Ieguvumi:
- Izprast izlases risku un pilnas populācijas testēšanas loģiku (100% testēšana) un prast izmantot mākslīgo intelektu datu sagatavošanai, noteikumu rakstīšanai un rezultātu interpretācijai.
- Spēja izstrādāt un ieviest atbilstības, pilnīguma un precizitātes testus lielās datu kopās ar mākslīgā intelekta atbalstu
- Spēja saprast, ka izņēmumu saraksts pilnas populācijas pārbaudē nav rezultāts, bet gan sākums, ko revidents pārbaudīs, un ka galīgais novērtējums pieder auditoram.
Viens no būtiskākajiem auditora profesijas ierobežojumiem bija tas, ka revidentam daudzus gadus bija jāstrādā ar atlasi. Jūs nevarat manuāli pārskatīt 180 000 rēķinu, ko uzņēmums izsniedz gada laikā; Tātad jūs atlasāt dažus simtus ierakstu, izmantojot statistikas vai sprieduma metodi, pārbaudāt tos un vispārinat rezultātu visai populācijai. Izlases ņemšana ir spēcīgs un likumīgs paņēmiens, taču ar to ir raksturīgs risks: izlases risks — jūsu izvēlētais paraugs var nebūt reprezentatīvs attiecībā uz kopu, un tajā esošā patiesā kļūda var neattiekties tieši tur, kur jūs meklējat.
Datu analīze un AI maina šo attēlu: tagad varat pārbaudīt visu populāciju, t.i., 100%. To sauc par pilnīgu populācijas testēšanu. Mēs veltām šo vienību, lai izprastu pāreju no “parauga uz veselumu”, tās sniegto spēku un jaunos pienākumus, kurus daudzi cilvēki neievēro. Tā kā pilna populācijas pārbaude neatvieglo pārbaudi; Tas maina pārbaudes būtību un uzliek jaunu slogu pārbaudītājam.
Atšķirība starp paraugu ņemšanu un pilnīgu populācijas testēšanu
Klasiskajā izlasē loģika ir šāda: "Ļaujiet man rūpīgi pārbaudīt nelielu, bet reprezentatīvu grupu un interpretēt rezultātu kopumā." Pilnajā populācijas pārbaudē loģika ir pretēja: "Ļaujiet man skenēt visu saskaņā ar noteiktiem noteikumiem, atrast izņēmumus, kas neatbilst noteikumam, un rūpīgi tos pārbaudīt." Pirmajā pieejā risks ir "nepareiza izlases izvēle"; Otrajā gadījumā risks ir "nepareiza noteikuma rakstīšana" un "darbs ar nepilnīgiem/kļūdainiem datiem".
Šajā tabulā ir salīdzinātas divas pieejas:
Izmērs
paraugu ņemšana
Pilna populācijas pārbaude (100%)
Darbības joma
daļa iedzīvotāju
visa populācija
Galvenais risks
Izlases risks (attēlojuma kļūda)
Noteikumu kļūda + datu integritātes kļūda
izvade
Ierobežots testa rezultātu skaits
Izņēmumu saraksts, kas neatbilst noteikumam
Revidenta slogs
izvēle + tests
Noteikumu izstrāde + izņēmumu izvērtēšana
AI loma
Palīdziet paraugu atlasē
Datu sagatavošana, noteikumu rakstīšana, izņēmumu atzīmēšana
Piezīme: pilna populācijas pārbaude nenozīmē "es pārbaudīju visu, darbs ir paveikts". Gluži pretēji, tas parasti sniedz jums vairāk priekšmetu, ko pārbaudīt. Izpildot visus 180 000 rēķinus, izmantojot datuma-summas-apstiprināšanas kārtulu, jūs atradīsiet varbūt 900 izņēmumus. Katrs no tiem ir jautājums; nav atbilde. Šeit tiek izmantota revīzijas tiesu sistēma.
Datu pilnīgums: neredzams testēšanas pamats
Visas populācijas testēšanas lielākā kļūme ir tā, ka testa kvalitāte ir atkarīga no datu kvalitātes. "Es pārbaudīju 100% datu" ir jēga tikai tad, ja jūsu rīcībā esošie dati faktiski ir 100% no visiem iedzīvotājiem. Ja, izvelkot datus no sistēmas, filtrs bija nepareizs, daži ieraksti tika izlaisti vai summas kolonna tika pārsūtīta ar decimāldaļu kļūdu, jūsu "pilnā" pārbaude faktiski tiks veikta nepilnīgiem vai bojātiem datiem. Tāpēc datu pilnīguma un precizitātes apstiprināšana ir pirmais un neaizstājams solis pilnas populācijas pārbaudē.
Praktiskās pārbaudes pilnīguma pārbaudei:
- Ierakstu skaita saskaņošana: vai rindu skaits izvilktajā datu kopā atbilst kopējam ierakstu skaitam sistēmā?
- Summas saskaņošana: vai kopējā summa datu kopā sakrīt ar attiecīgā konta kopējo summu izmēģinājuma bilancē/meitasuzņēmumā?
- Datumu diapazons: Vai datos ir iekļauta perioda pirmā un pēdējā diena; Vai trūkst mēneša/dienas?
- Tukšas un sliktas vietas skenēšana: vai obligātajos laukos (datums, summa, konta kods) ir atstarpes vai bezjēdzīgas vērtības?
AI palīdz veikt visas šīs pārbaudes: pārmeklē datus, iegūst kopsummas, uzskaita tukšās vietas, ziņo datumu diapazonu. Bet tieši auditors izlemj, vai līgums "pastāv", pēta atšķirību un apstiprina, ka dati ir piemēroti audita mērķim.
Uzmanību! Nerakstiet darblapā "Es pārbaudīju visus datus", nepārbaudot datu pilnīgumu. Pilnīga populācijas pārbaude par trūkstošiem datiem sniedz šķietami pilnīgu, bet maldinošu pārliecību.
Pilna populācijas pārbaude ar AI: soli pa solim
- Droši sagatavojiet datus. Anonimizēt personiskos/privātos laukus vai aizstāt tos ar vietturiem. Ja iespējams, izmantojiet korporatīvo, ar līgumu noslēgtu transportlīdzekli.
- Apstipriniet pilnīgumu. Saskaņojiet ierakstu skaitu un summu.
- Skaidri definējiet pārbaudes noteikumu. Kas tiek uzskatīts par "izņēmumu"? (Piemēram: neapstiprināts rēķins, nedēļas nogalē izrakstīts rēķins, liels apaļš maksājums, ienākumi, kas reģistrēti pēc beigu datuma.)
- Piemērojiet noteikumu ar AI. AI piemēro noteikumu datiem un izveido izņēmumu sarakstu; Skaidri uzrakstiet noteikumu, lai to varētu pārbaudīt.
- Nosakiet prioritātes un pārskatiet izņēmumus. Izpētiet katru izņēmumu ar pierādījumiem; novērst viltus pozitīvus rezultātus, pamatot faktiskos konstatējumus.
- Dokumentējiet rezultātu. Saistiet noteikumu, izņēmumu skaitu, pārbaudītos vienumus un secinājumus ar darblapu.
trīs mini futrāļi
1. gadījums — griešanas pārbaude. Revidents vēlējās pārbaudīt gada beigu ieņēmumu ierobežojumu. Viņš uztvēra 42 000 pārdošanas rēķinu kā pilnu kopu un licis AI ieviest "saraksta ierakstus ar rēķinu datumiem līdz 31. decembrim, bet nosūtīšanas/piegādes datumiem 1. janvārī vai vēlāk". YZ atzīmēja 118 ierakstus. Revidents tos pārbaudīja: 96 bija likumīgi darījumi bez laika atšķirībām (piegāde tajā pašā dienā), 22 bija faktiski ieņēmumi nākamajā gadā un tika reģistrēti iepriekšējā periodā. Par šiem 22 vienumiem tika ziņots, jo tiem bija tendence, kaut arī zem nozīmīguma. AI uzdeva 118 jautājumus; Revidents atrada 22 atbildes.
2. gadījums — ja nav norādīts pilnība. Viens komandas loceklis teica, ka viņš veica pilnu populācijas pārbaudi 180 000 rēķinu; Nebija izņēmumu, un viņš jutās atvieglots. Atbildīgā persona salīdzināja datu kopas kopējo apjomu ar izmēģinājuma bilanci: dati 155 miljoni TL, izmēģinājuma atlikums 210 miljoni TL. Izrādās, ka laikā, kad dati tika izvilkti no sistēmas, zars tika filtrēts un atstāts ārpusē. "Pilnajā" pārbaudē faktiski trūka ceturtdaļas datu. Pārbaude tika veikta ar pareiziem datiem. Nodarbība: nav pilnīgas populācijas pārbaudes bez pilnīguma apstiprinājuma.
3. gadījums — noteikumu kļūda. Auditors licis AI uzrakstīt kārtulu "Uzskaitiet neapstiprinātus maksājumus virs 50 000 TL", taču viņš nesaprata, ka lauks "apstiprinājums" tika glabāts divās dažādās sistēmas kolonnās (elektroniskā apstiprināšana un manuālā apstiprināšana). AI atzīmēja 300 maksājumus kā “noraidītus”, jo aplūkoja tikai vienu; Pārbaudot, bija redzams, ka lielākā daļa no tiem ir apstiprināti otrā ailē. Nepareizs noteikums radīja simtiem viltus pozitīvu rezultātu. Revidents laboja noteikumu, iekļaujot abas slejas. Nodarbība: auditors pārbauda, vai noteikums atbilst datiem un biznesa procesam.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Atrodiet problemātiskos ierakstus šajos rēķina datos.
Problēma: nav jēdziena “problemātisks” definīcijas. AI nezina, ko uzskatīt par izņēmumu; Viņš strādā vai nu pēc nejaušiem signāliem, vai pēc paša izdomāta kritērija. Tas nav atkārtojams un auditējams.
Spēcīga uzvedne:
Jūsu loma: jūs esat neatkarīga auditora datu analīzes palīgs. Spriedums ir mans; Jūs lietosit kārtulu un izveidosit izņēmumu sarakstu.Konteksts: tālāk ir anonimizēti pārdošanas rēķinu dati (slejas: rēķina_nr., rēķina_datums, piegādes_datums, summa, apstiprināšanas_statuss, filiāle). Gada beigas: 31.12.1. SOLIS – Pilnīgums: Norādiet kopējo ierakstu skaitu un kopējo summu, lai varu salīdzināt ar izmēģinājuma bilanci. Ziņojiet, ja ir kāda tukša/trūkstoša vieta. 2. SOLIS. Pārbaudes kārtulas izgriešana: norādiet ierakstus ar rēķina_datums <= 31.12 UN piegādes_datums >= 01.01 kā "izņēmums". 3. DARBĪBA - Uzrakstiet kārtulu vienkāršā tekstā (kādu nosacījumu jūs piemērojāt), lai to varētu pārbaudīt. Noteikumi: es to nemainīju. Iesniedziet ierakstus, kurus atzīmējat kā "izņēmumus pārskatīšanai"; Nesakiet "kļūda/atrašana". Neizdomājiet to, ko nevarat izsecināt no datiem.
Šis pieprasījums ir spēcīgs, jo tas vispirms apstiprina pilnīgumu, skaidri definē izņēmuma noteikumu, pieprasa noteikuma vienkāršu tekstu (pārbaudāmība) un izvada pozicionē kā “izņēmumu”.
Biežas kļūdas
- Tiek izlaista pilnīguma pārbaude. "Pilnas" pārbaudes veikšana nepilnīgiem/bojātiem datiem un nepatiesas garantijas sniegšana.
- Kļūdains izņēmums konstatējumam. Skaitīšanas kļūdas, nepārbaudot AI atzīmēto ierakstu; izvairoties no viltus pozitīvu rezultātu novēršanas.
- Nepārbauda noteikumu. Simtiem viltus karodziņu ģenerēšana, nepārbaudot, vai noteikums atbilst datiem un biznesa procesam.
- Neskaidru noteikumu rakstīšana. Neatkārtojamu rezultātu iegūšana ar nedefinētām uzvednēm, piemēram, "atrast problemātiskus ierakstus".
- Būt apmierinātam ar vienu sākumu. Neprasīt noteikumu vai datus, ja izņēmumu skaits ļoti atšķiras no paredzētā.
Padoms: uztraucieties, ja izņēmumu skaits ir pārāk mazs (tuvu nullei) vai pārāk liels. Nulle parasti nozīmē "nepareizi uzrakstīts noteikums" vai "trūkst datu"; Ļoti liels skaits norāda, ka noteikums ir pārāk plašs. Labam revidentam ir aizdomas, ka “nav izņēmumu”, un “viss ir izņēmums”.
Rezumējot
Pilna populācijas pārbaude ir milzīgs solis uz priekšu auditā: tā novērš paraugu ņemšanas risku, pārbaudot 100% datu. Bet tas nav bez maksas. Tas rada divus jaunus pienākumus: (1) pārbaudīt datu pilnīgumu un precizitāti, (2) novērtēt atsevišķus izņēmumus, kas rodas. AI sagatavo datus, piemēro noteikumu, atzīmē izņēmumu un samazina skenēšanas stundas līdz sekundēm; Bet noteikuma precizitāte, datu pilnīgums un izņēmumu izvērtējums ir auditoram. Izņēmums nav iznākums, tas ir sākums.
Lietojumprogrammas uzdevums
Apsveriet esošu (vai hipotētisku) darījumu datu kopu. Vispirms definējiet divas pilnīguma pārbaudes (ierakstu skaits un summas saskaņošana). Pēc tam auditēšanas nolūkos uzrakstiet skaidru izņēmuma noteikumu (piemēram, nedēļas nogalē izrakstīti rēķini vai izņēmumu samazināšana). Izmantojot iepriekš minēto jaudīgo uzvednes modeli, AI vispirms izpilda pilnīgumu un pēc tam noteikumu. Pirmie 10 no izņēmumiem, kas parādās, ir "reāli konstatējumi vai viltus pozitīvi rezultāti?" Praktizējiet klasificēšanu šādi un pierakstiet, kādus pierādījumus meklēsit katram.
kontrolsaraksts
- [ ] Es padarīju datus anonīmus un braucu droši.
- [ ] Es apstiprināju datu pilnīgumu, saskaņojot ierakstu skaitu un summu.
- [ ] Es meklēju brīvas/sliktas vietas.
- [ ] Es definēju izņēmuma noteikumu skaidrā, atkārtojamā veidā.
- [ ] Es saņēmu noteikuma vienkāršu tekstu no AI un pārbaudīju tā atbilstību datiem un biznesa procesam.
- [ ] Es apšaubīju izņēmumu skaita pamatotību (pārāk maz / nav pārāk daudz).
- [ ] Es katru izņēmumu uztvēru kā pārbaudāmu jautājumu, nevis konstatējumu; Es novērsu viltus pozitīvus rezultātus.