Использование аналитики больших данных при отборе и проверке бухгалтерских проводок и её влияние на профессиональный скептицизм

Почему это важно для доверия к финансовым показателям

Когда компании публикуют финансовую отчётность, инвесторы, сотрудники и общественность предполагают, что числа честны. Тем не менее некоторые из крупнейших мошенничеств последних лет были связаны с тонкими манипуляциями проводками, скрытыми глубоко в огромных базах данных. В этой статье рассматривается, как аудиторы начинают использовать инструменты больших данных для более эффективного сканирования этих массивов проводок — и ставится важный вопрос: делают ли эти мощные технологии аудиторов более бдительными или склоняют их чрезмерно полагаться на компьютер?

Поиск проблем в повседневном учёте

В основе любого аудита лежат бухгалтерские проводки — базовые записи о движении денег в бизнесе. Мошенники часто используют эти записи, чтобы скрыть убытки или раздуть прибыли, иногда обходя обычные внутренние контрольные механизмы. Международные аудиторские правила поэтому требуют, чтобы аудиторы проверяли эти проводки с долей скепсиса. Традиционно это означало выборочные проверки небольших выборок вручную. Однако в эпоху массивных и сложных наборов данных такой избирательный подход может пропустить искусно замаскированные проблемы. Авторы утверждают, что аналитика больших данных может трансформировать эту задачу, исследуя целые совокупности проводок и обнаруживая необычные шаблоны, невидимые при ручной проверке.

Как инструменты больших данных меняют повседневную работу аудита

Исследование опирается на глубокие интервью с девятью старшими аудиторами из фирм «Большой четвёрки», работающими в Палестине — рынке, который внедряет международные аудиторские практики в сложных условиях. Эти аудиторы описывают инструменты больших данных, которые загружают миллионы бухгалтерских записей, сортируют их по риску и выделяют подозрительные транзакции. Вместо того чтобы начинать с горстки проводок, выбранных интуицией, команды теперь видят полную картину активности, приближая те элементы, которые выделяются по сумме, времени, системе-источнику или комбинации факторов. По их словам, такой «data-first» подход не только ускоряет работу, но и даёт более объёмное представление о реальных операциях клиента.

Люди, обучение и командная работа за экранами

Несмотря на сложное программное обеспечение, аудиторы подчёркивают, что человеческие навыки и взаимоотношения остаются ключевыми. Они описывают регулярные тренинги, которые выходят за рамки простого нажатия кнопок и сосредоточены на том, как интерпретировать странные паттерны, оспаривать ложные срабатывания и связывать сигналы данных с реальными бизнес-рисками. Командные встречи и совместное планирование используются для генерации идей о том, где руководство может быть склонно нарушать правила — например, при оценках и резервировании — и затем для разработки аналитики, направленной на проверку этих областей. Старшие партнёры и директора активно вовлечены: они просматривают электронные рабочие документы, ставят под вопрос выбор фильтров и порогов и следят за тем, чтобы персонал не воспринимал выводы компьютера как бесспорную истину.

Двусторонний меч умных машин

Интервью также выявляют явные опасения. Поскольку аналитические инструменты автоматически формируют аккуратно выглядящие отчёты и панели, существует риск, что аудиторы могут принять их за чистую монету, считая: если система ничего не отметила, значит проблем нет. Участники предупреждают, что такая чрезмерная зависимость может притупить профессиональный скептицизм и позволить серьёзным искажениям остаться незамеченными. Регуляторы и внутренние ревизоры уже призывают фирмы избегать «менталитета по чек-листу» и показывать, как они использовали инструменты данных в действительно ориентированном на риск и критически настроенном подходе. В то же время текущие аудиторские стандарты дают мало конкретных указаний о том, как сочетать продвинутую аналитику с обязанностью сомневаться и верифицировать.

Что говорит исследование простыми словами

Проще говоря, статья делает вывод, что аналитика больших данных может стать мощным союзником для честных аудитов при одном условии — аудиторы должны оставаться твёрдо в роли руководителей процесса. Эти инструменты помогают просеивать огромные объёмы проводок, фокусироваться на рискованных областях и лучше понимать, как компания действительно зарабатывает и отражает в учёте деньги. Но они также порождают новые поведенческие ловушки: довериться машине становится проще, чем задать неудобный вопрос. Чтобы поддерживать скептицизм, фирмам нужны качественное обучение, открытые командные обсуждения, активный надзор руководства и более чёткие правила от стандартотворцев и регуляторов. Технология, по мнению авторов, должна обострять критический взгляд аудитора, а не заменять его.

Цитирование: 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

Ключевые слова: аналитика больших данных, аудит, финансовое мошенничество, профессиональный скептицизм, тестирование бухгалтерских проводок