bongdaso dữ liệu

Nguồn: Tavares & cộngsự (2022)

Tác động của công nghệ cao lên quy trình bongdaso dữ liệu

Quy trình bongdaso dữ liệu báo cáo tài chính bắt đầu từ việc chấp thuận khách hàng mới hoặc duy trì khách hàng hiện hữu, tiếp đến là thu thập thông tin để lập kế hoạch bongdaso dữ liệu, tiến hành các thử nghiệm bongdaso dữ liệu để thu thập bằng chứng bongdaso dữ liệu và bước cuối cùng là hoàn thành bongdaso dữ liệu với các công việc chủ yếu là trao đổi kết quả bongdaso dữ liệu và phát hành báo cáo bongdaso dữ liệu.

Mặc dù, các bước công việc trong quy trình bongdaso dữ liệu không thay đổi, nhưng công nghệ cao cũng có tác động mạnh mẽ đến thời gian, thời điểm, nội dung, phương pháp và các thủ tục bongdaso dữ liệu áp dụng. Một số ảnh hưởng chủ yếu sau:

- Chấp nhận và duy trì khách hàng bongdaso dữ liệu:

Trước khi chấp nhận khách hàng mới hoặc duy trì khách hàng hiện hữu, bongdaso dữ liệu viên phải đạt được mức độ hiểu biết nhất định về môi trường và lĩnh vực kinh doanh của khách hàng. Tuy nhiên, quy trình lặp lại này thường tiêu tốn nhiều thời gian và công sức, do đó, tự động hoá công việc này có thể giúp giảm khối lượng công việc, vì thế tăng hiệu quả bongdaso dữ liệu. Các công cụ phân tích tự động các dữ liệu văn bản có thể được áp dụng, chẳng hạn như chuyển dữ liệu hội thảo trực tuyến, ấn phẩm phát hành, các báo cáo phân tích kinh doanh và các tài liệu hợp đồng thông qua sử dụng máy học, là công cụ có thể chuyển từ dữ liệu định tính sang định lượng thông qua các thuật toán để xác định các khái niệm, ý kiến tích cực hoặc tiêu cực và mức độ cảm xúc.

- Phỏng vấn các bên liên quan:

Trong quá trình bongdaso dữ liệu, phỏng vấn các bên liên quan được xem là phương pháp bongdaso dữ liệu phổ biến nhất. Các hình thức phỏng vấn có thể bằng gửi thư, phỏng vấn trực tiếp hoặc qua các phương tiên liên lạc trực tuyến khác. Tuy nhiên, ngay cả với những bongdaso dữ liệu viên được đào tạo đầy đủ, có nhiều kinh nghiệm cũng không thể hiểu chính xác và xử lý toàn bộ thông tin thu được qua phỏng vấn một cách hiệu quả. Với các công cụ ghi chép tốc độ từ AI, máy tính có thể ghi nhận các từ khoá nhạy cảm từ các thông điệp và phân tích chúng. Ví dụ, các cụm từ mơ hồ như “có thể”, “khá là”, “nhìn chung” ẩn chứa bên trong lời nói. bongdaso dữ liệu viên có thể không nhận thức được hết hàm ý của những cụm từ này và xem chúng như là những diễn ngôn thông thường. Tuy nhiên, chúng có thể là những dấu hiệu, chỉ báo việc che dấu hoặc giả mạo. AI có thể hoạt động như là người dự báo gian lận và các hoạt động bất thường trong doanh nghiệp. Do đó, bongdaso dữ liệu viên có thể sử dụng AI như là phương tiện đảm bảo thông tin là tin cậy. Ngoài ra, AI giúp lưu trữ thông tin cho công việc tiếp theo.

- Lập kế hoạch bongdaso dữ liệu:

Nhờ các công cụ công nghệ cao, thời điểm bongdaso dữ liệu có thể sớm hơn, hoặc thậm chí có thể bongdaso dữ liệu theo thời gian thực. Trước thời kỳ chuyển sang bongdaso dữ liệu hệ thứ 3.0, các bongdaso dữ liệu viên khi thực hiện các thử nghiệm cơ bản đều phải tiến hành sau thời điểm khoá sổ lập báo cáo tài chính. Ví dụ, để xác nhận số dư tài khoản, bongdaso dữ liệu viên phải xác định được số lượng khách hàng và sau đó tiến hành chọn mẫu để phân tích. Với việc ứng dụng công cụ công nghệ cao, bongdaso dữ liệu viên có thể thu thập dữ liệu sớm hơn. Theo đó, phạm vi bongdaso dữ liệu, đánh giá rủi ro và lập kế hoạch bongdaso dữ liệu phụ thuộc vào việc phân tích dữ liệu.

- Chọn mẫu bongdaso dữ liệu:

Một trong những vấn đề cân nhắc chính khi chọn mẫu bongdaso dữ liệu đó là chi phí – lợi ích. AI có khả năng xử lý nhanh gấp hàng chục nghìn lần tốc độ xử lý của con người. Ví dụ, AI có thể đọc 100 trang tài liệu chỉ trong vài giây, trong khi đó, một người đọc nhanh nhất tối thiểu phải mất 4 giờ. Do đó, với sự trợ giúp của công cụ công nghệ cao, việc kiểm tra toàn bộ thông tin có thể được thực hiện. Mặt khác, vấn đề quan trọng nhất trong chọn mẫu bongdaso dữ liệu là rủi ro chọn mẫu. Đây là rủi ro do bongdaso dữ liệu viên chọn mẫu sai, dẫn tới đưa ra ý kiến bongdaso dữ liệu không phù hợp. Sử dụng AI có thể giúp giảm thiểu rủi ro chọn mẫu do chúng có thể xác định được các mẫu mặc định và các trường hợp ngoại lệ từ tổng thể. Phân tích toàn bộ tổng thể có thể được tiến hành để xác định các trường hợp hoặc giao dịch bất thường để bongdaso dữ liệu viên thực hiện tiếp các thử nghiệm bongdaso dữ liệu để phát hiện sai sót trọng yếu hoặc gian lận. Thêm vào đó, việc ứng dụng AI có thể giảm sai sót do lỗi chủ quan của bongdaso dữ liệu viên bởi vì AI có thể đọc và phân tích tài liệu mà không mắc lỗi và có thể giúp đánh dấu những mẫu chọn có dấu hiệu gian lận hoặc sai sót. Theo đó, với việc ứng dụng AI, bongdaso dữ liệu viên có thể chọn được số lượng mẫu chọn lớn hơn từ tổng thể và dành nhiều thời gian hơn để xác định nguyên nhân và nguồn gốc của các sai sót trọng yếu.

- Đánh giá hàng tồn kho:

Công cụ công nghệ cao giúp đánh giá hàng tồn kho hiệu quả hơn. bongdaso dữ liệu viên có thể xác định (giá trị và chất lượng) hàng tồn kho bằng công nghệ viễn thám để kiểm tra các kho hàng của khách hàng mà không nhất thiết phải kiểm tra thực tế. Vì vậy, tiết kiệm được nhiều thời gian và công sức hơn.

- Gửi thư xác nhận:

Thay vì lập, gửi thư xác nhận bằng thủ công vừa tốn kém thời gian và công sức vừa kéo dài thời gian nhận phản hồi từ bên xác nhận, áp dụng quy trình xử lý tự động hoá bằng robot giúp tiết kiệm nhiều thời gian. Hơn nữa, việc áp dụng quy trình xử lý tự động hoá bằng robot giúp bongdaso dữ liệu viên có thể gửi thư xác nhận cho nhà cung cấp và bên mua hàng hoá hoặc dịch vụ, đồng thời giúp giảm thiểu rủi ro xác nhận bongdaso dữ liệu.

- Hoàn thành bongdaso dữ liệu:

Trong giai đoạn kết thúc bongdaso dữ liệu, bongdaso dữ liệu viên phải rà soát và kiểm tra một lượng lớn các tài liệu như các biên bản họp, các thoả thuận, và các tài liệu quan trọng khác. AI có thể được sử dụng để lưu trữ tất cả các thông tin theo thời gian và vì vậy giúp bongdaso dữ liệu viên lưu ý các sự kiện tiềm tàng sau khi thông tin trên báo cáo tài chính được công bố và sửa đổi thông tin trong thuyết minh báo cáo tài chính hoặc ý kiến bongdaso dữ liệu. Các bút toán điều chỉnh cũng có thể được thực hiện theo quy trình tự động hoá bằng robot. Cuối cùng, bongdaso dữ liệu viên phải thực hiện các thủ tục phân tích để đánh giá sự phù hợp về kết quả kinh doanh và các chỉ tiêu tài chính so với các doanh nghiệp trong cùng ngành hoặc lĩnh vực dựa trên báo cáo tài chính đã được bongdaso dữ liệu. bongdaso dữ liệu viên có thể sử dụng công cụ công nghệ cao để tìm kiếm các cặp công ty tương tự để so sánh.

Tác động của công cụ công nghệ cao đến nhận thức của bongdaso dữ liệu viên

bongdaso dữ liệu sẽ được hưởng lợi từ CMCN 4.0, để có được thông tin tài chính và hoạt động cũng như các dữ liệu liên quan đến bongdaso dữ liệu khác từ một tổ chức và các bên liên quan. Những công cụ như Internet vạn vật, tài chính chuỗi cung ứng (SCF)... thúc đẩy phân tích dữ liệu tích hợp, xác định các sự kiện bất thường và trích xuất thông tin hữu ích khác để mang lại sự hữu hiệu và hiệu quả cho công việc của bongdaso dữ liệu viên (Dai và Vasarhelyi, 2016).

Như vậy, công ty bongdaso dữ liệu sẽ không cần phải thuê thêm những người mới. Ở một mức độ nào đó, nhiều công ty đang thay đổi chính sách tuyển dụng bằng cách chú trọng nhiều hơn vào các kỹ năng kỹ thuật số hơn là kỹ năng tài chính khi tuyển dụng nhân viên mới. Tuy nhiên, việc thiếu các kỹ năng cần thiết có nghĩa là một số bộ phận bongdaso dữ liệu hiện đang buộc phải thuê ngoài một số hoạt động liên quan đến kỹ thuật số. Những rào cản đối với việc sử dụng các công cụ này nhấn mạnh nhu cầu tiếp thu kỹ năng kỹ thuật số để hiểu cách thức hoạt động của các công nghệ mới và tác động tiềm ẩn của chúng đối với các chức năng bongdaso dữ liệu (Betti và Sarens, 2021). Như vậy, quan điểm truyền thống về bằng chứng bongdaso dữ liệu có thể không đủ, và nghề bongdaso dữ liệu cũng như các cơ quan quản lý cần nhận thức được tác động của môi trường công nghệ tiên tiến hơn đối với một số hình thức thu thập bằng chứng bongdaso dữ liệu truyền thống. Manson và cộng sự (1998) cho rằng lợi ích quan trọng nhất của tự động hóa trong bongdaso dữ liệu là cải thiện chất lượng bongdaso dữ liệu và chi phí, quan trọng nhất là thời gian đào tạo và học tập của nhân viên. Do đó, CMCN 4.0 có thể giúp thiết lập các cuộc bongdaso dữ liệu liên tục và theo thời gian thực, tạo điều kiện cho sự xuất hiện của thế hệ bongdaso dữ liệu mới, bongdaso dữ liệu 4.0, sẽ ảnh hưởng quyết định đến tương lai nghề nghiệp bongdaso dữ liệu.

Kết luận

Tương lai của bongdaso dữ liệu là một bối cảnh phát triển đang được định hình bởi một loạt các xu hướng và thách thức. Các bongdaso dữ liệu viên sẽ cần đi trước đón đầu bằng cách nắm bắt các công nghệ và phương pháp tiếp cận mới đối với chất lượng và tính minh bạch của bongdaso dữ liệu, đồng thời có thể thích ứng với các mô hình kinh doanh đang thay đổi và các yêu cầu quy định. Bằng cách làm như vậy, họ sẽ có thể đáp ứng tốt hơn nhu cầu của khách hàng và duy trì lòng tin và sự tín nhiệm của các bên liên quan.

Tài liệu tham khảo:

1. Mancini, D. (2016). Accounting Information Systems in an Open Society: Emerging Trends and Issues.Accounting Information Systems in an Open Society: Emerging Trends and Issues, 5-16;
2. Tavares, M. C., Zimba, L. N., & Azevedo, G. (2022). The Implications of Industry 4.0 for the Auditing Profession.International Journal of Business Innovation, e27625-e27625;
3. Lin, D., Lee, C. K. M., Lau, H., & Yang, Y. (2018). Strategic response to Industry 4.0: an empirical investigation on the Chinese automotive industry. Industrial Management and Data Systems, 118(3), 589–605. https://doi.org/10.1108/IMDS-09-2017-0403;
4. Khan, A., & Turowski, K. (2016). A perspective on industry 4.0: From challenges to opportunities in production systems. IoTBD 2016 - Proceedings of the International Conference on Internet of Things and Big Data, IoTBD, 441–448. https://doi.org/10.5220/0005929704410448;
5. Gallab, M., Bouloiz, H., Kebe, S., & Tkiouat, M. (2021). Opportunities and challenges of the industry 4.0 in industrial companies: a survey on Moroccan firms. Journal of Industrial and Business Economics, 48(3), 413–439. https://doi.org/10.1007/s40812-021-00190-1;
6. Ranjan, J., & Foropon, C. (2021). Big Data Analytics in Building the Competitive Intelligence of Organizations. International Journal of Information Management, 56(1), 1–13. https://doi.org/10.1016/j.ijinfomgt.2020.102231;
7. Cristea, L. M. (2021). Romanian auditors’ perception concerning the IT impact in the big data era. Public Finance Quarterly, 66(1), 68–82. https://doi.org/10.35551/PFQ_2021_S_1_4.
8. Dai, J., & Vasarhelyi, M. A. (2016). Imagineering audit 4.0. Journal of Emerging Technologies in Accounting, 13(1), 1–15. https://doi.org/10.2308/jeta-10494;
9. Betti, N., & Sarens, G. (2021). How the internal audit function is evolving: The impact of digitalization. Strategic Direction, 37(7), 24–26. https://doi.org/10.1108/SD-06-2021-0055;
10. Manson, S., McCartney, S., Sherer, M., & Wallace, W. A. (1998). Audit Automation in the UK and the US: A Comparative Study. International Journal of Auditing, 2(3), 233–246.