Nama : I GUSTI BAGUS ARYA WIRANATA

NIM : 023002101015
Matkul : Data analytic For Accounting

What is define of data analytic

Data Analytics merupakan proses penilaian data dengan tujuan untuk mengambil
kesimpulan untuk mengatasi pertanyaan bisnis.Bahkan, Efektif Data Analytics
menyediakan cara untuk mencari melalui besar strukturasidan tidak strukturasi
data untuk menemukan pola atau hubungan yang tidak diketahui. DataAnalytics
sering melibatkan teknologi, sistem,praktek, metodeologi, database, statistik,
danaplikasi yang digunakan untuk menganalisisdata bisnis yang berbeda untuk
memberikan kepada organisasi informasi yang mereka butuhkan untuk membuat
keputusan bisnis yang tepat dan tepat waktu.

What is the purpose of the data analysis process

Proses Data Analytics bertujuan untuk mengubah data mentah menjadi
pengetahuan untuk menciptakan nilai.
Analisis data bisa disebut dengan "Big Data" yang mengacu pada data-sets yang
terlalu besar dan kompleks bagi sistem yang ada di perusahaan untuk menangani
menggunakan kemampuan tradisional mereka untuk menangkap,
menyimpan,mengelola dan menganalisis data-sets. Cara lainuntuk
menggambarkan Big Data adalah dengan menggunakan 3 Vs yaitu Volumenya
(ukuran setdata yang tipis), Velocity (kecepatan pemrosesandata), dan Ragam
(jumlah jenis data).
Big data examples & Applications
Contoh penerapan big data dalam bisnis adalah mendeteksi dan juga mencegah
kejahatan finansial.contoh dari penerapan ini adalah, saat ini banyak bank yang
bisa menyimpan semua daftar riwayat yang mereka miliki sehingga bisa
mendeteksi kecurangan lebih baik.

How data analytics affects accounting : Impact for Audit

Proses audit akan diubah dari proses tradisional. menuju yang lebih
otomatis, yang akan memungkinkan para profesional audit untuk lebih fokus pada
logika dan alasan di balik kueri data dan kurang pada pengumpulan data aktual.
Profesional audit akan mengumpulkan dan menganalisis data perusahaan yang
mirip dengan cara analis bisnis untuk membantu manajemen membuat
keputusan bisnis yang lebih baik.
Audit Tidak hanya akan menghasilkan temuan penting dari perspektif
keuangan, tetapi juga informasi yang dapat Membantu perusahaan memperbaiki
proses, meningkatkan efisiensi, dan mengantisipasi masalah di masa depan.Data
Analytics juga memperluas kemampuan auditor dalam layanan seperti pengujian
untuk transaksi penipuan dan mengotomatisasi kegiatan pemantauan kepatuhan.

The Data Analytics Process Using the IMPACT Cycle

1. Identify the Question
Semuanya dimulai dengan memahami masalah bisnis yang perlu dihadapi. Pertanyaan dapat
muncul dari banyak sumber dari bagaimana untuk lebih baik menarik pelanggan, bagaimana
harga produk, bagaimana menemukan kesalahan atau penipuan. Memiliki pertanyaan yang
spesifik, yang potensial dapat menjawab oleh DataAnalytics adalah langkah pertama yang
penting

2. Master the data

Menguasai data membutuhkan seseorang untuk mengetahui apa data yang tersedia dan
apakah data tersebut mungkin dapat membantu mengatasi masalah bisnis. Kita perlutahu
segalanya tentang data,termasuk bagaimana untuk mengakses, tersedia, keyakinan (jikaada
kesalahan), dan berapa kali periode yang ditutup untuk memastikan data sesuai dengan waktu
masalah bisnis kami, dan sebagainya
 3. Perform test plan
Setelah menguasai data dan setelah data siap, kami siap untuk analisis-sis.Dengan data siap
untuk analisis, kita perlu memikirkan pendekatan yang tepat untuk data untuk dapat menjawab
pertanyaan dengan mengekstrak pengetahuan dari datayang berbeda adalah : Klasifikasi
Regresi Pencocokan Kesamaan Clustering Pengelompokan ko-kejadian Profil Prediksi Link
Pengurangan Data

4. Address and refine results

Setelah data telah dianalisa, langkah keempat adalah untuk menangani dan
menyempurnakan hasil. Analisis data bersifat berulang Iris data,temukan korelasi, buat
pertanyaan,revisi dan jalankan kembali seluruh proses (analisis) hingga hasilnya siap Dasbor
digital dan visualisasi data sangat membantu dalam mengkomunikasikan hasil

5. Communicate insights
6. Track outcomes
Setelah hasilnya ditentukan,wawasan dibentuk oleh para pengambil keputusan dan
dikomunikasikan kepada orang lain.Beberapa hasil akan terus dilacak mungkin melalui laporan
bulanan atau dasbor digital

Data Preparation and Cleaning.

Data Preparation and Cleaning (persiapan dan pembersihan data) adalah tahap
kritis dalam analisis data akuntansi yang melibatkan pengumpulan, pemrosesan,
dan membersihkan data sebelum data tersebut dapat digunakan untuk analisis
lebih lanjut.

Terdapat beberapa langkah penting dalam Data Preparation and Cleaning dalam
analisis data akuntansi:

1. Pengumpulan Data: Pertama, Anda perlu mengumpulkan semua data

akuntansi yang relevan, termasuk data transaksi, laporan keuangan, dan
lainnya.
2. Pembersihan Data: Langkah ini melibatkan identifikasi dan perbaikan
kesalahan atau ketidaklengkapan dalam data. Contoh masalah yang
 mungkin ditemui meliputi duplikasi data, nilai yang hilang, atau kesalahan
pengetikan.
3. Normalisasi Data: Data seringkali dalam berbagai format dan unit. Dalam
analisis akuntansi, Anda perlu memastikan bahwa data diukur dalam
format yang konsisten dan dapat dibandingkan, seperti dalam mata uang
yang sama atau satuan yang sesuai.
4. Integrasi Data: Jika data diperoleh dari berbagai sumber, perlu melakukan
integrasi data agar semua data dapat digunakan bersama-sama dalam
analisis.
5. Validasi Data: Anda perlu memverifikasi bahwa data yang dikumpulkan
sesuai dengan aturan dan pedoman akuntansi yang berlaku. Hal ini
melibatkan memeriksa apakah data memenuhi standar akuntansi dan
apakah transaksi atau catatan keuangan telah diinput dengan benar