Dafa Kelompok 1

DATA ANALYTICS FOR ACCOUNTING
ANALYTICS
FOR ACCOUNTING
Presentation by Group 1 
MENU ANALYSIS CONTACT Data ANALYSIS
OUR TEAM
GIOVANNI BIMA A. APRILIANA ARDANI
GABRIELLE
LISNIAT DAELI
NATALINE
TOPICS
01 DATA ANALYTICS IN ACCOUNTING AND BUSINESS
02 Transforming data
03 USING VISUALIZATION AND SHARE THE RESULTS WITH STAKEHOLDERS

Data ANALYTICS IN ACCOUNTING AND BUSINESS
ANALYTICS IN
01 ACCOUNTING AND
BUSINESS
Define data analytics

Analisis Data sebagai proses mengevaluasi
data dengan tujuan menarik kesimpulan untuk
menjawab pertanyaan bisnis. 
Big Data mengacu pada kumpulan data yang
terlalu besar dan kompleks untuk ditangani
oleh sistem bisnis yang ada dengan
memanfaatkan kemampuan tradisional mereka
untuk menangkap, menyimpan, mengelola,
dan menganalisis kumpulan data ini. 
HOW DATA ANALYTICS

AFFECTS BUSINESS
Dengan banyak data di tangan mereka,
perusahaan menggunakan Data Analytic
untuk menemukan berbagai pola pembelian
pelanggan mereka, menyelidiki anomali yang
tidak diantisipasi, memperkirakan
kemungkinan di masa depan, dan sebagainya. 
HOW DATA ANALYTICS AFFECTS ACCOUNTING
01 02 03
AUDITING FINANCIAL REPORTING TAX
Perubahan proses audit Meningkatkan kualitas Minimalisasi pajak dan
dari tradisional menjadi substansial dalam mempersiapkan audit
otomatis.   perkiraan dan penilaian.  potensial. 
THE DATA ANALYTICS

PROCESS USING THE
IMPACT CYCLE
IMPACT CYCLE
IDENTIFY THE QUESTIONS MASTER THE DATA
Memahami masalah bisnis,
01 02 Memahami ketersediaan data dan
apakah data dapat digunakan untuk
memiliki pertanyaan yang spesifik. 
memecahkan masalah. 
ADDRESS AND REFINE RESULTS PERFORM THE TEST

Menangani dan
04 03 Menentukan pendekatan yang
menyempurnakan hasil.  tepat untuk analisis data. 
TRACK OUTCOMES
COMMUNICATE INSIGHTS 05 06 Hasilnya dilaporkan dan hasilnya
dilacak melalui laporan. 
DATA ANALYTIC SKILLS NEEDED BY

ANALYTIC-MINDED ACCOUNTANTS
● Mengembangkan pemikiran yang analitis 
● Persiapan data 
● Kualitas data 
● Analisis data deskriptif 
● Analisis data melalui manipulasi data 
● Mendefinisikan dan menyampaikan masalah dengan
analisis statistik data 
● Visualisasi data dan pelaporan data 
02
DATA
MENU ANALYSIS CONTACT
LANGKAH - LANGKAH
TRANSFORMASI DATA
● Menyusun Data 
● Menstandarisasi Data 
● Membersihkan Data 
● Memvalidasi Data 
data
structure
DATA STRUCTURE Gambar 6-1  

Ekstrak Data Vendor 
 
01
Aggregate data Gambar 6-4 
Contoh tingkat data agregat 
Penyajian data dalam bentuk  
ringkasan 
 
DATA STRUCTURE
Gambar 6-1  
 
02
Data joining
Penggabungan data dari Contoh : Tabel vendor yang terlihat di gambar 6-1 (semua field dari
tabel yang berbeda ke VendorName hingga EarlyPayDiscount) terdiri dari tabel produk (field
dalam satu tabel sehingga ProdCat dan ProdID) dan tabel transaksi yang mencatat pembelian
dapat dianalisis  (field UnitsPurch dan TotalCost) 
DATA STRUCTURE Gambar 6-1  

 
03
Data pivoting
Gambar 6-5  
Data Pivoting 
Teknik merotasi data dari  
baris ke kolom yang bertujuan
memudahkan interpretasi
data. 
data
standardization
DATA standardization Gambar 6-8  

Gambar 6-7   Contoh data concatenation 
Contoh data parsing 
01  
Data parsing &

data Concatenation
Data parsing : proses
pemisahan dari satu field
menjadi beberapa field 
 
Data concatenation : proses
penggabungan data dari dua
atau lebih field menjadi satu
field 
 
DATA standardization Potongan gambar dari 6-1  

Field kota dan negara 
02 03
Misfielded data
CRYPTIC DATA VALUES values
Item data yang tidak memiliki Kondisi saat nilai data telah
arti yang jelas tanpa diformat dengan benar tetapi
memahami skema tidak termasuk dalam bidang 
pengkodean yang  
mendasarinya 
 
DATA standardization
Gambar 6-1  
04
 
Data formatting dan

data consistency
Data formatting : proses
membentuk data menjadi
bentuk standar ekspresi yang
umum agar lebih mudah
dipahami 
Data consistency : proses
menjaga keseragaman
informasi data 
 
data
cleaning
Data cleaning
Data Data contradiction
de-duplication Data filtering errors
Metode memangkas Proses menghapus Terjadi ketika entitas
data yang berlebihan catatan atau field yang sama dijelaskan
dari kumpulan data.  informasi dari sumber dalam dua cara yang
data  saling bertentangan. 
Violated attribute
dependencies Data entry errors
Kesalahan yang terjadi ketika Semua jenis kesalahan yang
atribut sekunder tidak sesuai berasal dari salah
dengan atribut utama  memasukkan data 
Data cleaning
Gambar 6-1  
 
data
validation
Data validation
Visual inspection Audit a sample
Pengujian data menggunakan Salah satu teknik terbaik untuk
penglihatan manusia untuk melihat memastikan kualitas data adalah
adanya kesalahan  dengan mengaudit sampel data 
Basic statistical tests Advanced testing technique

Beberapa uji statistik dasar dapat Pemahaman yang lebih dalam
dilakukan untuk memvalidasi data. tentang konten data dapat
Jenis tes yang dapat dilakukan memungkinkan pengujian validasi
berbeda untuk field numerik dan data yang lebih canggih 
field teks. 
 
VISUALIZATION
03
& SHARE THE RESULTS
Using visualization and share the results
CATEGORIES OF DATA ANALYTICS

DESCRIPTIVE PREDICTIVE
Informasi yang dihasilkan dari   Informasi yang dihasilkan dari
pemeriksaan data untuk memahami analisis yang berfokus pada prediksi
masa lalu. Analitik deskriptif masa depan. Analitik prediktif
menggunakan teknik analisis data menggunakan data historis. 
eksplorasi. 
DIAGNOSTIC PRESCRIPTIVE
Informasi yang dihasilkan mencoba Informasi yang dihasilkan dari analisis
menentukan hubungan sebab untuk memberikan rekomendasi
akibat. Analitik diagnostik tentang apa yang harus terjadi.
menggunakan teknik analisis data Analitik ini menggunakan teknik
konfirmasi.  seperti kecerdasan buatan,
pembelajaran mesin, dan statistik
lainnya. 
DATA PRESENTATION
01 Memilih visualisasi
yang tepat 
Merancang
visualisasi
berkualitas tinggi 
02
MEMILIH VISUALISASI YANG TEPAT
Comparison CORRELATION DISTRIBUTION

Membandingkan data Membandingkan Memperlihatkan
di seluruh kategori bagaimana dua variabel penyebaran nilai data
atau grup  numerik berfluktuasi numerik. 
dengan masing-masing 
TREND EVALUATION PART-TO-WHOLE

Menunjukkan perubahan pada Memperlihatkan item mana
variabel yang diurutkan, yang membentuk bagian dari
paling sering merupakan total 
pengukuran waktu 
MERANCANG VISUALISASI BERKUALITAS TINGGI
01 02 03
ETHICAL DATA
SIMPLIFICATION EMPHASIS PRESENTATION
Mengacu pada membuat Visualisasi harus menekankan Prinsip presentasi visualisasi
visualisasi yang mudah data yang paling relevan, terakhir adalah etis. 
ditafsirkan dan dipahami  penting, atau tepat waktu.  ● Memperlihatkan representasi angka yang
  sebanding dengan angka yang dilaporkan 
● Quantity  ● Highlighting  ● Dalam visualisasi tren, menunjukkan
waktu yang berkembang dari kiri ke kanan
● Distance  ● Weighting  pada sumbu x. 
● Menyajikan data lengkap sesuai
● Orientation  ● Ordering konteksnya
Share The Results With Stakeholders
Mempertimbangkan
audiens 
01 03
Ingat pertanyaan
02 Penggunaan
yang memulai visualisasi data 
proses analitik 
kasus
Big data analytic dapat membantu proses audit sesuai dengan standar ISAs, seperti dibawah ini: 
● Mengidentifikasi dan menilai risiko yang terkait dengan keputusan untuk menerima atau melanjutkan
penugasan audit, misalnya, adanya risiko kebangkrutan atau management fraud (kecurangan manajemen)
tingkat tinggi yang terjadi pada entitas/perusahaan yang diaudit. 
● Mengidentifikasi dan menguji salah saji (misstatement) yang material yang ada pada laporan keuangan
karena adanya fraud, dan menguji fraud atas risiko yang ditemukan. (ISA 240). 
● Mengidentifikasi dan menilai risiko salah saji (misstatement) yang material melalui pemahaman terhadap
entitas/perusahaan yang di audit dan lingkungannya (ISA 315). Ini termasuk kegiatan melakukan
preliminary prosedur analitis, dan mengevaluasi rancangan dan implementasi pengendalian internalnya
dan menguji efektivitas pengendalian internal. 
● Melakukan prosedur analitis substantive sebagai respon atas penilaian auditor terhadap risiko salah saji
yang material (ISA 520). 
● Melakukan prosedur analitis ketika mendekati akhir dari proses audit untuk membantu auditor dalam
menentukan kesimpulan yang menyeluruh tentang apakah laporan keuangan telah konsisten dengan
pemahaman auditor terhadap entitas/perusahaan yang diaudit (ISA 520) 
 
 
 
kasus
Terdapat beberapa hal yang harus diperhatikan dalam penggunaan big data dalam proses
audit: 
● Dibutuhkan perubahan paradigm dari industri audit (auditor, Partner dan KAP nya). 
● Volume big data memberikan tantangan yang signifikan terhadap proses perhitungan
(computational) 
● Privacy 
THANK YOU

Dafa Kelompok 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Dafa Kelompok 1

Diunggah oleh

Hak Cipta:

Format Tersedia

DATA ANALYTICS FOR ACCOUNTING

GIOVANNI BIMA A. APRILIANA ARDANI

03 USING VISUALIZATION AND SHARE THE RESULTS WITH STAKEHOLDERS

Define data analytics

HOW DATA ANALYTICS

HOW DATA ANALYTICS AFFECTS ACCOUNTING

THE DATA ANALYTICS

ADDRESS AND REFINE RESULTS PERFORM THE TEST

DATA ANALYTIC SKILLS NEEDED BY

DATA STRUCTURE Gambar 6-1

DATA STRUCTURE Gambar 6-1

DATA standardization Gambar 6-8

Data parsing &

DATA standardization Potongan gambar dari 6-1

Data formatting dan

Basic statistical tests Advanced testing technique

CATEGORIES OF DATA ANALYTICS

MEMILIH VISUALISASI YANG TEPAT

Comparison CORRELATION DISTRIBUTION

TREND EVALUATION PART-TO-WHOLE

MERANCANG VISUALISASI BERKUALITAS TINGGI

Share The Results With Stakeholders

Anda mungkin juga menyukai