Wykorzystanie analityki big data przy doborze i testowaniu księgowań oraz jej wpływ na sceptycyzm zawodowy

Dlaczego to ma znaczenie dla zaufania do danych finansowych

Kiedy firmy publikują sprawozdania finansowe, inwestorzy, pracownicy i społeczeństwo zakładają, że liczby są rzetelne. Tymczasem niektóre z największych oszustw ostatnich lat wywodzą się z subtelnych manipulacji zapisami księgowymi ukrytymi w rozległych bazach danych. Artykuł bada, jak audytorzy zaczynają wykorzystywać narzędzia big data do skuteczniejszego skanowania tych tysięcy wpisów — i stawia kluczowe pytanie: czy te potężne technologie zwiększają czujność audytorów, czy raczej skłaniają ich do nadmiernego zaufania komputerowi?

Poszukiwanie problemów w codziennej księgowości

W centrum każdego audytu leżą księgowania — podstawowe zapisy o przepływach pieniężnych w firmie. Oszuści często wykorzystują te zapisy, by ukryć straty lub zawyżyć zyski, czasem przez obchodzenie standardowych kontroli. Międzynarodowe normy audytu wymagają zatem, żeby audytorzy badali te księgowania z postawą sceptyczną. Tradycyjnie oznaczało to ręczną weryfikację małych próbek. Jednak w epoce masywnych, złożonych zbiorów danych takie selektywne podejście może przeoczyć sprytnie zamaskowane problemy. Autorzy argumentują, że analityka big data może przekształcić to zadanie poprzez badanie całych populacji księgowań i wykrywanie nietypowych wzorców, niewidocznych przy manualnej kontroli.

Jak narzędzia big data zmieniają codzienną pracę audytu

Badanie opiera się na pogłębionych wywiadach z dziewięcioma starszymi audytorami z firm z tzw. Wielkiej Czwórki działającymi w Palestynie, rynku integrującym globalne praktyki audytowe w trudnych warunkach. Audytorzy opisują narzędzia big data, które zbierają miliony rekordów księgowych, sortują je według ryzyka i wyróżniają transakcje o nietypowym charakterze. Zamiast zaczynać od kilku wpisów wybranych intuicyjnie, zespoły mogą teraz zobaczyć pełny obraz aktywności, przybliżając elementy odstające pod względem kwoty, terminu, systemu źródłowego lub kombinacji czynników. To „podejście zorientowane na dane”, jak relacjonują, nie tylko przyspiesza pracę, lecz także dostarcza bogatszego obrazu realnego funkcjonowania działalności klienta.

Ludzie, szkolenia i praca zespołowa za ekranami

Pomimo zaawansowanego oprogramowania audytorzy podkreślają, że kluczowe pozostają umiejętności ludzkie i relacje. Opisują regularne sesje szkoleniowe, które wykraczają poza naukę obsługi i koncentrują się na interpretacji dziwnych wzorców, kwestionowaniu fałszywych alarmów oraz łączeniu sygnałów z danymi z rzeczywistymi ryzykami biznesowymi. Spotkania zespołowe i wspólne planowanie służą burzy mózgów nad tym, gdzie kierownictwo może być skłonne naginać zasady — na przykład przy szacunkach i rezerwach — a następnie do projektowania analiz badających te obszary. Starsi partnerzy i dyrektorzy są ściśle zaangażowani, przeglądając elektroniczne teczki robocze, kwestionując wybory filtrów i progów oraz czuwając, by personel nie traktował wyników komputerowych jak bezdyskusyjnej prawdy.

Podwójne ostrze inteligentnych maszyn

Wywiady ujawniają też wyraźne obawy. Ponieważ narzędzia analityczne potrafią automatycznie generować estetyczne raporty i pulpity sterownicze, istnieje ryzyko, że audytorzy przyjmą je bezkrytycznie, zakładając, że brak sygnału oznacza brak problemu. Uczestnicy ostrzegają, że takie nadmierne poleganie może stępić sceptycyzm zawodowy i pozwolić, by poważne nieprawidłowości pozostały niezauważone. Regulatorzy i wewnętrzni recenzenci jakości już teraz naciskają na firmy, aby unikały „mentalności checklisty” i pokazywały, jak wykorzystały narzędzia danych w autentycznie ryzykokierunkowy, krytyczny sposób. Tymczasem obowiązujące standardy audytu dają niewiele konkretnych wskazówek, jak łączyć zaawansowaną analitykę z obowiązkiem wątpienia i weryfikacji.

Co wynika ze studiowania sprawy, w prostych słowach

Mówiąc wprost, artykuł dochodzi do wniosku, że analityka big data może być potężnym sojusznikiem rzetelnych audytów pod warunkiem — i tylko pod warunkiem — że audytorzy pozostaną wyraźnie w roli decydentów. Narzędzia te pomagają przesiewać ogromne zbiory księgowań, koncentrować się na ryzykownych obszarach i lepiej rozumieć, jak firma faktycznie generuje i ujmuje przychody oraz koszty. Jednocześnie wprowadzają nowe pułapki behawioralne: łatwiej jest zaufać maszynie niż zadawać niewygodne pytania. Aby podtrzymać sceptycyzm, firmy potrzebują solidnych szkoleń, otwartej dyskusji zespołowej, aktywnego nadzoru kierowniczego oraz jaśniejszych reguł ze strony autorów standardów i regulatorów. Technologia, sugerują autorzy, powinna zaostrzać krytyczne spojrzenie audytora, a nie je zastępować.

Cytowanie: 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

Słowa kluczowe: analityka big data, audyt, oszustwa finansowe, sceptycyzm zawodowy, testowanie księgowań