การทดสอบประชากรเต็มรูปแบบด้วยการวิเคราะห์ข้อมูล: จากตัวอย่างไปจนถึงทั้งหมด

กำไร:

• ทำความเข้าใจความเสี่ยงในการสุ่มตัวอย่างและตรรกะของการทดสอบประชากรทั้งหมด (การทดสอบ 100%) และสามารถใช้ปัญญาประดิษฐ์ในการเตรียมข้อมูล การเขียนกฎ และการตีความผลลัพธ์
• ความสามารถในการออกแบบและดำเนินการทดสอบการจับคู่ ความสมบูรณ์ และความแม่นยำในชุดข้อมูลขนาดใหญ่พร้อมการสนับสนุนปัญญาประดิษฐ์
• ความสามารถในการเข้าใจว่ารายการข้อยกเว้นในการทดสอบประชากรแบบเต็มนั้นไม่ใช่ผลลัพธ์ แต่เป็นจุดเริ่มต้นที่ผู้ตรวจสอบจะตรวจสอบ และการประเมินขั้นสุดท้ายเป็นของผู้ตรวจสอบ

ข้อจำกัดพื้นฐานประการหนึ่งของวิชาชีพการตรวจสอบบัญชีคือการที่ผู้ตรวจสอบบัญชีต้องทำงานเกี่ยวกับการสุ่มตัวอย่างเป็นเวลาหลายปี คุณไม่สามารถตรวจสอบใบแจ้งหนี้ 180,000 รายการที่เป็นปัญหาทางธุรกิจในหนึ่งปีด้วยตนเองได้ ดังนั้นคุณจึงเลือกบันทึกสองสามร้อยรายการโดยใช้วิธีทางสถิติหรือวิจารณญาณ ทดสอบ และสรุปผลลัพธ์ให้กับประชากรทั้งหมด การสุ่มตัวอย่างเป็นเทคนิคที่ทรงพลังและถูกต้องตามกฎหมาย แต่มีความเสี่ยงโดยธรรมชาติ นั่นคือความเสี่ยงในการสุ่มตัวอย่าง ตัวอย่างที่คุณเลือกอาจไม่เป็นตัวแทนของประชากร และข้อผิดพลาดที่แท้จริงอาจไม่ตรงกับที่คุณกำลังมองหา

การวิเคราะห์ข้อมูลและ AI เปลี่ยนภาพนี้: ตอนนี้คุณสามารถทดสอบประชากรทั้งหมดได้ 100% สิ่งนี้เรียกว่าการทดสอบประชากรโดยสมบูรณ์ เราอุทิศหน่วยนี้เพื่อทำความเข้าใจการเปลี่ยนแปลงจาก "ตัวอย่างไปสู่ทั้งหมด" พลังที่นำมาและความรับผิดชอบใหม่ที่หลายคนมองข้าม เนื่องจากการทดสอบประชากรทั้งหมดไม่ได้อำนวยความสะดวกในการตรวจสอบ มันเปลี่ยนลักษณะของการทดสอบและสร้างภาระใหม่ให้กับผู้สอบ

ความแตกต่างระหว่างการสุ่มตัวอย่างและการทดสอบประชากรทั้งหมด

ในการสุ่มตัวอย่างแบบคลาสสิก ตรรกะคือ: "ให้ฉันทดสอบกลุ่มเล็กๆ แต่เป็นตัวแทนอย่างละเอียดถี่ถ้วน และตีความผลลัพธ์โดยรวม" ในการทดสอบประชากรทั้งหมด ตรรกะจะกลับกัน: "ให้ฉันสแกนทั้งหมดตามกฎบางอย่าง ค้นหาข้อยกเว้นที่อยู่นอกกฎและตรวจสอบอย่างละเอียด" ในแนวทางแรก ความเสี่ยงคือ "เลือกตัวอย่างผิด"; ประการที่สอง ความเสี่ยงคือ "การเขียนกฎผิด" และ "การทำงานกับข้อมูลที่ไม่สมบูรณ์/ผิดพลาด"

ตารางต่อไปนี้เปรียบเทียบทั้งสองวิธี:

ขนาด

การสุ่มตัวอย่าง

การทดสอบประชากรเต็ม (100%)

ขอบเขต

ส่วนหนึ่งของประชากร

ประชากรทั้งหมด

ความเสี่ยงหลัก

ความเสี่ยงในการสุ่มตัวอย่าง (ข้อผิดพลาดในการนำเสนอ)

ข้อผิดพลาดของกฎ + ข้อผิดพลาดด้านความสมบูรณ์ของข้อมูล

เอาท์พุท

ผลการทดสอบมีจำนวนจำกัด

รายการข้อยกเว้นที่ไม่เป็นไปตามกฎ

ภาระของผู้สอบบัญชี

ทางเลือก + การทดสอบ

การออกแบบกฎ + การประเมินข้อยกเว้น

บทบาทของเอไอ

ช่วยในการเลือกตัวอย่าง

การเตรียมข้อมูล การเขียนกฎ การทำเครื่องหมายข้อยกเว้น

หมายเหตุ: การทดสอบประชากรทั้งหมดไม่ได้หมายความว่า "ฉันทดสอบทุกอย่างแล้ว งานเสร็จแล้ว" ในทางตรงกันข้าม มักจะให้รายการต่างๆ ให้คุณตรวจสอบมากขึ้น เมื่อคุณเรียกใช้ใบแจ้งหนี้ทั้งหมด 180,000 ใบโดยใช้กฎการอนุมัติวันที่-จำนวนเงิน คุณจะพบข้อยกเว้น 900 รายการ แต่ละข้อนี้เป็นคำถาม ไม่ใช่คำตอบ นี่คือจุดที่ฝ่ายตุลาการการตรวจสอบเข้ามามีบทบาท

ความสมบูรณ์ของข้อมูล: พื้นฐานที่มองไม่เห็นของการทดสอบ

ข้อผิดพลาดที่ใหญ่ที่สุดของการทดสอบประชากรทั้งหมดคือคุณภาพของการทดสอบขึ้นอยู่กับคุณภาพของข้อมูล "ฉันทดสอบข้อมูล 100%" จะสมเหตุสมผลก็ต่อเมื่อข้อมูลที่คุณมีคือ 100% ของประชากรจริงๆ หากตัวกรองไม่ถูกต้องเมื่อดึงข้อมูลจากระบบ บันทึกบางรายการถูกละทิ้ง หรือคอลัมน์จำนวนถูกถ่ายโอนโดยมีข้อผิดพลาดทศนิยม การทดสอบ "เต็ม" ของคุณจะดำเนินการกับข้อมูลที่ไม่สมบูรณ์หรือเสียหาย ดังนั้น การยืนยันความสมบูรณ์และความถูกต้องของข้อมูลจึงเป็นขั้นตอนแรกและขาดไม่ได้ในการทดสอบประชากรทั้งหมด

การตรวจสอบเชิงปฏิบัติเพื่อการตรวจสอบความสมบูรณ์:

• การกระทบยอดนับเรกคอร์ด: จำนวนแถวในชุดข้อมูลที่คุณดึงตรงกับจำนวนเรกคอร์ดทั้งหมดในระบบหรือไม่
• การกระทบยอดจำนวนเงิน: จำนวนเงินรวมในชุดข้อมูลกระทบยอดกับบัญชีที่เกี่ยวข้องทั้งหมดในงบทดลอง/บริษัทในเครือหรือไม่
• ช่วงวันที่: เป็นวันแรกและวันสุดท้ายของช่วงเวลาที่รวมอยู่ในข้อมูล มีเดือน/วันที่หายไปหรือไม่?
• การสแกนพื้นที่ว่างและไม่ดี: มีการเว้นวรรคหรือค่าที่ไม่มีความหมายในช่องที่ต้องกรอก (วันที่ จำนวนเงิน รหัสบัญชี) หรือไม่

AI ช่วยในการตรวจสอบทั้งหมดนี้: รวบรวมข้อมูล, รับผลรวม, นับพื้นที่ว่าง, ช่วงวันที่ของรายงาน แต่ผู้ตรวจสอบบัญชีเป็นผู้ตัดสินใจว่าข้อตกลง "คงอยู่" หรือไม่ ตรวจสอบความแตกต่าง และยืนยันว่าข้อมูลนั้นเหมาะสมกับวัตถุประสงค์ในการตรวจสอบ

ข้อควรระวัง: อย่าเขียน "ฉันทดสอบข้อมูลทั้งหมดแล้ว" ลงในเวิร์กชีตโดยไม่ตรวจสอบความสมบูรณ์ของข้อมูล การทดสอบประชากรเต็มรูปแบบเกี่ยวกับข้อมูลที่ขาดหายไปทำให้มั่นใจได้ว่าจะสมบูรณ์แต่ทำให้เข้าใจผิด

การทดสอบประชากรเต็มรูปแบบด้วย AI: ทีละขั้นตอน

1. เตรียมข้อมูลอย่างปลอดภัย ไม่เปิดเผยชื่อช่องส่วนบุคคล/ส่วนตัว หรือแทนที่ด้วยตัวยึดตำแหน่ง หากเป็นไปได้ ให้ใช้รถยนต์ของบริษัทที่มีสัญญาจ้าง
2. ยืนยันความสมบูรณ์ กระทบยอดจำนวนบันทึกและจำนวนเงิน
3. กำหนดกฎการทดสอบให้ชัดเจน อะไรถือเป็น "ข้อยกเว้น"? (ตัวอย่างเช่น: ใบแจ้งหนี้ที่ไม่ได้รับอนุมัติ, ใบแจ้งหนี้ที่ออกในวันหยุดสุดสัปดาห์, การชำระเงินรอบใหญ่, รายได้ที่บันทึกหลังจากวันที่ตัดยอด)
4. ใช้กฎกับ AI AI ใช้กฎกับข้อมูลและสร้างรายการข้อยกเว้น เขียนกฎให้ชัดเจนเพื่อให้สามารถตรวจสอบได้
5. จัดลำดับความสำคัญและทบทวนข้อยกเว้น ตรวจสอบทุกข้อยกเว้นด้วยหลักฐาน จัดการกับผลบวกลวง พิสูจน์การค้นพบที่แท้จริง
6. บันทึกผลลัพธ์ เชื่อมโยงกฎ จำนวนข้อยกเว้น รายการที่ตรวจสอบ และข้อสรุปเข้ากับแผ่นงาน

มินิเคสสามอัน

กรณีที่ 1 — การทดสอบการตัด ผู้ตรวจสอบบัญชีต้องการทดสอบการตัดยอดรายได้สิ้นปี เขารับใบแจ้งหนี้การขาย 42,000 ใบจากประชากรทั้งหมด และให้ AI บังคับใช้ "รายการบันทึกที่มีวันที่ในใบแจ้งหนี้ภายในวันที่ 31 ธันวาคม แต่เป็นวันที่จัดส่ง/จัดส่งในหรือหลังวันที่ 1 มกราคม" YZ ทำเครื่องหมาย 118 บันทึก ผู้ตรวจสอบบัญชีได้ตรวจสอบสิ่งเหล่านี้: 96 รายการเป็นธุรกรรมที่ถูกต้องตามกฎหมายโดยไม่มีความแตกต่างของเวลา (จัดส่งในวันเดียวกัน) 22 รายการเป็นรายได้จริงสำหรับปีถัดไปและบันทึกไว้ในช่วงก่อนหน้า มีการรายงานรายการทั้ง 22 รายการเหล่านี้เนื่องจากแสดงรูปแบบ แม้ว่าจะต่ำกว่านัยสำคัญก็ตาม AI ถามคำถาม 118 ข้อ; ผู้ตรวจสอบพบ 22 คำตอบ

กรณีที่ 2 — เมื่อละเว้นความสมบูรณ์ สมาชิกในทีมคนหนึ่งกล่าวว่าเขาได้ทำการทดสอบประชากรเต็มรูปแบบกับใบแจ้งหนี้จำนวน 180,000 ใบ ไม่มีข้อยกเว้นและเขาก็โล่งใจ ผู้รับผิดชอบเปรียบเทียบจำนวนชุดข้อมูลทั้งหมดกับยอดทดลองใช้: ข้อมูล 155 ล้าน TL, งบทดลอง 210 ล้าน TL ปรากฎว่าในขณะที่ข้อมูลถูกดึงออกจากระบบ สาขาหนึ่งถูกกรองและละทิ้งไป การทดสอบ "เต็มรูปแบบ" พลาดข้อมูลไปหนึ่งในสี่จริงๆ การทดสอบเสร็จสิ้นด้วยข้อมูลที่ถูกต้อง บทเรียน: ไม่มีการทดสอบประชากรที่สมบูรณ์หากไม่มีการยืนยันความครบถ้วนสมบูรณ์

กรณีที่ 3 — ข้อผิดพลาดของกฎ ผู้ตรวจสอบบัญชีให้ AI เขียนกฎ "แสดงรายการการชำระเงินที่ไม่ได้รับการอนุมัติมากกว่า 50,000 TL" แต่ไม่ทราบว่าช่อง "การอนุมัติ" ถูกเก็บไว้ในสองคอลัมน์ที่แตกต่างกันในระบบ (การอนุมัติทางอิเล็กทรอนิกส์และการอนุมัติด้วยตนเอง) AI ทำเครื่องหมายการชำระเงิน 300 รายการว่า "ไม่อนุมัติ" เนื่องจากพิจารณาเพียงรายการเดียวเท่านั้น เมื่อตรวจสอบพบว่าส่วนใหญ่ได้รับการอนุมัติในอีกคอลัมน์หนึ่ง กฎที่ผิดทำให้เกิดผลบวกลวงหลายร้อยรายการ ผู้ตรวจสอบแก้ไขกฎให้รวมทั้งสองคอลัมน์ บทเรียน: ผู้ตรวจสอบจะตรวจสอบว่ากฎสอดคล้องกับข้อมูลและกระบวนการทางธุรกิจ

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

ค้นหาบันทึกที่มีปัญหาในข้อมูลใบแจ้งหนี้นี้

ปัญหา: ไม่มีคำจำกัดความของ “ปัญหา” AI ไม่รู้ว่าควรพิจารณาอะไรเป็นข้อยกเว้น เขาทำงานตามสัญญาณสุ่มหรือตามเกณฑ์ที่เขาสร้างขึ้น ไม่สามารถทำซ้ำและตรวจสอบได้

พรอมต์อันทรงพลัง:

บทบาทของคุณ: คุณเป็นผู้ช่วยวิเคราะห์ข้อมูลของผู้ตรวจสอบอิสระ การพิพากษาเป็นของฉัน คุณจะใช้กฎและสร้างรายการข้อยกเว้น บริบท: ด้านล่างนี้คือข้อมูลใบแจ้งหนี้การขายที่ไม่ระบุชื่อ (คอลัมน์: ใบแจ้งหนี้_no, ใบแจ้งหนี้_วันที่, วันที่จัดส่ง, จำนวนเงิน, สถานะการอนุมัติ, สาขา) สิ้นปี: 31.12.ขั้นตอนที่ 1 - ความสมบูรณ์: ระบุจำนวนบันทึกทั้งหมดและจำนวนทั้งหมด เพื่อที่ฉันจะได้เปรียบเทียบกับยอดทดลองได้ รายงานว่ามีพื้นที่ว่าง/ขาดหายไป ขั้นตอนที่ 2 - กฎการทดสอบการตัด: แสดงรายการบันทึกที่มีใบแจ้งหนี้ <= 31.12 และ วันที่จัดส่ง >= 01.01 เป็น "ข้อยกเว้นการตัดออก" ขั้นตอนที่ 3 - เขียนกฎเป็นข้อความธรรมดา (คุณใช้เงื่อนไขใด) เพื่อให้สามารถตรวจสอบได้ กฎ: ฉันให้กฎไปแล้ว ห้ามเปลี่ยนแปลง ส่งบันทึกที่คุณทำเครื่องหมายว่าเป็น "ข้อยกเว้นสำหรับการตรวจสอบ"; อย่าพูดว่า "ข้อผิดพลาด/การค้นหา" อย่าสร้างสิ่งที่คุณไม่สามารถอนุมานได้จากข้อมูล

คำขอนี้มีประสิทธิภาพเนื่องจากในขั้นแรกจะยืนยันความสมบูรณ์ กำหนดกฎข้อยกเว้นอย่างชัดเจน ต้องใช้ข้อความธรรมดาของกฎ (ความสามารถในการตรวจสอบ) และวางตำแหน่งเอาต์พุตเป็น "ข้อยกเว้น"

ข้อผิดพลาดทั่วไป

• ข้ามการตรวจสอบความครบถ้วน ทำการทดสอบ "เต็มรูปแบบ" กับข้อมูลที่ไม่สมบูรณ์/เสียหาย และให้การรับประกันที่ผิดพลาด
• เข้าใจผิดว่าเป็นข้อยกเว้นสำหรับการค้นพบ การนับข้อผิดพลาดโดยไม่ตรวจสอบบันทึกที่ AI ทำเครื่องหมายไว้ หลีกเลี่ยงการกำจัดผลบวกลวง
• ไม่ตรวจสอบกฎเกณฑ์.. สร้างแฟล็กเท็จหลายร้อยรายการโดยไม่ตรวจสอบว่ากฎสอดคล้องกับข้อมูลและกระบวนการทางธุรกิจหรือไม่
• การเขียนกฎเกณฑ์ที่ไม่ชัดเจน รับผลลัพธ์ที่ไม่สามารถทำซ้ำได้ด้วยพร้อมท์ที่ไม่ได้กำหนดไว้ เช่น "ค้นหาบันทึกที่มีปัญหา"
• พอใจกับการเริ่มต้นเพียงครั้งเดียว ไม่สอบถามกฎหรือข้อมูลหากจำนวนข้อยกเว้นแตกต่างจากที่คาดไว้มาก

เคล็ดลับ: ควรตื่นตระหนกหากจำนวนข้อยกเว้นน้อยเกินไป (ใกล้ศูนย์) หรือใหญ่เกินไป ศูนย์มักจะหมายถึง "กฎที่เขียนไม่ถูกต้อง" หรือ "ข้อมูลหายไป"; ตัวเลขที่มากเกินไปบ่งชี้ว่ากฎกว้างเกินไป ผู้ตรวจสอบบัญชีที่ดีจะสงสัยว่า “ไม่มีข้อยกเว้น” และ “ทุกอย่างเป็นข้อยกเว้น”

โดยสรุป

การทดสอบประชากรเต็มรูปแบบเป็นการก้าวกระโดดครั้งใหญ่ในการตรวจสอบ โดยช่วยลดความเสี่ยงในการสุ่มตัวอย่าง โดยคัดกรองข้อมูลได้ 100% แต่มันไม่ฟรี โดยนำมาซึ่งความรับผิดชอบใหม่สองประการ: (1) การตรวจสอบความสมบูรณ์และความถูกต้องของข้อมูล (2) การประเมินข้อยกเว้นส่วนบุคคลที่เกิดขึ้น AI เตรียมข้อมูล ใช้กฎ ตั้งค่าสถานะข้อยกเว้น และลดชั่วโมงการสแกนเหลือเพียงไม่กี่วินาที แต่ความถูกต้องของกฎ ความสมบูรณ์ของข้อมูล และการประเมินข้อยกเว้นเป็นของผู้ตรวจสอบบัญชี ข้อยกเว้นไม่ใช่ผลลัพธ์ แต่เป็นจุดเริ่มต้น

งานสมัคร

พิจารณาชุดข้อมูลธุรกรรมที่มีอยู่ (หรือสมมุติฐาน) ขั้นแรก กำหนดการตรวจสอบความสมบูรณ์สองครั้ง (จำนวนเรกคอร์ดและการกระทบยอดยอดเงิน) จากนั้นจึงเขียนกฎข้อยกเว้นที่ชัดเจนเพื่อวัตถุประสงค์ในการตรวจสอบ (เช่น ใบแจ้งหนี้ที่ออกในช่วงสุดสัปดาห์ หรือการตัดข้อยกเว้น) ด้วยรูปแบบพรอมต์อันทรงพลังด้านบน ให้ AI ดำเนินการให้ครบถ้วนก่อน แล้วตามด้วยกฎ ข้อยกเว้น 10 ประการแรกที่ปรากฏคือ "การค้นพบจริงหรือผลบวกลวง" ฝึกจำแนกดังนี้และจดบันทึกว่าท่านจะมองหาหลักฐานอะไรบ้าง

รายการตรวจสอบ

• [ ] ฉันไม่เปิดเผยข้อมูลและขับรถอย่างปลอดภัย
• [ ] ฉันยืนยันความสมบูรณ์ของข้อมูลโดยการกระทบยอดจำนวนบันทึกและจำนวน
• [ ] ฉันสแกนหาพื้นที่ว่าง/พื้นที่ไม่ดี
• [ ] ฉันกำหนดกฎข้อยกเว้นอย่างชัดเจนและทำซ้ำได้
• [ ] ฉันได้รับข้อความธรรมดาของกฎจาก AI และตรวจสอบการปฏิบัติตามข้อมูลและกระบวนการทางธุรกิจ
• [ ] ฉันตั้งคำถามถึงความสมเหตุสมผลของจำนวนข้อยกเว้น (น้อยเกินไป / ไม่มากเกินไป)
• [ ] ฉันถือว่าข้อยกเว้นแต่ละข้อเป็นคำถามที่ต้องตรวจสอบ ไม่ใช่ข้อค้นพบ ฉันกำจัดผลบวกลวงออกไป