Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

שימוש באנליטיקה של דאטה גדולה בבחירה ובבדיקת ערכי יומן והשפעתו על הסקפטיות המקצועית

· חזרה לאינדקס

מדוע זה חשוב לאמון במספרים הפיננסיים

כשחברות מפרסמות דוחות פיננסיים, משקיעים, עובדים והציבור מניחים שהמספרים נאמנים. עם זאת, חלק מההונאות הגדולות בשנים האחרונות התבצעו על ידי מניפולציות עדינות ברישומי החשבונות הטמונים בבסיסי נתונים עצומים. מאמר זה בוחן כיצד מבקרים מתחילים להשתמש בכלי דאטה גדולה לסריקה יעילה יותר של האוקיינוסים הללו של ערכים—ושואל שאלה מכרעת: האם הטכנולוגיות החזקות הללו מעוררות את תשומת הלב של המבקרים, או שמא הן מפתות אותם לבטוח במחשב יותר מדי?

מחפשים בעיות בספרי חשבון שגרתיים

במרכז כל ביקורת עומדים ערכי היומן—הרישומים הבסיסיים של תנועות הכסף בעסק. רמאים לעתים מנצלים רישומים אלה כדי להסתיר הפסדים או לנפח רווחים, לעיתים על ידי עקיפת בקרות שגרתיות. לפיכך, כללי ביקורת בינלאומיים דורשים מהמבקרים לבדוק ערכים אלה בעין סקפטית. באופן מסורתי משמעות הדבר הייתה בדיקה ידנית של דגימות קטנות. בתקופה של מערכי נתונים עצומים ומורכבים, גישה סלקטיבית זו עלולה להחמיץ בעיות המושחזות בחכמה. המחברים טוענים שאנליטיקה של דאטה גדולה יכולה לשנות את המשימה הזו על ידי בחינה של אוכלוסיות שלמות של ערכים, זיהוי תבניות חריגות שיהיו בלתי נראות בבדיקה ידנית.

Figure 1
Figure 1.

כיצד כלי דאטה גדולה משנים את העבודה היומיומית בביקורת

המחקר מתבסס על ראיונות מעמיקים עם תשעה מבקרי חשבונות בכירים מחברות ה־Big Four העובדות בפלסטין, שוק המאמץ שיטות ביקורת גלובליות בתנאים מאתגרים. מבקרים אלה מתארים כלים של דאטה גדולה שאוספים מיליוני רשומות חשבונאיות, ממיינים אותן לפי סיכון ומדגישים עסקאות שנראות מוזרות. במקום להתחיל ממספר מועט של ערכים שנבחרו באינטואיציה, צוותים יכולים כעת לראות את הנוף המלא של הפעילות, ולהתמקד בפריטים שנראים לא במקום לפי סכום, תזמון, מערכת מקור או שילוב של גורמים. לפי דיווחם, ראייה "ראשונה-נתונים" זו לא רק מזרזת את העבודה אלא גם מספקת תמונה עשירה יותר של אופן הפעולה האמיתי של עסק הלקוח.

אנשים, הכשרה ועבודת צוות מאחורי המסכים

למרות התוכנה המתקדמת, המבקרים מדגישים שכישורים אנושיים ויחסי עבודה נשארים מרכזיים. הם מתארים מפגשי הכשרה שגרתיים שחורגים מלחיצות כפתורים ומתרכזים בפרשנות של תבניות מוזרות, באתגר איתותי שווא ובחיבור סיגנלי נתונים לסיכונים עסקיים במציאות. מפגשי צוות ותכנון משותף משמשים ליצירת רעיונות לגבי היכן ההנהלה עלולה להיות מועמדת לעקם את הכללים—כגון בהערכות ובפיצויים—ואז לתכנן אנליטיקה שבוחנת אזורים אלה. שותפים בכירים ומנהלים מעורבים באופן הדוק, בוחנים את ניירות העבודה האלקטרוניים, ממקשים על בחירות של מסננים וסף החלטות, ומוודאים כי הצוות לא יתפס את פלטי המחשב כאמת שלא ניתן לערער עליה.

Figure 2
Figure 2.

החרב בעלת שתי הלהבים של מכונות חכמות

הראיונות מעלים גם חששות ברורים. מכיוון שכלי אנליטיקה יכולים לייצר אוטומטית דוחות ולוחות מחוונים שנראים מטויחים, קיים סיכון שהמבקרים יקבלו אותם כפי שהם, בהנחה שאם המערכת לא מסמנת דבר—אין בעיה. המשתתפים מזהירים שהתלות הזו עלולה להקהות את הסקפטיות המקצועית ולאפשר הצהרות שגויות חמורות להישאר בלי הבחנה. רגולטורים ובוחני איכות פנימיים כבר לוחצים על חברות להימנע מ"מנטליות של רשימת בדיקה" ולהראות כיצד השתמשו בכלי הנתונים בצורה ממוקדת סיכון וביקורתית. עם זאת, תקני הביקורת הנוכחיים מספקים מעט הנחיות קונקרטיות על האופן שבו יש לשלב אנליטיקה מתקדמת עם חובת הספק ואימות.

מה אומר המחקר במונחים פשוטים

בלשון פשוטה, המאמר מסכם שאנליטיקה של דאטה גדולה יכולה להיות בן ברית חיוני לביקורות אמינות אם—ורק אם—המבקרים נשארים בשליטה. כלים אלה עוזרים להם לסנן כמויות עצומות של ערכים, למקד אזורים בסיכון ולהבין טוב יותר כיצד חברה באמת יוצרת ומרשמת הכנסות והוצאות. אך הם גם מציבים מלכודות התנהגותיות חדשות: קל יותר לבטוח במכונה מאשר לשאול שאלות מסובכות. כדי לשמור על הסקפטיות, חברות זקוקות להכשרה חזקה, לדיון פתוח בצוות, לפיקוח מנהיגותי פעיל ולהנחיות ברורות יותר מצד קובעי התקנים והרגולטורים. המחברים מציעים כי הטכנולוגיה צריכה לשפר את העין הקריטית של המבקר, לא להחליפה.

ציטוט: Abu Al Rob, M.A., Mohd Nor, M.N. & Salleh, Z. Utilizing big data analytics in the selection and testing of journal entries and its impact on professional skepticism. Humanit Soc Sci Commun 13, 553 (2026). https://doi.org/10.1057/s41599-026-06626-0

מילות מפתח: אנליטיקה של דאטה גדולה, ביקורת חשבונות, הונאות פיננסיות, סקפטיות מקצועית, בדיקת ערכי יומן