.
Pelaku pasar akan dapat menilai kecukupan penentuan materialitas perusahaan, menilai
kemampuan manajemen untuk secara akurat mengukur dan memprediksi peristiwa masa
depan dan mengendalikan setiap konservatisme berlebihan atau kurang yang muncul
dengan sendirinya.
C. More Rapid/Continuous Assurance
Konseptualisasi audit saat ini diarahkan pada satu jaminan berkala pada dokumen statis.
Di era transmisi laporan keuangan kertas berbiaya tinggi, latensi tinggi, dan throughput
rendah, hanya jaminan yang jarang seperti itu yang diperlukan.
D. Auditor Competencies
Standar audit tidak membahas sifat teknis kompetensi auditor yang semakin meningkat.
Bagian 210 (AICPA 1975), yang berhubungan dengan pelatihan dan kecakapan auditor,
belum diperbarui secara substantif sejak tahun 1975. Bagian ini tidak mengacu pada
keterampilan atau keahlian khusus yang diperlukan selain menyebutkan ''lingkup teknis
yang memadai.''
E. More Quantitative Auditor Skill Requirements
Keberadaan Big Data dan meningkatnya kemudahan transmisi menciptakan serangkaian
masalah baru bagi auditor. Keputusan bukti audit dalam menghadapi kekurangan data
digantikan oleh keputusan serupa dalam menghadapi kelebihan data. Standar audit juga
perlu menangani serangkaian persyaratan yang berbeda. Sementara analisis populasi
penuh mungkin menyiratkan lebih banyak ketelitian audit, informasi yang berlebihan
kemungkinan akan mencegah tim audit menindaklanjuti setiap kesalahan yang ditemukan
selama penugasan. Perbedaan ini perlu diartikulasikan, agar publik tidak mengharapkan
audit yang ''sempurna'' dari informasi yang lengkap.
F. Analysis of Unstructured Data
Hasil akhir dari persimpangan Big Data dan pemrosesan yang kuat adalah formalisasi
otomatis objek dan atribut saat mereka memasuki penyimpanan data organisasi. Waktu
yang diperlukan untuk menganalisis dan mengembangkan elemen dan atribut baru secara
 manual dalam menanggapi perubahan fenomena bisnis adalah pemborosan dan sebagian
besar tidak perlu. Standar harus beradaptasi untuk memungkinkan peningkatan penataan
data yang tidak terstruktur seperti itu, tetapi ini jarang terlihat dalam praktik. Ketika
peran auditor bergeser dari pengecekan fakta ke analisis, perilaku yang diatur oleh
standar auditing harus melakukan hal yang sama. Misalnya, jika prosedur pengumpulan
data beralih dari proses manual ke proses otomatis, maka waktu auditor akan dibebaskan
untuk tugas yang lebih kompleks secara kognitif seperti analisis regresi mendalam atau
jenis pekerjaan statistik prediktif lainnya.
Conclusion
Mengingat pengurangan biaya dalam pembuatan, penyimpanan, pengambilan, dan
transmisi data, kompromi yang melekat dalam paradigma kertas tidak banyak bermanfaat.
Pengguna berhak atas nilai-nilai granular yang lebih mendalam yang dapat mereka
manipulasi, menelusuri dan meningkatkan lebih atau kurang detail jika diperlukan. Standar
pelaporan keuangan yang mengatur penyajian dan agregasi sewenang-wenang juga harus
memberi jalan kepada aturan mengenai batas dan frekuensi transmisi data, serta kualitas data
tersebut. Standar audit juga harus berubah. Deteksi kesalahan dan kuantifikasi risiko bukan
lagi target yang cukup, tetapi harus dilihat sebagai komponen kecil dari audit dengan
cakupan yang lebih luas