Günlük kayıtların seçimi ve testinde büyük veri analitiğinin kullanımı ve mesleki şüpheciliğe etkisi

Mali rakamlara güven açısından neden önemli

Şirketler finansal tablolarını yayımladığında yatırımcılar, çalışanlar ve kamuoyunun varsayımı bu rakamların dürüst olduğudur. Buna karşın son yıllardaki en büyük dolandırıcılıklardan bazıları, devasa veri tabanlarının derinliklerine gömülü muhasebe kayıtlarının ince manipülasyonlarından kaynaklandı. Bu makale, denetçilerin bu kayıt denizlerini daha etkili taramak için büyük veri araçlarını nasıl kullanmaya başladığını inceliyor—ve kritik bir soruyu gündeme getiriyor: bu güçlü teknolojiler denetçileri daha dikkatli hale mi getiriyor, yoksa bilgisayara fazla güvenmeye mi teşvik ediyor?

Günlük muhasebede sorun aramak

Her denetimin merkezinde, işletmeye para giriş ve çıkışlarını kaydeden temel kayıtlar olan günlük kayıtlar bulunur. Dolandırıcılar genellikle kayıpları gizlemek veya karları şişirmek için bu kayıtları, bazen normal kontrolleri aşarak, sömürürler. Bu nedenle uluslararası denetim kuralları denetçilerin bu kayıtları şüpheyle test etmelerini gerektirir. Geleneksel olarak bu, küçük örneklerin elde elle kontrol edilmesi anlamına geliyordu. Ancak devasa, karmaşık veri setleri çağında bu seçici yaklaşım ustaca gizlenmiş sorunları kaçırabilir. Yazarlar, büyük veri analitiğinin tüm kayıt popülasyonlarını inceleyerek manuel incelemeye görünmez olan alışılmadık desenleri tespit etme yoluyla bu görevi dönüştürebileceğini savunuyor.

Büyük veri araçları denetimin günlük akışını nasıl değiştiriyor

Araştırma, zorlu koşullar altında küresel denetim uygulamalarını entegre eden bir pazar olan Filistin’de çalışan Büyük Dörtlü firmalarının dokuz kıdemli denetçisiyle yapılan derinlemesine görüşmelere dayanıyor. Bu denetçiler, milyonlarca muhasebe kaydını çeken, bunları riske göre sıralayan ve garip görünen işlemleri öne çıkaran büyük veri araçlarını anlatıyor. Sezgilere dayanarak seçilen birkaç kayıtla başlamak yerine ekipler artık tüm etkinlik manzarasını görebiliyor, miktar, zamanlama, kaynak sistem veya faktör kombinasyonlarına göre yerinden çıkan öğelere yakınlaştırabiliyor. Onların aktardığı bu "veri-önce" yaklaşımı, yalnızca işi hızlandırmakla kalmıyor, aynı zamanda müşterinin işinin gerçekte nasıl işlediğine dair daha zengin bir resim sunuyor.

Ekranların arkasındaki insanlar, eğitim ve ekip çalışması

Gelişmiş yazılıma rağmen denetçiler insan becerileri ve ilişkilerinin merkezi önemde olduğunu vurguluyor. Düğmelere tıklamayı aşan, garip desenleri yorumlamaya, yanlış alarmları sorgulamaya ve veri sinyallerini gerçek dünya iş riskleriyle ilişkilendirmeye odaklanan düzenli eğitim oturumlarından söz ediyorlar. Ekip toplantıları ve ortak planlama oturumları, yönetimin kuralları çiğnemeye meyilli olabileceği alanları—örneğin tahminler ve karşılıklar—beyin fırtınasıyla belirlemek ve ardından bu alanları araştıracak analitikleri tasarlamak için kullanılıyor. Kıdemli ortaklar ve direktörler yakından dahil oluyor, elektronik çalışma kağıtlarını gözden geçiriyor, filtre ve eşik seçimlerini sorguluyor ve personelin bilgisayar çıktısını sorgulanamaz gerçek olarak görmemesini sağlıyorlar.

Akıllı makinelerin çift yönlü etkisi

Görüşmeler ayrıca belirgin endişeleri de su yüzüne çıkarıyor. Analitik araçlar otomatik olarak temiz görünen raporlar ve panolar üretebildiği için denetçilerin bunları olduğu gibi kabul etme, sistem hiçbir şey işaretlemediyse sorun yok varsayma tehlikesi bulunuyor. Katılımcılar, bu tür bir aşırı güvenin mesleki şüpheciliği köreltip ciddi yanlış beyanların fark edilmeden kalmasına yol açabileceği konusunda uyarıyor. Düzenleyiciler ve iç kalite değerlendiricileri firmalara zaten "kontrol listesi zihniyeti"nden kaçınmaları ve veri araçlarını gerçekten risk odaklı, sorgulayıcı bir şekilde nasıl kullandıklarını göstermeleri için baskı yapıyor. Ancak mevcut denetim standartları, gelişmiş analitikleri şüpheyle doğrulama göreviyle nasıl birleştirecekleri konusunda somut rehberlik sunmuyor.

Çalışmanın sade dille söylediği

Basitçe söylemek gerekirse, makale büyük veri analitiğinin dürüst denetimler için güçlü bir müttefik olabileceğini, ancak yalnızca denetçiler sıkı bir şekilde kontrolü ellerinde tutarlarsa geçerli olduğunu sonuçlandırıyor. Bu araçlar, geniş hacimli kayıtları elemekte, riskli alanlara odaklanmakta ve bir şirketin gerçekte nasıl para kazandığını ve kaydettiğini daha iyi anlamada yardımcı oluyor. Ancak aynı zamanda yeni davranışsal tuzaklar da getiriyor: makineye güvenmek, zor sorular sormaktan daha kolay hale gelebiliyor. Şüpheciliği canlı tutmak için firmaların güçlü eğitim, açık ekip tartışması, aktif liderlik gözetimi ve standart belirleyiciler ile düzenleyicilerden daha net kurallara ihtiyacı var. Yazarlar teknolojinin denetçinin eleştirel gözünü keskinleştirmesi gerektiğini, onun yerini almaması gerektiğini öne sürüyor.

Atıf: 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

Anahtar kelimeler: büyük veri analitiği, denetim, mali dolandırıcılık, mesleki şüphecilik, günlük kayıt testi