Exploración de Datos y Selección de Muestras en Auditoría.

Desde hace décadas, los auditores han confiado en el muestreo estadístico como método para extraer conclusiones sobre conjuntos extensos de datos. El muestreo ha sido ampliamente adoptado debido a su habilidad para proporcionar a los auditores la evidencia necesaria para formar opiniones, identificar errores y detectar potenciales fraudes sin incurrir en los recursos necesarios para analizar volúmenes masivos de información. Sin embargo, este enfoque tiene sus limitaciones, ya que supone que la muestra de datos es representativa de todo el conjunto, lo que no siempre es cierto. Los errores derivados del tamaño de la muestra, el diseño o variables inesperadas son riesgos inherentes.

Con la evolución tecnológica y cambios en el mundo empresarial, muchas compañías están fusionándose, dando lugar a organizaciones aún más grandes. Esto resulta en la acumulación de enormes cantidades de datos que a menudo requieren aplicaciones y programas especializados para su gestión. Además, las transacciones han adoptado cada vez más un carácter digital, lo que deja una huella digital. En este contexto, el análisis de datos emerge como una herramienta crucial para fusionar y comprender las transacciones en una empresa, así como para explorar las huellas digitales que puedan señalar áreas clave de interés para los auditores.

En la actualidad, los auditores que buscan ofrecer un nivel superior de calidad en sus auditorías no necesitan emplear una cantidad excesiva de tiempo examinando grandes volúmenes de transacciones financieras ni diseñar muestras perfectas. En su lugar, pueden emplear software de análisis de datos para obtener una visión precisa y completa de las transacciones y procesos de sus clientes, lo que les permite identificar riesgos, tendencias e incluso posibles actividades fraudulentas con mayor precisión. Conforme las bases de datos sistematizadas sigan ganando terreno como depósitos de información, la auditoría aprovechará cada vez más el análisis de datos y buscará abarcar poblaciones enteras. A través de esta evolución, la auditoría madura utilizará la tecnología para lograr resultados superiores y brindar un servicio más efectivo a las partes interesadas.

Los auditores están tomando conciencia de la importancia de integrar el análisis de datos en sus procesos. Se espera que los presupuestos destinados a la tecnología aumenten, lo que incluirá la inversión en aplicaciones y programas de análisis de datos, ya que aún hay una carencia de auditores que cuenten con este tipo de herramientas.

Los beneficios de las aplicaciones de análisis de datos son diversos:

• Realización de pruebas en conjuntos de datos completos, lo que permite auditorías más exhaustivas y la detección simplificada de datos inusuales.
• Generación de resultados más detallados mediante inteligencia artificial y aprendizaje automático.
• Integración de datos provenientes de diversas fuentes para generar nuevos conocimientos.
• Creación de visualizaciones basadas en datos que facilitan la detección de patrones y tendencias.
• Establecimiento de pistas de auditoría claras para análisis posteriores.
• A pesar de que el software de análisis transforma los procesos de auditoría, no reemplaza la función del auditor capacitado, que es necesario para comprender el contexto del negocio, extraer conclusiones de los datos e interpretar los resultados.

En el esfuerzo por elevar la calidad de la evidencia en el campo de la auditoría, los auditores emplean el análisis de datos en diversas esferas, tales como:

• Identificación de datos o atributos inusuales en las entradas de los registros contables.
• Mapeo de procesos a través de registros de transacciones para descubrir pasos faltantes o procesos fuera de orden.
• Detección de datos que no concuerdan o que están fuera de los rangos habituales en flujos de transacciones como nómina o cuentas por pagar y cobrar.
• Análisis de saldos en cuentas contables.
• Exploración de poblaciones de datos en busca de atributos diversos.
• Análisis de deterioro o envejecimiento en cuentas por cobrar, cuentas por pagar y saldos de inventario.
• Identificación de variaciones inusuales en datos de clientes y niveles de deuda o inventario.

El análisis de datos ofrece diversos beneficios, como una mejor identificación y evaluación de riesgos de inexactitud material, así como información valiosa para la administración. Sin embargo, esto requiere inversiones tanto en tecnología como en capacitación por parte de las firmas y los auditores. El análisis de datos se ha convertido en un componente esencial para mejorar la relevancia y el valor de las auditorías financieras, permitiendo la entrega ágil de datos y evaluaciones que aprovechan la tecnología y el análisis de datos. Como resultado, los auditores serán más relevantes para las partes interesadas, incluyendo la junta directiva y altos ejecutivos de las organizaciones clientes.

Para dar inicio al proceso de análisis de datos en el ámbito de la auditoría, es posible seguir los pasos que se detallan a continuación:

• Definir qué información se debe recolectar y con qué objetivo (definir preguntas clave).
• Establecer un marco de tiempo para la recopilación de datos.
• Seleccionar las herramientas y métodos de recolección de datos apropiados.
• Colaborar con el cliente para comprender sus datos, estandarizarlos y establecer prioridades.
• Recolectar y analizar los datos.
• Evaluar los hallazgos obtenidos.
• Explorar los distintos procedimientos de análisis de datos disponibles para la auditoría.
• Seleccionar el procedimiento y las herramientas más adecuadas.
• Adquirir un conocimiento detallado de los sistemas de procesamiento de datos del cliente para identificar oportunidades de automatización.
• Realizar análisis de datos en las áreas identificadas.

Los auditores pueden identificar patrones y conexiones en grandes volúmenes de datos, presentar hallazgos visualmente e identificar áreas de alto riesgo para pruebas adicionales. Sin embargo, para lograr eficiencia en este proceso, es esencial que los auditores mantengan una comunicación clara con los analistas de sistemas y otras partes involucradas, lo que permitirá una mejor utilización del análisis de datos, el enfoque en áreas de alto riesgo y resultados superiores en beneficio de los clientes.