LA BUSINESS ANALYTICS NELL’AUDITING

Un campo di applicazione cui la business analytics (BA) può portare notevole giovamento, secondo molti autori, è quello della revisione contabile.

Secondo Tang (2017) il principale vantaggio che la revisione può trarre dall’utilizzo della BA, è quello relativo alla possibilità di effettuare auditing sull’intera popolazione, senza le problematiche relative al campionamento.

A titolo puramente esemplificativo, se il revisore si trova nella necessità di dover effettuare un’analisi dei crediti verso clienti, sfruttando la capacità di calcolo dei sistemi di BA, si può permettere di analizzare completamente l’intero insieme, evitando le distorsioni dovute alla poca oggettività nella scelta di un campione rappresentativo. Con questi sistemi il revisore può utilizzare diverse variabili per raggruppare e comparare i dati, cercando di individuare eventuali modelli circa il verificarsi un fenomeno anomalo, con più bassi livelli di errore.

Con l’utilizzo delle attuali tecniche di indagine sui dati, spesso si vengono a creare dei falsi positivi nell’attività di ricerca di possibili errori o frodi, che possono condizionare il lavoro dei revisori. A tal proposito la BA può drasticamente diminuire il numero di falsi positivi, migliorando la qualità della revisione e riducendone le tempistiche.

Nell’auditing posso rivelarsi molto utili anche i big data, infatti nelle operazioni di verifica svolte dai revisori possono essere utilizzati dati non strutturati come riscontro di elementi presenti nelle documentazioni contabili. Ad esempio, potrebbero essere utilizzate le chiamate con i clienti per riscontrarle con le vendite e delle fatture emesse. Un altro esempio di dati non strutturati utili nell’auditing, potrebbe essere quello di utilizzare video di sorveglianza del magazzino, uniti all’inventario di periodo, al fine di identificare eventuali furti o movimenti inconsueti di merci.

39

Di seguito vengono elencati una serie di vantaggi che la revisione può ricevere dall’introduzione della business analytics e dall’utilizzo dei big data, individuati da Cao (2015):

- Individuare e valutare i rischi associati all'accettazione o al mantenimento di un incarico di revisione, ad esempio i rischi di fallimento o di frodi;

- Identificazione e valutazione di altre informazioni sullo stato delle dichiarazioni finanziarie riguardanti la frode e la ricerca di frodi in relazione ai rischi valutati (ISA 240, IAASB 2014a).

- Identificazione e valutazione di altre informazioni per l’identificazione di errori significativi, attraverso la comprensione dell'entità e dell’ambiente in cui l’azienda opera (ISA 315, IAASB 2014b). Ciò comprende l'esecuzione di procedure analitiche preliminari, nonché la valutazione della progettazione e implementazione dei controlli interni e della loro efficacia operativa.

- Realizzazione di procedure analitiche sostanziali in risposta alla valutazione del revisore della possibile presenza di rischi di errori significativi (ISA 520, IAASB 2014c).

- Realizzazione di test analitici, in base ai quali si assiste ad una verifica generale circa la conformità del bilancio alla conoscenza dell'entità del revisore (ISA 520, IAASB 2014c).

La raccolta e l’utilizzo dei big data deve essere economicamente conveniente affinché valga la pena utilizzarli55. Gli auditor si possono trovare di fronte a numerosi e differenti sistemi contabili e informatici, spesso anche all’interno della medesima azienda; per questo motivo le competenze che i revisori devono avere sono molto specifiche e ampie. Per poter utilizzare i big data è necessario che gli standard di revisione (ISA) siano adattati alle nuove esigenze, altrimenti ci si trova in un terreno inesplorato con possibili difformità di comportamento e di risultati tra differenti revisori. Nello specifico è necessario che ne venga regolamentato l’utilizzo nello svolgimento di test analitici sulla

40

sostanza, sulla definizione degli elementi probativi e sulla validità dei dati utilizzati nelle analisi.

3.1.1 Criticità dei BA nell’auditing

Nonostante a livello teorico l’integrazione dei big data nella revisione possa apparire allettante, è necessario che vengono tenuti in considerazione alcuni importanti aspetti. Innanzitutto, l’integrazione della fonte interna ed esterna dei dati nelle procedure di auditing deve essere fatta in maniera molto accurata, poiché i dati interni sono principalmente quantitativi e strutturati mentre i dati esterni qualitativi e non strutturati. L’utilizzo di questa combinazione di dati consente di migliorare la sufficienza, affidabilità e pertinenza degli elementi probativi, aumentando la qualità generale della revisione. Un altro elemento da valutare è l’affidabilità e la sicurezza dell’immagazzinamento dei dati. I big data spesso includono dati sensibili, quindi garantire la riservatezza è importante sia per la fiducia che i clienti hanno riposto nell’azienda ma anche, e soprattutto, per questioni legate alla violazione di norme di legge.

Secondo alcuni autori, potrebbero sorgere dei dubbi relativamente all'indipendenza del revisore, quando questi è in possesso di troppe informazioni di un cliente, spesso anche legate alla sfera personale, dedotte dall’analisi dei big data56

Ovviamente, come visto nel capitolo precedente, per poter sfruttare i sistemi di business

analytics, è necessario che l’auditor possieda le capacità tecniche necessarie allo scopo.

La qualità dell’integrazione tra dati interni ed esterni è direttamente collegata con il livello di abilità possedute dal revisore, che per tale scopo, necessita di essere esperto sia nella materia della revisione che possedere solide conoscenze informatiche.

A tal proposito è necessario che egli si aggiorni, in modo da essere sempre pronto alle novità e ai vari sistemi che utilizzano i clienti revisionati57.

Una soluzione per poter ovviare alla mancanza di abilità IT e del trattamento dei dati, è quella di affidarsi a soggetti terzi ai quali esternalizzare queste attività. In merito a questa soluzione nascono problemi relativi alla riservatezza e confidenzialità dei dati che escono dalle mura dell’azienda cliente.58

56

Tang (2017) 57 _{Tang (2017)} 58 _{Cao (2015)}

41