การประยุกต์การวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบ
Article Sidebar
Main Article Content
บทคัดย่อ
การวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบ (Audit Data Analytics: ADAs) ได้เข้ามามีบทบาทสำคัญต่องานการผู้สอบบัญชีเป็นอย่างมาก โดยเฉพาะประเด็นที่สำคัญ คือ การพัฒนาคุณภาพการสอบบัญชี อย่างไรก็ตามการใช้ ADAs ยังถือเป็นเรื่องใหม่ที่สร้างความท้าทายให้กับผู้สอบบัญชี และอยู่ในช่วงของการพัฒนาเครื่องมือและวิธีการตรวจสอบเพื่อให้สอดรับกับรูปแบบของการทำงานและลักษณะของข้อมูลของลูกค้า การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อแสดงให้เห็นแนวทางในการประยุกต์การวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบให้เข้ากับขั้นตอนในการตรวจสอบ โดยใช้การทดลองปฏิบัติจริงในโปรแกรมสำเร็จการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบที่พัฒนาโดยสำนักงานสอบบัญชีแห่งหนึ่ง รวมทั้งการสัมภาษณ์ผู้สอบบัญชีที่ปฏิบัติงานภายในสำนักงานสอบบัญชีที่มีการนำ ADAs มาใช้ในการตรวจสอบ เพื่อแสดงให้เห็นทัศนคติที่มีต่อการนำการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบมาใช้ในงานการสอบบัญชี
ผลการศึกษาพบว่า ADAs สามารถนำมาประยุกต์ได้ในทุกขั้นตอนของการตรวจสอบเป็นอย่างดี ทั้งในขั้นตอนการวางแผนและประเมินความเสี่ยง การทดสอบการควบคุม และการตรวจสอบเนื้อหาสาระ ซึ่งรวมถึงการวิเคราะห์เปรียบเทียบและการทดสอบรายละเอียดยอดคงเหลือ การศึกษานี้ได้ยกตัวอย่างรายงานของแต่ละขั้นตอนการสอบบัญชี เพื่อให้เห็นแนวทางปฏิบัติในการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบอีกด้วย ผลการศึกษาจากการสัมภาษณ์ความคิดเห็นของผู้สอบบัญชีที่มีประสบการณ์แสดงให้เห็นว่า ADAs สามารถเพิ่มคุณภาพงานตรวจสอบบัญชี และเพิ่มความเชื่อมั่นของผู้สอบบัญชีในการทดสอบรายการที่ครอบคลุมร้อยละ 100 ของข้อมูลทั้งหมด ตลอดจนช่วยลดต้นทุนและเวลาในการตรวจสอบ ซึ่งสามารถเพิ่มคุณภาพงานสอบบัญชีให้ดียิ่งขึ้น ทั้งนี้การสัมภาษณ์ยังพบว่า ADAs สามารถตอบสนองความสงสัยเยี่ยงผู้ประกอบวิชาชีพได้ง่ายกว่าการตรวจสอบแบบเดิม กล่าวคือ สามารถเน้นจุดที่มีความเสี่ยงสูงมากกว่าที่จะตรวจสอบในลักษณะกระจายไปทุกบัญชี อย่างไรก็ตาม ADAs ยังคงมีข้อจำกัดที่สร้างความท้าทายแก่ผู้สอบบัญชี เช่น การตรวจสอบประเด็นทางบัญชีที่ซับซ้อน ความจำเป็นต้องใช้ความรู้ความสามารถ ทักษะ และประสบการณ์ในการใช้โปรแกรมสำเร็จรูปดังกล่าว รวมถึงดุลยพินิจเยี่ยงผู้ประกอบวิชาชีพในการพยากรณ์ค่าคาดการณ์ที่เหมาะสม รวมทั้งการตั้งคำถามที่จะนำไปสู่การตรวจพบรายการที่ผิดปกติ การศึกษาครั้งนี้เสนอแนวทางในการพัฒนาการใช้การวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบ
Article Details
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารสภาวิชาชีพบัญชี ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรงซึ่งกองบรรณาธิการวารสารไม่จำเป็นต้องเห็นด้วยหรือร่วมรับผิดชอบใด ๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารสภาวิชาชีพบัญชี ถือเป็นลิขสิทธิ์ของวารสารสภาวิชาชีพบัญชี หากบุคคลหรือหน่วยงานใดต้องการนำข้อมูลทั้งหมดหรือบางส่วนไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารสภาวิชาชีพบัญชี ก่อนเท่านั้น
References
โสภณ เพิ่มศิริวัลลภ. (2559). กระแสแห่งนวัตกรรมทางเทคโนโลยีกับวิชาชีพสอบบัญชี. วารสารวิชาชีพบัญชี, 12(34), 59-62.
สภาวิชาชีพบัญชี ในพระบรมราชูปถัมภ์. 2561. มาตรฐานการสอบบัญชี รหัส 200 วัตถุประสงค์โดยรวมของผู้สอบบัญชีรับอนุญาตและการปฏิบัติงานตรวจสอบตามมาตรฐานการสอบบัญชี. [ออนไลน์]. แหล่งที่มา: https://www.tfac.or.th/Article/Detail/66978
สภาวิชาชีพบัญชี ในพระบรมราชูปถัมภ์. 2561. มาตรฐานการสอบบัญชี รหัส 300 การวางแผนการตรวจสอบงบการเงิน (ภาคผนวก ข้อพิจารณาในการจัดทำกลยุทธ์การสอบบัญชีโดยรวม). [ออนไลน์]. แหล่งที่มา: https://www.tfac.or.th/Article/Detail/66978
สภาวิชาชีพบัญชี ในพระบรมราชูปถัมภ์. 2561. มาตรฐานการสอบบัญชี รหัส 315 (ปรับปรุง) การระบุและประเมินความเสี่ยงจากการแสดงข้อมูลที่ขัดต่อข้อเท็จจริงอันเป็นสาระสำคัญโดยการทำความเข้าใจกิจการและสภาพแวดล้อมของกิจการ. [ออนไลน์]. แหล่งที่มา: https://www.tfac.or.th/Article/Detail/66978
สภาวิชาชีพบัญชี ในพระบรมราชูปถัมภ์. 2561. มาตรฐานการสอบบัญชี รหัส 330 วิธีปฏิบัติของผู้สอบบัญชีในการตอบสนองต่อความเสี่ยงที่ได้ประเมินไว้. [ออนไลน์]. แหล่งที่มา: https://www.tfac.or.th/upload/9414/XxT9jwVKQV.pdf
สภาวิชาชีพบัญชี ในพระบรมราชูปถัมภ์. 2561. มาตรฐานการสอบบัญชี รหัส 530 การเลือกตัวอย่างในการสอบบัญชี. [ออนไลน์]. แหล่งที่มา: https://www.tfac.or.th/Article/Detail/66978
American Institute of Certified Public Accountants, AICPA. (2017). Guide to ADAs fact sheet, [Online]. Available: https://www.aicpa.org/content/dam/aicpa/interestareas/frc/assuranceadvisoryservices/downloadabledocuments/guide-to-audit-data-analytics-fact-sheet-web.pdf
Appelbaum, Deniz (2017). Public Auditing, Analytics, and Big Data in the Modern Economy. [Online]. Available: https://rucore.libraries.rutgers.edu/rutgers-lib/54072/PDF/1/play/
Derrett, Rob (2017). Confidence in the Future: Human and Machine Collaboration in the Audit. [Online]. Available: https://www.pwchk.com/en/audit-assurance/confidence-in-the-future-human-machine-collaboration.pdf.
Mazzei, Chris and Duffy, Nigel (2017). Putting artificial intelligence (AI) to work. [Online]. Available: https://www.ey.com/Publication/vwLUAssets/ey-putting-artificial-intelligence-to-work/$File/ey-putting-artificial-intelligence-to-work.pdf
CPA Canada (2017). ADAs Alert. Update on the use of Audit Data Analytics and the evolution of the financial statement audit – UWCISA Symposium. [Online]. Available: https://www.cpacanada.ca/en/business-and-accounting-resources/audit-and-assurance/canadian-auditing-standards-cas/publications/audit-data-analytics-alert-uwcisa-panel
Information Systems Audit and Control Association, ISACA (2018). Audit Artificial Intelligence. [Online]. Available: https://www.isaca.org/Knowledge-Center/Research/ResearchDeliverables/Pages/Auditing-Artificial-Intelligence.aspx.
Institute of Chartered Accountants in England and Wales, ICAEW. (2016). Data Analytics for external auditors. [Online]. Available: https://www.icaew.com/-/media/corporate/files/technical/iaa/tecpln14726-iaae-data-analytics---web-version.ashx
International Federation of Accountants, IFAC. (2016). Audit Data Analytics.
Stefan Davis (2019) Audit Analytics: Is Sampling Enough for Internal Controls Testing? เข้าถึงวันที่ 19/7/2019 https://www.teammatesolutions.com/audit-analytics-is-sampling-enough-for-internal-controls-testing.aspx
Van Der Aalst, Wil. (2011). Process mining: discovery, conformance and enhancement of business processes. Springer Science & Business Media.