Sfruttare l'analisi dei big data nella selezione e nel testing delle registrazioni contabili e il suo impatto sullo scetticismo professionale

Perché questo è importante per la fiducia nei numeri finanziari

Quando le aziende pubblicano il loro bilancio, investitori, dipendenti e il pubblico si aspettano che i numeri siano onesti. Eppure alcune delle frodi più grandi degli ultimi anni sono state compiute attraverso manipolazioni sottili delle voci contabili nascoste in enormi banche dati. Questo articolo esplora come i revisori stiano iniziando a usare strumenti di big data per scannerizzare quegli oceani di registrazioni in modo più efficace—e pone una domanda cruciale: queste tecnologie potenti rendono i revisori più all'erta, o li spingono a fidarsi troppo del computer?

Cercare problemi nella contabilità di tutti i giorni

Al centro di ogni revisione ci sono le registrazioni contabili—i documenti di base dei flussi di denaro che entrano e escono da un'impresa. I frodatori spesso sfruttano queste registrazioni per nascondere perdite o gonfiare utili, talvolta eludendo i controlli normali. Le norme internazionali di revisione richiedono quindi ai revisori di esaminare queste voci con occhio scettico. Tradizionalmente ciò significava controllare piccoli campioni a mano. Nell'era di insiemi di dati massivi e complessi, tuttavia, questo approccio selettivo può non intercettare problemi abilmente mascherati. Gli autori sostengono che l'analisi dei big data può trasformare questo compito esaminando intere popolazioni di registrazioni e individuando schemi insoliti che sarebbero invisibili a una revisione manuale.

Come gli strumenti di big data cambiano la revisione quotidiana

Lo studio si basa su interviste approfondite con nove revisori senior dei Big Four che lavorano in Palestina, un mercato che sta integrando pratiche di revisione globali in condizioni difficili. Questi revisori descrivono strumenti di big data che raccolgono milioni di registrazioni contabili, le ordinano secondo il rischio e mettono in evidenza transazioni dall'aspetto anomalo. Invece di partire da una manciata di voci scelte per intuito, i team ora possono vedere l'intero panorama delle attività, concentrandosi su elementi che sembrano fuori posto per importo, tempistica, sistema di origine o combinazione di fattori. Questa visione «data-first», riferiscono, non solo accelera il lavoro ma offre anche un quadro più ricco di come il business del cliente opera realmente.

Persone, formazione e lavoro di squadra dietro gli schermi

Nonostante il software sofisticato, i revisori sottolineano che le competenze umane e le relazioni rimangono centrali. Descrivono sessioni di formazione regolari che vanno oltre il semplice cliccare pulsanti per concentrarsi su come interpretare schemi strani, mettere in discussione falsi allarmi e collegare segnali di dato a rischi aziendali concreti. Riunioni di team e sessioni di pianificazione congiunte sono usate per elaborare ipotesi su dove la direzione potrebbe essere tentata di piegare le regole—come stime e accantonamenti—and poi progettare analytics che sondino quelle aree. Partner senior e direttori sono fortemente coinvolti, rivedendo i working paper elettronici, mettendo in discussione le scelte di filtri e soglie e assicurandosi che il personale non consideri i risultati del computer come verità indiscutibile.

Il doppio taglio delle macchine intelligenti

Dalle interviste emergono anche preoccupazioni evidenti. Poiché gli strumenti di analytics possono automaticamente produrre report e dashboard dall'aspetto pulito, esiste il rischio che i revisori li accettino così come sono, assumendo che se il sistema non segnala nulla allora non esiste alcun problema. I partecipanti avvertono che questo tipo di eccessiva fiducia potrebbe attenuare lo scetticismo professionale e permettere che gravi errori di rappresentazione restino non notati. Regolatori e revisori della qualità interna stanno già spingendo le società a evitare una «mentalità da lista di controllo» e a dimostrare come abbiano usato gli strumenti di dato in modo genuinamente focalizzato sul rischio e interrogativo. Tuttavia, gli standard di revisione attuali danno poche indicazioni concrete su come combinare analytics avanzate con il dovere di dubitare e verificare.

Cosa dice lo studio in termini semplici

In termini semplici, l'articolo conclude che l'analisi dei big data può essere un alleato potente per revisioni oneste se—e solo se—i revisori restano saldamente al comando. Questi strumenti li aiutano a setacciare volumi vastissimi di registrazioni, a concentrarsi su aree a rischio e a comprendere meglio come un'azienda produce e registra il denaro. Ma introducono anche nuove trappole comportamentali: diventa più facile fidarsi della macchina piuttosto che porre domande scomode. Per mantenere vivo lo scetticismo, le società hanno bisogno di una formazione solida, di discussioni aperte in team, di un controllo attivo della leadership e di regole più chiare da parte degli organismi normativi e degli standard setter. La tecnologia, suggeriscono gli autori, dovrebbe affilare lo sguardo critico del revisore, non sostituirlo.

Citazione: 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

Parole chiave: analisi dei big data, revisione contabile, frode finanziaria, scetticismo professionale, verifica delle registrazioni contabili