فرایند حسابرسی مستمر بخش دوم:

در ادامه بخش اول به فرایند حسابرسی مستمر بخش دوم میپردازیم.

مرحله دوم: مدل‌سازی داده‌ها

مدل‌سازی داده‌ها یکی از مراحل اصلی حسابرسی مستمر است که به کمک داده‌های تاریخی مربوط به معاملات و مانده حساب‌های حسابرسی‌شده، معیارهایی برای ارزیابی داده‌های آتی ایجاد می‌کند. هدف این مرحله، آموزش مدل‌های تحلیلی و الگوریتم‌های پیشرفته به‌منظور شناسایی و پیش‌بینی داده‌های غیرعادی در آینده است.

فرآیند مدل‌سازی داده‌ها شامل مراحل زیر است:

1. تقسیم داده‌ها به دو مجموعه:

   • مجموعه داده‌های آموزشی: این مجموعه برای آموزش الگوریتم‌های تحلیلی و ایجاد معیارهای ارزیابی معاملات و مانده حساب‌ها استفاده می‌شود.
   • مجموعه داده‌های اعتبارسنجی: این مجموعه برای آزمون دقت، صحت و عملکرد مدل تحلیلی آموزش‌دیده به کار می‌رود.

2. ایجاد معیارهای ارزیابی:

معیارهای ایجادشده در این مرحله، برای نظارت بر معاملات و مانده حساب‌های آتی به‌کار گرفته می‌شوند (Chan و Vasarelyi، ۲۰۱۱).

مدل‌سازی داده‌ها فرض می‌کند که داده‌های حسابرسی‌نشده آینده و ویژگی‌های رفتاری آن‌ها شباهت زیادی به داده‌های گذشته دارند. این روش باعث می‌شود تا تحلیل‌های مبتنی بر الگوریتم‌ها، معاملات غیرعادی را به‌صورت دقیق شناسایی کنند.

مرحله سوم: تحلیل داده‌ها

تحلیل داده‌ها یکی دیگر از بخش‌های اساسی حسابرسی مستمر است که برای ارزیابی کنترل‌های داخلی، جزئیات معاملات و مانده حساب‌ها استفاده می‌شود. این تحلیل به‌کمک معیارهای مشخص‌شده در مرحله مدل‌سازی انجام شده و شامل موارد زیر است:

نظارت مستمر بر کنترل‌های داخلی:

تحلیل مبتنی بر قوانین و سیاست‌های داخلی، اقدامات کارکنان را با معیارهای تعیین‌شده مقایسه می‌کند. هدف از این مقایسه، شناسایی موارد عدم رعایت و استثناها است.

اعتباربخشی مستمر داده‌ها:

جزئیات معاملات و مانده حساب‌های حسابرسی‌نشده با معیارهای مشخص‌شده مقایسه می‌شود تا هرگونه انحراف یا موارد غیرعادی شناسایی گردد.

شناسایی موارد استثنا و غیرعادی:

معاملات غیرعادی یا عدم رعایت‌های شناسایی‌شده، می‌توانند متوقف یا تعلیق شوند. این فرآیند به کاهش ریسک‌های مالی و افزایش شفافیت کمک می‌کند.

مرحله چهارم: گزارشگری

مرحله پایانی حسابرسی مستمر، تهیه گزارش‌های تحلیلی و ارائه اطلاعات به مدیران سازمان است. گزارشگری در این مرحله شامل موارد زیر است:

گزارش‌های بدون استثنا:

اگر سیستم حسابرسی مستمر هیچ مورد غیرعادی یا استثنائی شناسایی نکند، می‌توان فرض کرد که اطلاعات مالی و حسابداری سازمان عاری از اشتباهات یا تقلب است. در این حالت، یک گزارش اظهار نظر مقبول صادر می‌شود.

گزارش‌های با استثنا:

در صورت شناسایی عدم رعایت‌های بااهمیت در کنترل‌های داخلی یا وجود معاملات غیرعادی، این موارد باید پیش از ارائه هرگونه اطمینانی درباره اطلاعات مالی، برطرف شوند (Chan و Vasarelyi، ۲۰۱۱).

اهمیت تکنیک‌های تحلیل و مدل‌سازی در حسابرسی مستمر

تکنیک‌های مدل‌سازی و تحلیل داده‌ها در حسابرسی مستمر نقش اساسی ایفا می‌کنند. این روش‌ها به سازمان‌ها کمک می‌کنند تا جزئیات معاملات و مانده حساب‌ها را با دقت بالاتری نظارت کنند (Kogan و دیگران، ۲۰۱۰).

مزایای حسابرسی مستمر:

• شناسایی سریع و به‌موقع موارد غیرعادی
• افزایش شفافیت در فرایندهای مالی
• کاهش ریسک‌های ناشی از تقلب یا اشتباهات عمده
• بهبود نظارت بر کنترل‌های داخلی