Phân tích dữ liệu trong kiểm toán báo cáo tài chính


Sự gia tăng không ngừng của hệ thống dữ liệu và báo cáo của doanh nghiệp đặt ra cho kiểm toán viên bài toán cần nâng cao hiệu quả công tác kiểm toán báo cáo tài chính. Việc ứng dụng phân tích dữ liệu (data analytics) chính là một trong những lời giải đáp của bài toán đó với nhiều lợi ích thiết thực trong cả quá trình kiểm toán báo cáo tài chính.

Phương pháp phân tích dữ liệu trong kiểm toán

                    Ông Phạm Nam Phong – Phó Tổng Giám đốc
                Dịch vụ Kiểm toán và Đảm bảo, Deloitte Việt Nam

Hiểu một cách đơn giản, phân tích dữ liệu (data analytics) là quá trình xử lý và kiểm tra dữ liệu để khám phá các thông tin hữu ích và hỗ trợ người dùng đưa ra quyết định. Trong công tác kiểm toán, phân tích mô tả và phân tích chuẩn đoán là hai loại phân tích dữ liệu chính được sử dụng.

Phân tích mô tả là việc kiểm tra dữ liệu hoặc nội dung với đặc trưng là công cụ Trí tuệ kinh doanh (Business Intelligence) và các hình ảnh trực quan, để trả lời cho câu hỏi “Điều gì đã hoặc đang xảy ra?” trong doanh nghiệp.

Phân tích chẩn đoán là dạng phân tích nâng cao kiểm tra dữ liệu hoặc nội dung, với các kỹ thuật như đi sâu (drill-down), khám phá dữ liệu, khai thác dữ liệu (data mining), phân tích tương quan…, để trả lời cho câu hỏi “Tại sao điều đó lại xảy ra?”.

Lợi ích thiết thực trong toàn bộ quá trình kiểm toán

Sử dụng phân tích dữ liệu giúp nhóm kiểm toán cải thiện hiểu biết về dữ liệu và hỗ trợ kiểm tra toàn bộ danh mục. Ngoài ra, việc trực quan hóa dữ liệu giúp phát hiện các xu hướng hoặc mối tương quan của dữ liệu, góp phần để nhóm kiểm toán tập trung vào các khu vực rủi ro cao.

Bước lập kế hoạch kiểm toán

Đánh giá rủi ro là yêu cầu cơ bản của cuộc kiểm toán và được thực hiện sớm ngay từ khi lập kế hoạch kiểm toán. Trong việc đánh giá rủi ro, nhóm kiểm toán cần xác định các khoản mục rủi ro thích hợp và đầy đủ giúp bảo đảm tính hiệu quả của toàn bộ cuộc kiểm toán. Một trong những dấu hiệu của việc gia tăng mức độ rủi ro là các biến động bất thường ngoài kỳ vọng của nhóm kiểm toán.

Ví dụ đối với thủ tục đánh giá rủi ro liên quan khoản mục phải thu trên bảng cân đối kế toán: Nếu phân tích sơ bộ thì chỉ đánh giá được sự tăng trưởng hoặc sụt giảm qua các năm. Nhưng áp dụng phân tích dữ liệu, kiểm toán viên có thể xem xét các khoản phải thu kết hợp với yếu tố tuổi nợ qua các năm, có thể đánh giá được mức độ rủi ro gia tăng liên quan. Qua đó, nhóm kiểm toán có thể đưa ra thủ tục thích hợp để kiểm tra khoản mục này.

Hình 1a: Số dư và tăng trưởng các khoản phải thu 2018-2020 (Đơn vị: triệu VND)     
Hình 1b: Cơ cấu tuổi nợ của các khoản phải thu giai đoạn 2018-2020

Phân tích dữ liệu cũng có thể áp dụng trong việc kiểm tra nhật ký chứng từ, bút toán ghi sổ (Journal entry testing) của doanh nghiệp. Thông qua việc phân tích số lượng giao dịch theo thời gian, phân tích giá trị giao dịch và phân tích diễn giải của giao dịch, kiểm toán viên có thể xác định các giao dịch bất thường có thể có trong toàn bộ mẫu và tập trung kiểm tra các giao dịch này.Bước thực hiện thủ tục kiểm toán

Ngoài ra, trong kiểm toán báo cáo tài chính, khoản mục doanh thu bán hàng thường được đánh giá là có rủi ro lớn, trong đó có rủi ro liên quan đến tính đúng kỳ của các giao dịch ghi nhận doanh thu. Thông thường các giao dịch gần ngày kết thúc kỳ kế toán có khả năng sai sót nhiều. Việc sử dụng phân tích dữ liệu có thể giúp nhóm kiểm toán xác định các bất thường một cách rõ rệt, từ đó đưa ra cách thức đánh giá và kiểm tra phù hợp.

Liên quan đến việc phân loại mẫu, khi thực hiện các thủ tục kiểm toán, có thể cân nhắc chia nhóm các khoản mục theo tiêu chí, từ đó có phương pháp kiểm tra chi tiết thích hợp. Trong hầu hết các trường hợp, sử dụng phân tích dữ liệu giúp thiết lập các phân tích mạnh mẽ và đáng tin cậy hơn.

Cuối cùng là thủ tục phân tích cơ bản (substantive analytical procedure). Một trong những thủ tục phân tích cơ bản là xây dựng kỳ vọng về các số liệu hoặc tỷ lệ đã được ghi nhận, đánh giá liệu kỳ vọng đó có đủ chính xác để xác định một sai sót, riêng lẻ hoặc khi tổng hợp với các sai sót khác, có thể khiến báo cáo tài chính bị sai sót trọng yếu hay không. Trong đó, mô hình hồi quy (regression model) thường được sử dụng để xem xét mối quan hệ giữa biến kiểm tra (test variable) và một hoặc nhiều biến dự đoán (predicting variables) mà kiểm toán viên kỳ vọng có liên quan đến biến kiểm tra.

Ví dụ, phân tích dự đoán thông qua mô hình hồi quy từng bước (Stepwise multiple regression model) có thể giúp đánh giá các giả thuyết về mối tương quan của doanh thu (biến kiểm tra) và sản lượng bán cho các nhóm khách hàng hoặc sản phẩm (biến dự đoán).

Hình 2: Kết quả Phương pháp bình Phương nhỏ nhất đối với mô hình hồi quy giữa doanh thu và sản lượng bán của sản phẩm

Có thể thấy, những lợi ích của áp dụng phân tích dữ liệu và báo cáo tài chính là không thể phủ nhận. Tuy nhiên, thực tiễn áp dụng tại Việt Nam vẫn còn nhiều thách thức và hạn chế, như dữ liệu được kiểm toán chưa được khai thác và thu thập một cách đầy đủ và có cấu trúc, kiểm toán viên có thể chưa đáp ứng kỹ năng sử dụng kỹ thuật phân tích dữ liệu phù hợp, hoặc hạn chế về công nghệ.

Để nâng cao chất lượng và hiệu quả của công tác kiểm toán và đáp ứng yêu cầu ngày càng cao của khách hàng, các kiểm toán viên và các công ty kiểm toán cần có chiến lược, lộ trình đầu tư vào các công cụ phân tích dữ liệu, xây dựng văn hóa phân tích dữ liệu, tích hợp vào chương trình kiểm toán, đồng thời trang bị cho đội ngũ nhân viên những kỹ năng liên quan cần thiết.

Trích nguồn: VACPA
Số lượt đọc: 1135

Đánh giá bài viết
Kết quả