LECTURE NOTES

Data Analytics in Accounting and

Finance

Week 1

Data Analytics for Accounting

 LEARNING OUTCOMES

LO 1: Mendefinisikan data analisis dalam bisnis dan akuntansi

OUTLINE MATERI :

1. Mendefinisikan data analisis

2. Data analisis dalam bisnis

3. Data analisis dalam akuntansi

 Data Analytics for Accounting

A. Data Analisis

Data ada di sekeliling kita! Pada tahun 2024, diharapkan volume data yang dibuat, ditangkap,
disalin, dan dikonsumsi di seluruh dunia akan menjadi 149 zettabytes (dibandingkan dengan
2 zettabytes pada tahun 2010 dan 59 zettabytes pada tahun 2020). Bahkan, lebih banyak data
telah dibuat di tahun 2 tahun terakhir dibandingkan dengan seluruh sejarah umat manusia
sebelumnya. Dengan begitu banyak data yang tersedia tentang kita masing-masing (misalnya,
bagaimana kita berbelanja, apa yang kita baca, apa yang kita beli, musik apa yang kita
dengarkan, di mana kita travel, siapa yang kami percayai, perangkat apa yang kami gunakan,
dll.), bisa dibilang, ada potensi untuk menganalisis data tersebut dengan cara yang dapat
menjawab pertanyaan bisnis mendasar dan menciptakan nilai.

Data Analisis didefinisikan sebagai proses mengevaluasi data dengan tujuan menarik
kesimpulan untuk menjawab pertanyaan bisnis. Memang, analisa data yang efektif
menyediakan cara untuk menelusuri data besar yang terstruktur (data yang mengikuti model
data yang telah ditentukan sebelumnya dalam format tabel) dan data tidak terstruktur (data
yang tidak mengikuti format data yang telah ditentukan sebelumnya) untuk menemukan pola
atau hubungan yang tidak diketahui. Dengan kata lain, analisa data sering melibatkan
teknologi, sistem, praktik, metodologi, basis data, statistik, dan aplikasi yang digunakan
untuk menganalisis data bisnis yang beragam untuk memberi organisasi informasi yang
mereka butuhkan untuk membuat keputusan bisnis yang tepat. Proses analisa data bertujuan
untuk mengubah data mentah menjadi pengetahuan untuk menciptakan nilai bagi bisnis.

Big Data mengacu pada kumpulan data yang terlalu besar dan kompleks untuk ditangani oleh
sistem bisnis yang telah ada atau dengan memanfaatkan kemampuan tradisional mereka
untuk menangkap, menyimpan, mengelola, dan menganalisis kumpulan data ini. Cara lain
untuk menggambarkan Big Data adalah dengan menggunakan 4V: volumenya (ukuran set
data yang tipis), kecepatan (kecepatan pemrosesan data), variasi (jumlah jenis data), dan
keakuratan (kualitas yang mendasari data).

Data Analytics in Accounting and Finance

B. Data Analisis dalam Bisnis

Sebuah studi baru-baru ini dari McKinsey Global Institute memperkirakan bahwa data
analisis dan teknologi dapat menghasilkan nilai hingga $2 triliun per tahun hanya dalam
subset dari total industri yang mungkin terpengaruh. Data Analisis dapat sangat mengubah
cara perusahaan menjalankan bisnis mereka di dalam waktu dekat karena nilai sebenarnya
dari data yang berasal dari hasil Data Analisis. Dengan banyaknya data di tangan mereka,
perusahaan menggunakan Data Analisis untuk menemukan berbagai pola pembelian
pelanggan mereka, menyelidiki anomali yang tidak diantisipasi, memperkirakan
kemungkinan di masa depan, dan sebagainya. Misalnya, dengan wawasan yang diberikan
melalui Data Analisis, perusahaan dapat menjalankan kampanye pemasaran yang lebih
terarah berdasarkan pola yang diamati dalam data mereka, memberi mereka keunggulan
kompetitif dibandingkan perusahaan yang tidak menggunakan informasi ini untuk
meningkatkan strategi pemasaran mereka. Dengan memasangkan data terstruktur dengan
data tidak terstruktur, dapat ditemukan pola yang menciptakan makna baru, menciptakan
nilai, dan keunggulan kompetitif. Selain menghasilkan lebih banyak nilai secara eksternal,
penelitian menunjukkan bahwa Data Analisis memengaruhi proses internal, meningkatkan
produktivitas, pemanfaatan, dan pertumbuhan.

Dan semakin banyak tersedianya alat analitik data sebagai analisis self-service yang
memungkinkan pengguna untuk menganalisis data dengan menggabungkan, memfilter,
menganalisis, memperkaya, menyortir, memvisualisasikan, dan membuat dasbor untuk
pengambilan keputusan berbasis data sesuai permintaan.

C. Data Analisis dalam Akuntansi

a. Data Analisis dalam Audit

Data Analisis memainkan peran yang semakin penting di masa depan audit.
Dalam laporan Forbes Insights / KPMG baru-baru ini, “Audit 2020: A Focus on
Change,” sebagian besar responden survei percaya bahwa:
1. Audit harus lebih memanfaatkan teknologi
2. Teknologi akan meningkatkan kualitas, transparansi, dan akurasi audit

Data Analytics in Accounting and Finance

Memang, seiring lanskap bisnis untuk sebagian besar organisasi menjadi semakin
kompleks dan bergerak cepat, ada gerakan untuk memanfaatkan teknik analitik
bisnis canggih untuk menyempurnakan fokus pada risiko dan memperoleh
wawasan yang lebih dalam ke dalam suatu organisasi. Banyak auditor percaya
bahwa data audit analitik akan, pada kenyataannya, mengarah pada wawasan yang
lebih dalam yang akan meningkatkan kualitas audit. Sentimen dampak Data
Analisis pada audit ini telah berkembang selama beberapa tahun terakhir dan telah
memberikan banyak keuntungan kepada kantor akuntan publik untuk berinvestasi
dalam teknologi dan personel untuk menangkap, mengatur, dan menganalisis data
laporan keuangan untuk menyediakan audit yang ditingkatkan, layanan yang
diperluas, dan nilai tambah bagi klien mereka. Hasilnya, Data Analisis adalah
inovasi berikutnya dalam evolusi industri audit dan akuntansi profesional.

Mengingat fakta bahwa data operasional berlimpah dan lebih mudah untuk
dikumpulkan dan dikelola, dikombinasikan dengan keinginan CEO untuk
memanfaatkan data ini, firma akuntansi sekarang dapat mendekati keterlibatan
mereka dengan pola pikir yang berbeda. Mereka tidak lagi hanya akan memeriksa
kesalahan, salah saji material, penipuan, dan risiko dalam laporan keuangan atau
hanya melaporkan temuan mereka di akhir perikatan. Sebaliknya, profesional
audit sekarang akan mengumpulkan dan menganalisis data perusahaan serupa
dengan cara seorang analis bisnis akan membantu manajemen membuat
keputusan bisnis yang lebih baik. Ini berarti bahwa, dalam banyak kasus, auditor
eksternal akan tetap terlibat dengan klien di luar audit. Ini adalah perubahan
paradigma yang signifikan. Proses audit berubah dari proses tradisional ke proses
yang lebih otomatis, yang akan memungkinkan profesional audit untuk lebih
fokus pada logika dan alasan di balik kueri data dan kurang pada pengumpulan
data aktual. Akibatnya, 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 in Accounting and Finance

 Data Analisis juga memperluas kemampuan auditor dalam layanan seperti
pengujian untuk transaksi penipuan dan mengotomatiskan aktivitas pemantauan
kepatuhan (seperti mengajukan laporan keuangan ke Security Exchange
Commision [SEC] atau ke Internal Revenue Service [IRS]). Hal ini dimungkinkan
karena Analisis Data memungkinkan auditor untuk menganalisis kumpulan data
lengkap, bukan pengambilan sampel data keuangan yang dilakukan dalam audit
tradisional. Analisis Data memungkinkan auditor meningkatkan penilaian
risikonya baik dalam pengujian substantif maupun terperinci.

b. Data Analisis dalam Manajemen Akuntansi

Dari semua bidang akuntansi, tampaknya tujuan Data Analisis paling mirip
dengan akuntansi manajemen. Akuntan manajemen (1) ditanyai oleh manajemen,
(2) menemukan data untuk menjawab pertanyaan tersebut, (3) menganalisis data,
dan (4) melaporkan hasilnya kepada manajemen untuk membantu pengambilan
keputusan mereka. Deskripsi tugas akuntan manajemen dan analis data
tampaknya sangat mirip, namun tidak identik dalam banyak hal.

Baik itu memahami biaya melalui penetapan biaya pesanan, memahami

penggerak penetapan biaya berdasarkan aktivitas, memperkirakan penjualan di
masa depan yang menjadi dasar anggaran, atau menentukan apakah akan menjual
atau memproses lebih lanjut atau membuat atau mengalihdayakan proses
produksinya, menganalisis data sangat penting bagi akuntan manajemen

Data Analytics in Accounting and Finance

 KESIMPULAN

Data Analisis didefinisikan sebagai proses mengevaluasi data dengan tujuan menarik
kesimpulan untuk menjawab pertanyaan bisnis. Memang, analisa data yang efektif
menyediakan cara untuk menelusuri data besar yang terstruktur (data yang mengikuti model
data yang telah ditentukan sebelumnya dalam format tabel) dan data tidak terstruktur (data
yang tidak mengikuti format data yang telah ditentukan sebelumnya) untuk menemukan pola
atau hubungan yang tidak diketahui. Dengan memasangkan data terstruktur dengan data tidak
terstruktur, dapat ditemukan pola yang menciptakan makna baru, menciptakan nilai, dan
keunggulan kompetitif. Selain menghasilkan lebih banyak nilai secara eksternal, penelitian
menunjukkan bahwa Data Analisis memengaruhi proses internal, meningkatkan
produktivitas, pemanfaatan, dan pertumbuhan.

Proses audit berubah dari proses tradisional ke proses yang lebih otomatis, yang akan
memungkinkan profesional audit untuk lebih fokus pada logika dan alasan di balik kueri data
dan kurang pada pengumpulan data aktual. Akibatnya, 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 in Accounting and Finance

 DAFTAR PUSTAKA

1. Vernon J. Richardson, Ryan A. Teeter, Katie L. Terrell (2019). Data Analytics for
Accounting. McGraw-Hill Education, New York. ISBN: 9781260837834. Chapter 1.

Data Analytics in Accounting and Finance