Data-analytiikan hyödyntäminen tilintarkastustoimeksiannoissa tilintarkastuksen sisäisen laadun näkökulmasta
Alatalo, Miska (2024-05-20)
Data-analytiikan hyödyntäminen tilintarkastustoimeksiannoissa tilintarkastuksen sisäisen laadun näkökulmasta
(20.05.2024)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
suljettu
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2024060444602
https://urn.fi/URN:NBN:fi-fe2024060444602
Tiivistelmä
Tämä tutkielma keskittyy tarkastelemaan tilintarkastuksen data-analytiikan hyödyntämisen tuomia mahdollisuuksia ja haasteita tilintarkastuksen sisäisen laadun näkökulmasta. Teknologinen kehitys on hyvin nopeaa ja datan määrä maailmassa kasvaa kiihtyvällä tahdilla. Samalla kasvaa myös tilintarkastajien prosessoiman datan määrä. Samalla, kun tilintarkastusyhteisöt kehittävät uusia data-analytiikan sovelluksia on edelleen verrattain epäselvää, mikä data-analytiikan kontribuutio on suhteessa tilintarkastusyhteisöjen sisäiseen laatuun.
Tutkielman tavoitteena on selvittää, millaisia yhtymäkohtia tilintarkastajat tunnistavat tilintarkastuksen data-analytiikan ja tilintarkastuksen sisäisen laadun välillä. Lisäksi tunnistetaan tekijöitä, jotka näissä yhtymäkohdissa potentiaalisesti vaikuttavat laatuun parantavasti tai heikentävästi. Tavoitteen saavuttamiseksi asetetaan seuraava tutkimuskysymys sekä sitä tukevat apututkimuskysymykset.
Millaisia yhtymäkohtia tilintarkastajat havaitsevat tilintarkastuksen data-analytiikan ja tilintarkastuksen sisäisen laadun välillä?
Mitä etuja ja ongelmia tilintarkastajat tunnistavat data-analytiikan käyttöön liittyen?
Millaisia osatekijöitä tilintarkastajat tunnistavat tilintarkastuksen laatuun liittyen?
Tutkielman teoreettinen viitekehys rakentuu tilintarkastuksen data-analytiikan ja tilintarkastuksen laadun aikaisemman tutkimuksen pohjalta. Lisäksi tarkastellaan lyhyesti tilintarkastusta prosessina, jotta osataan yhdistää laatuun ja data-analytiikkaan liittyvät kysymykset oikealla tavalla tilintarkastukseen. Laatu on tämän tutkielman osalta rajattu koskemaan tilintarkastusyhteisöjen sisäisen laadunvarmennuksen mukaista laatua, jonka teoriaa tarkastellaan ISQM1-standardin osalta.
Tutkielman empiirinen osuus toteutettiin laadullisella tutkimusotteella. Aineistoa kerättiin puolistrukturoitujen teemahaastattelujen avulla. Haastatteluja varten luotiin haastattelurunko, mutta ennalta määrätystä rungosta oli mahdollisuus poiketa ja keskittyä haastatteluissa mahdollisesti korostuviin teemoihin. Haastatteluihin valittiin tilintarkastajia BIG4 tilintarkastusyhteisöistä. Valituilla tilintarkastajille tuli olla kokemusta tilintarkastuksen sisäisestä laadusta ja tilintarkastuksen data-analytiikasta.
Empiirisen osuuden pohjalta havaittiin, että sisäisen laadun ja data-analytiikan välillä on lukuisia liittymäkohtia. Keskeisimmät havaitut liittymäkohdat olivat osaaminen ja asiantuntemus, evidenssin hankinta ja arviointi, ammatillinen harkinta sekä tilintarkastukseen liittyvä sääntely. Näistä liittymäkohdista oli edelleen havaittavissa tekijöitä, jotka voivat joko parantaa tai heikentää tilintarkastuksen sisäistä laatua. Laadun parantumiseen yhdistettävät tekijät olivat muun muassa syvällinen dataosaaminen, laajempi ja ajallisesti paremmin kohdennettu evidenssi, kehittynyt ammatillinen harkinta ja perusteellisempi ymmärrys asiakkaan toiminnasta sekä potentiaalisista riskeistä. Riskitekijöitä puolestaan olivat heikko dataosaaminen, uusien teknologioiden vastustaminen, liika luottamus data-analytiikalla saatuun evidenssiin ja mahdolliset tehokkuusongelmat data-analytiikan käytössä.
Tutkielman tavoitteena on selvittää, millaisia yhtymäkohtia tilintarkastajat tunnistavat tilintarkastuksen data-analytiikan ja tilintarkastuksen sisäisen laadun välillä. Lisäksi tunnistetaan tekijöitä, jotka näissä yhtymäkohdissa potentiaalisesti vaikuttavat laatuun parantavasti tai heikentävästi. Tavoitteen saavuttamiseksi asetetaan seuraava tutkimuskysymys sekä sitä tukevat apututkimuskysymykset.
Millaisia yhtymäkohtia tilintarkastajat havaitsevat tilintarkastuksen data-analytiikan ja tilintarkastuksen sisäisen laadun välillä?
Mitä etuja ja ongelmia tilintarkastajat tunnistavat data-analytiikan käyttöön liittyen?
Millaisia osatekijöitä tilintarkastajat tunnistavat tilintarkastuksen laatuun liittyen?
Tutkielman teoreettinen viitekehys rakentuu tilintarkastuksen data-analytiikan ja tilintarkastuksen laadun aikaisemman tutkimuksen pohjalta. Lisäksi tarkastellaan lyhyesti tilintarkastusta prosessina, jotta osataan yhdistää laatuun ja data-analytiikkaan liittyvät kysymykset oikealla tavalla tilintarkastukseen. Laatu on tämän tutkielman osalta rajattu koskemaan tilintarkastusyhteisöjen sisäisen laadunvarmennuksen mukaista laatua, jonka teoriaa tarkastellaan ISQM1-standardin osalta.
Tutkielman empiirinen osuus toteutettiin laadullisella tutkimusotteella. Aineistoa kerättiin puolistrukturoitujen teemahaastattelujen avulla. Haastatteluja varten luotiin haastattelurunko, mutta ennalta määrätystä rungosta oli mahdollisuus poiketa ja keskittyä haastatteluissa mahdollisesti korostuviin teemoihin. Haastatteluihin valittiin tilintarkastajia BIG4 tilintarkastusyhteisöistä. Valituilla tilintarkastajille tuli olla kokemusta tilintarkastuksen sisäisestä laadusta ja tilintarkastuksen data-analytiikasta.
Empiirisen osuuden pohjalta havaittiin, että sisäisen laadun ja data-analytiikan välillä on lukuisia liittymäkohtia. Keskeisimmät havaitut liittymäkohdat olivat osaaminen ja asiantuntemus, evidenssin hankinta ja arviointi, ammatillinen harkinta sekä tilintarkastukseen liittyvä sääntely. Näistä liittymäkohdista oli edelleen havaittavissa tekijöitä, jotka voivat joko parantaa tai heikentää tilintarkastuksen sisäistä laatua. Laadun parantumiseen yhdistettävät tekijät olivat muun muassa syvällinen dataosaaminen, laajempi ja ajallisesti paremmin kohdennettu evidenssi, kehittynyt ammatillinen harkinta ja perusteellisempi ymmärrys asiakkaan toiminnasta sekä potentiaalisista riskeistä. Riskitekijöitä puolestaan olivat heikko dataosaaminen, uusien teknologioiden vastustaminen, liika luottamus data-analytiikalla saatuun evidenssiin ja mahdolliset tehokkuusongelmat data-analytiikan käytössä.