Analitinės procedūros ir lūkesčių modeliavimas: tendencijų, santykio ir nuokrypių analizė

Pelnas:

• Supraskite, kokios analitinės procedūros patenka į BDS 520 taikymo sritį ir kaip naudoti dirbtinį intelektą lūkesčių generavimui, santykio analizei ir nukrypimų paaiškinimų rengimui.
• Gebėjimas interpretuoti horizontalią-vertikalią analizę, santykio analizę ir tendencijų suskirstymą naudojant dirbtinio intelekto palaikymą ir nustatyti nukrypimus, kuriuos reikia ištirti
• Gebėjimas suprasti, kad dirbtinio intelekto pasiūlytas nukrypimo paaiškinimas yra hipotezė ir negali būti laikomas audito rezultatu be įrodymų.

Vienas galingiausių patyrusio auditoriaus ginklų – „laukimas“. Prieš žiūrėdamas į finansinę ataskaitą, jis apytiksliai žino, ką jam reikia pamatyti, nes išmano verslą: „Ši įmonė pernai augo 15 proc., personalo skaičius stabilus, tad tikėčiau, kad išlaidos personalui padidės maždaug tiek pat, kiek infliacija. Tada jis lygina tikrovę su lūkesčiais. Jei nukrypstama nuo lūkesčių, yra arba paaiškinimas, arba problema. Sisteminė šio mąstymo būdo forma vadinama analitinėmis procedūromis, o BDS 520 ją organizuoja.

Analitinė procedūra yra nustatyti lūkesčius, naudojant pagrįstus finansinių ir nefinansinių duomenų ryšius, juos palyginti su faktiniais ir ieškoti reikšmingų nukrypimų. Jis naudojamas trijose vietose: planuojant (norint pamatyti riziką), atliekant esminius testavimus (esminiam patikrinimui) ir audito pabaigoje (atliekant bendrą pagrįstumo patikrinimą). Šiame skyriuje išmoksite naudoti dirbtinį intelektą lūkesčių formavimo, santykio analizės ir nuokrypių paaiškinimo juodraščio gamyboje; Tačiau aptarsime, kodėl AI pasiūlytas paaiškinimas yra hipotezė, o ne įrodymas.

Analitinės procedūros įrankiai

Pagrindinės auditoriaus naudojamos analizės priemonės yra šios:

• Horizontalioji analizė: Prekės pokyčio (sumos ir %) tyrimas kiekvienais metais. "Pardavimai padidėjo 40 proc.; kodėl?"
• Vertikali analizė: elementų santykis su visuma (pvz., kiekvienos sąnaudos ir pajamų santykis). „Nors parduotų prekių savikaina sudarė 62 proc. pajamų, šiais metais ji tapo 71 proc., kodėl marža sumažėjo?
• Santykio analizė: Prasmingų rodiklių (bendrojo pelno maržos, atsargų apyvartumo tempo, gautinų sumų surinkimo laikotarpio, einamųjų koeficientų) apskaičiavimas ir jo tendencijos bei palyginimo su pramone tyrimas.
• Tendencijų analizė: kelių laikotarpių matymas kartu ir pertraukų gaudymas.
• Pagrįstumo testas: nepriklausomo lūkesčio nustatymas (pvz., „palūkanų išlaidos ≈ vidutinė skola × palūkanų norma“) ir palyginimas su realybe.

AI visus šiuos skaičiavimus atlieka per kelias sekundes, įdeda į skaičiuoklę ir pažymi nukrypimus. Be to, jis gali pasiūlyti galimus nukrypimų paaiškinimus. Čia yra kritinis taškas: AI pateiktas paaiškinimas yra pradinė hipotezė. „Marža sumažėjo, nes išaugo žaliavų kainos“ gali būti pagrįsta, tačiau auditorius negali daryti išvados nepatvirtinus to sutartimis, sąskaitomis faktūromis, vadovybės atskleidė ir – ypač netikėtų nukrypimų atveju – nepriklausomais įrodymais.

Kuo jautresnis lūkestis, tuo stipresnė procedūra

Svarbi BDS 520 subtilybė: analitinės procedūros patikimumas priklauso nuo to, kaip tiksliai ir nepriklausomai nustatomi lūkesčiai. Jei lūkesčius kuriate tiesiogiai iš įmonės pateiktų duomenų, patenkate į žiedinę logiką (patvirtinate tuos pačius duomenis tais pačiais duomenimis). Dideli lūkesčiai grindžiami kiek įmanoma nepriklausomomis įvestimis (ne finansiniais duomenimis, išorės rinkos duomenimis, jūsų sąskaita). AI gali padėti jums sukurti lūkesčių modelį – „kokių duomenų man reikia, kad galėčiau savarankiškai apskaičiuoti palūkanų išlaidas? — tačiau auditorius yra atsakingas už įvesties nepriklausomumą ir modelio tinkamumą.

Patarimas: interpretuodami nuokrypį iš anksto nustatykite „nereikšmingumo slenkstį“. Kiek nukrypimas nuo lūkesčių bus laikomas „tiriamuoju“? Nustatykite šią slenkstį iš anksto, atsižvelgdami į reikšmingumą, kad nereikėtų vaikytis kiekvieno mažo dirbtinio intelekto svyravimų.

Stiprių lūkesčių sukūrimas naudojant nefinansinius duomenis

Analitinė procedūra yra pati galingiausia, kai lūkesčius kuriate remdamiesi ne finansiniais, o ne tik finansiniais duomenimis. Pavyzdžiui, galite savarankiškai įvertinti viešbučio kambario pajamas, padaugindami užimtų kambarių naktų skaičių iš vidutinės kambario kainos; galite apytiksliai apskaičiuoti gamybos verslo energijos sąnaudas pagal pagamintų vienetų skaičių ir tipinį vieneto suvartojimą; Galite numatyti mokyklos pajamas iš švietimo sistemos pagal mokinių skaičių ir vidutinį mokestį. Tokie lūkesčiai nepatenka į cirkuliarumo spąstus, nes jie nepriklauso nuo pačios įmonės apskaitos įrašų ir suteikia tikrą kryžminę patikrą. AI padeda nustatyti šio nepriklausomo lūkesčių modelio įvestis ir formulę; tačiau auditorius yra atsakingas už tai, kad įvestis būtų tikrai nepriklausoma ir patikima (studentų skaičius, kambarys-naktis, produkcijos kiekis teisingas?). Jei skirtumas tarp lūkesčių ir realybės yra didelis, tai rodo arba apskaitos klaidą, arba lūkesčių įvesties problemą; Abu turi būti ištirti.

Žingsnis po žingsnio analizės procedūra

1. Nustatyti lūkesčius. Užrašykite, ko tikitės iš peržiūrimo elemento, jei įmanoma, įvesdami nepriklausomą informaciją.
2. Paruoškite duomenis, patikrinkite išsamumą. Ar faktiniai duomenys, kuriuos lyginsite, yra tikslūs ir išsamūs?
3. Apskaičiuokite su AI. Atlikti horizontalių/vertikalių/santykių/tendencijų skaičiavimus; Parodykite kiekvienos paskyros veiksmus.
4. Nustatykite nukrypimus. Pažymėkite nukrypimus, viršijančius iš anksto nustatytą slenkstį.
5. Sukurkite hipotezes, bet patikrinkite. Paklauskite AI dėl galimų paaiškinimų; patikrinkite kiekvieną su įrodymu.
6. Dokumentuokite rezultatą. Lūkesčiai, faktas, nukrypimas, paaiškinimas ir patvirtinantys įrodymai.

trys mini dėklai

1 atvejis – tikrosios nukrypimo priežasties nustatymas. Vienas auditorius nustatė, kad personalo išlaidos padidėjo 38 proc.; Tačiau darbuotojų skaičius ir infliacija tai paaiškino tik 22 proc. Jis turėjo AI paklausti apie skirtumų hipotezes; YZ išvardijo tokias parinktis kaip „pakėlimas, naujas samdymas, premija, išeitinė išmoka“. Auditorius išnagrinėjo darbo užmokesčio apskaitą: skirtumas atsirado dėl per metus sumokėtos vienkartinės priemokos mokėjimo, tačiau nepaskirstytos kaip sąnaudos tinkamu laikotarpiu, taip pat buvo sezoniškumo klaida. AI pateikė hipotezę; Darbo užmokesčio įrodymai ir auditoriaus tyrimas atskleidė tiesą.

2 atvejis – hipotezės klaidingas įrodymas. Komandos narys paklausė AI apie išlaidų elemento padidėjimą 40 %; AI „tikriausiai dėl infliacijos“, – sakė jis. Komandos narys tai parašė kaip komentarą tiesiai ant darbalapio ir uždėjo rašiklį. Atsakingas asmuo klausė: tuo metu infliacija buvo 25%, 40% nepaaiškinta; Be to, prekė buvo nuomos sąnaudos pagal fiksuotą sutartį ir automatiškai nedidėjo didėjant infliacijai. Tikroji priežastis – į sutartį įtrauktas naujas laukas. Pamoka: AI paaiškinimas yra hipotezė; Negalima daryti išvados, nepatikrinus įrodymais.

3 atvejis – prasti lūkesčiai. Siekdamas patikrinti palūkanų sąnaudų pagrįstumą, auditorius nustatė savo lūkesčius tiesiogiai iš verslo užregistruotų palūkanų sąnaudų (aplinkraštis). Natūralu, kad paaiškėjo, kad „lūkesčiai = realybė“ ir jokių nukrypimų neatsirado. Atsakingas asmuo priminė, kad lūkestį reikėtų nustatyti savarankiškai: vidutinis skolos likutis × vidutinė palūkanų norma. Nepriklausomai paskaičiavus paaiškėjo, kad faktinės palūkanų išlaidos buvo gerokai mažesnės nei tikėtasi, o už skolą palūkanos nebuvo priskaičiuotos. Pamoka: lūkesčių nepriklausomumas lemia procedūros stiprumą.

Silpnas raginimas / Stiprus raginimas

Silpnas raginimas:

Pažvelkite į šią diagramą ir pasakykite man, ar yra kažkas nenormalaus.

Problema: nėra lūkesčių, nėra slenksčio, nėra konteksto. AI arba atsitiktinai pažymi „anomaliją“ arba generuoja sugalvotus paaiškinimus; rezultatui trūksta kontrolinės vertės.

Galingas raginimas:

Jūsų vaidmuo: esate nepriklausomo auditoriaus analitinės procedūros asistentas. Apskaičiuosite ir RODYSITE nukrypimus bei pasiūlysite galimas aiškinamąsias HIPOTEZES; patikrinimas ir išvada yra mano.Kontekstas (anoniminis): Gamybos įmonė. Pajamos einamaisiais metais – 240 mln., ankstesniais metais – 200 mln. (augimas 20 proc.). Personalo skaičius yra fiksuotas.Duomenys:[sąskaita; ankstesni metai; einamieji metai] eilutės (pajamos, PMD, personalo išlaidos, nuoma, palūkanų išlaidos, ...)Užduotis:1) Atlikti kiekvienos prekės horizontaliąją analizę (sumos ir % pokytis); parodykite skaičiavimo žingsnį.2) Vertikalioji analizė: proporcuokite visas išlaidas pajamoms; palyginkite dvejus metus.3) Taikykite tokią ribą: pažymėkite „peržiūrai“, jei % pokytis nuo pajamų augimo (20%) nukrypsta daugiau nei 10 absoliučių taškų.4) Pasiūlykite 2-3 galimus paaiškinimus HIPOTEZĖ kiekvienai pažymėtai prekei; Taip pat užsirašykite ĮRODYMUS, kuriais kiekvienas bus patikrintas. Nurodykite, kad tai nėra išvados.5) Nedarykite jokių skaičių ar pramonės etalonų, kurių negalėtumėte gauti iš duomenų.

Šis raginimas yra galingas, nes suteikia kontekstą ir lūkesčius (20 % augimas), nustato aiškią nukrypimo slenkstį, prašo paaiškinimų kaip hipotezės ir kiekvieną hipotezę susieja su įrodymais.

Dažnos klaidos

• Hipotezės klaidingas įrodymas. Išvadų rašymas nepatikrinus AI teiginio „tikriausiai...“.
• Apvalių lūkesčių nustatymas. Tikimasi, kad duomenys turi būti patikrinti, ir klaidingo „tinkamo“ pateikimas.
• Nenustatęs slenksčio. Persekioti kiekvieną mažą svyravimą arba nepastebėti reikšmingo nukrypimo.
• Analizė be konteksto. Prašyti „anomalijos“ nereklamuojant verslo; gauti beprasmius ženklus.
• Išlikti paviršutinišku netikėtu nukrypimu. Stebėtina posūkio uždengimas pirmuoju patikimu paaiškinimu; kadangi BDS reikalauja gilesnio netikėto nukrypimo tyrimo.

Pastaba: numatomas nuokrypis (pvz., padidėjęs nusidėvėjimas dėl žinomos investicijos) skiriasi nuo netikėto nukrypimo. Netikėtas nukrypimas kelia didesnę riziką ir reikalauja tvirtesnių įrodymų. AI negali atskirti šių dviejų; Auditorius daro šį skirtumą.

Apibendrinant

Analitinės procedūros (BDS 520) – tai menas pamatyti nukrypimus, nustatant lūkesčius ir lyginant juos su tikrove. AI yra galingas skaičiavimo ir hipotezių variklis šioje srityje: per sekundes atlieka horizontalią/vertikalią/santykio/tendencijų analizę, pažymi nukrypimus, siūlo galimus paaiškinimus. Tačiau procedūros galia priklauso nuo lūkesčių nepriklausomumo, o AI pasiūlytas paaiškinimas yra hipotezė, o ne įrodymas. Auditorius nustato nukrypimo slenkstį, auditorius užtikrina lūkesčių nepriklausomumą, o kiekvieną teiginį auditorius patikrina įrodymais. Netikėtas nukrypimas visada reikalauja gilesnio tyrimo.

Taikymo užduotis

Paimkite paprastą dvejų metų pajamų ataskaitą (hipotetinę) ir nustatykite augimo lūkesčius (pvz., 20%). Naudodami aukščiau pateiktą galingą raginimo šabloną, leiskite dirbtiniam intelektui atlikti horizontalią ir vertikalią analizę, pritaikyti dreifo slenkstį ir pateikti pažymėtų elementų hipotezę + įrodymus. Tada vienoje pastraipoje parašykite, kaip nustatyti elemento „neapvalų nepriklausomą lūkestį“ (kokias nepriklausomas įvestis naudotumėte).

kontrolinis sąrašas

• [ ] Iš anksto sukūriau lūkesčius (jei įmanoma, įtraukdamas nepriklausomą informaciją) dėl peržiūrimo elemento.
• [ ] Patvirtinau palygintų duomenų išsamumą.
• [ ] Iš AI gavau horizontalią / vertikalią / santykio analizę, rodančią skaičiavimo veiksmus, ir ją patikrinau.
• [ ] Aš nustačiau nuokrypio slenkstį, atitinkantį reikšmingumą.
• [ ] AI paaiškinimus priėmiau kaip hipotezes; Aš išbandžiau kiekvieną su įrodymu.
• [ ] Skiriu laukiamą ir netikėtą nukrypimą; Giliau pasineriau į netikėtumus.
• [ ] Aš dokumentavau lūkesčius, realybę, nukrypimą, paaiškinimą ir patvirtinančius įrodymus.