Luận văn Thạc sĩ Kinh tế: Phân tích ảnh hưởng của Big Data đến quá trình phân tích dữ liệu tại các doanh nghiệp kiểm toán của Việt Nam

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

VÕ THỊ BÍCH HÀ

PHÂN TÍCH ẢNH HƯỞNG CỦA BIG DATA ĐẾN

QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC

DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

Tp. Hồ Chí Minh – Năm 2018

BỘ GIÁO DỤC VÀ ĐÀO TẠO

TRƯỜNG ĐẠI HỌC KINH TẾ TP. HỒ CHÍ MINH

VÕ THỊ BÍCH HÀ

PHÂN TÍCH ẢNH HƯỞNG CỦA BIG DATA ĐẾN

QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC

DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

Chuyên ngành: Kế toán

Mã số: 8340301

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC

TS. TRẦN KHÁNH LÂM

Tp. Hồ Chí Minh – Năm 2018

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn “Phân tích ảnh hưởng của Big Data đến quá trình

phân tích dữ liệu tại các doanh nghiệp kiểm toán của Việt Nam” là kết quả nghiên

cứu độc lập của tôi, do chính tôi hoàn thành.

Nội dung luận văn có tham khảo và sử dụng tài liệu, thông tin được đăng tải

trên các tác phẩm, tạp chí và các trang web theo danh mục tài liệu tham khảo của

luận văn.

Thành phố Hồ Chí Minh, tháng 04 năm 2018

VÕ THỊ BÍCH HÀ

MỤC LỤC

TRANG PHỤ BÌA LỜI CAM ĐOAN .................................................................................................. 3

MỤC LỤC .............................................................................................................. 4

DANH MỤC CÁC TỪ VIẾT TẮT ....................................................................... 1

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, SƠ ĐỒ .......................................... 1

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, SƠ ĐỒ .......................................... 2

PHẦN MỞ ĐẦU .................................................................................................... 1

1. Lý do chọn đề tài ............................................................................................. 1

2. Mục tiêu nghiên cứu ....................................................................................... 2

3. Câu hỏi nghiên cứu ......................................................................................... 3

4. Đối tượng nghiên cứu ..................................................................................... 3

5. Phạm vi nghiên cứu ........................................................................................ 3

5.1. Về nội dung ............................................................................................... 3

5.2. Về không gian và thời gian....................................................................... 3

6. Phương pháp nghiên cứu ................................................................................ 3

7. Những đóng góp khoa học và thực tiễn của luận văn.................................... 4

8. Kết cấu của luận văn ....................................................................................... 4

CHƯƠNG 1: TỔNG QUAN VỀ BIG DATA VÀ PHÂN TÍCH DỮ LIỆU TRONG KIỂM TOÁN .......................................................................................... 6

1.1. Big Data ........................................................................................................... 6

1.1.1. Tóm lược một số thay đổi trong dữ liệu .................................................. 6

1.1.2. Big Data .................................................................................................... 7

1.1.2.1. Các vấn đề quan trọng ..................................................................... 7

1.1.2.2. Những yếu tố tạo nên Big Data ..................................................... 10

1.1.2.3. Các lĩnh vực thuộc Big Data ......................................................... 12

1.1.2.4. Phương pháp thu thập và truy xuất kiến thức từ Big Data ........... 13

1.1.3. Các vấn đề về quản lý và an ninh dữ liệu .............................................. 14

1.2. Phân tích dữ liệu kiểm toán .......................................................................... 16

1.2.1. Khái quát về phân tích dữ liệu kiểm toán ............................................. 16

1.2.2. Phân tích dữ liệu gia tăng chất lượng kiểm toán .................................. 18

1.2.3. Phản ứng của các bên liên quan đến phân tích dữ liệu......................... 20

1.2.3.1. Những người sử dụng nội bộ ........................................................ 20

1.2.3.2. Chính phủ, ủy ban kiểm toán, các tổ chức - cơ quan quản lý bên ngoài ....................................................................................................... 21

1.2.3.3. Bộ phận công nghệ thông tin ........................................................ 22

1.2.3.4. Những khách hàng có sử dụng phân tích dữ liệu ......................... 22

1.3. Các nghiên cứu về Big Data và phân tích dữ liệu kiểm toán ...................... 23

1.3.1. Các nghiên cứu về Big Data trong kiểm toán ........................................ 23

1.3.2. Các nghiên cứu về phân tích dữ liệu kiểm toán .................................... 26

KẾT LUẬN CHƯƠNG 1 .................................................................................... 30

CHƯƠNG 2: THỰC TRẠNG ẢNH HƯỞNG CỦA BIG DATA ĐẾN QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM ................................................................................................. 32

2.1. Sơ lược về đặc điểm hoạt động kiểm toán độc lập Việt Nam ...................... 32

2.1.1. Lịch sử hình thành và phát triển hoạt động kiểm toán độc lập Việt Nam ................................................................................................................. 32

2.1.2. Tình hình hoạt động của KTĐL hiện nay ............................................. 34

2.1.2.1. Số lượng, cơ cấu và loại hình công ty kiểm toán ........................... 34

2.1.2.2. Đội ngũ KTV và nhân viên chuyên nghiệp ................................... 35

2.1.2.3. Về số lượng, cơ cấu khách hàng và doanh thu dịch vụ cung cấp . 36

2.2. Khảo sát ảnh hưởng của Big Data đến quá trình phân tích dữ liệu tại các doanh nghiệp kiểm toán của Việt Nam............................................................... 37

2.2.1. Mục tiêu của khảo sát............................................................................. 37

2.2.2. Đối tượng khảo sát ................................................................................. 38

2.2.3. Phương pháp khảo sát ............................................................................ 38

2.3. Kết quả khảo sát ........................................................................................... 38

2.3.1. Khái niệm về Big Data............................................................................. 39

2.3.2. Những nhận định về Big Data ................................................................ 45

2.3.2.1. Big Data giúp cải thiện việc ra quyết định dựa vào số liệu ........... 45

2.3.2.2. Trọng tâm chính khi sử dụng Big Data là hướng đến khách hàng và giảm thiểu rủi ro ........................................................................................ 46

2.3.2.3. Big Data quan trọng ở sự đa dạng (variety) chứ không phải ở dung lượng (volume) ............................................................................................... 48

2.3.2.4. Cơ cấu tổ chức trong môi trường Big Data sẽ ảnh hưởng đến thành công của doanh nghiệp ....................................................................... 49

2.3.2.5. Thách thức nhất khi sử dụng Big Data không phải đến từ công nghệ mà xuất phát từ con người .................................................................... 51

2.3.3. Phân tích dữ liệu kiểm toán từ Big Data ............................................... 53

2.3.4. Nguồn nhân lực trong những vấn đề liên quan đến Big Data và phân tích dữ liệu kiểm toán ....................................................................................... 58

2.3.4.1. Nhà lãnh đạo ................................................................................. 58

2.3.4.2. Bộ phận công nghệ thông tin ........................................................ 61

2.4. Đánh giá chung về thực trạng ..................................................................... 64

2.4.1. Ưu điểm................................................................................................... 64

2.4.2. Hạn chế ................................................................................................... 65

2.4.3. Nguyên nhân ........................................................................................... 65

2.4.3.1. Nguyên nhân khách quan ............................................................. 65

2.4.3.2. Nguyên nhân chủ quan ................................................................. 66

KẾT LUẬN CHƯƠNG 2 .................................................................................... 66

CHƯƠNG 3: GIẢI PHÁP NÂNG CAO TÍNH HỮU ÍCH CỦA BIG DATA VÀ PHÂN TÍCH DỮ LIỆU KIỂM TOÁN TẠI CÁC DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM ..................................................................................... 68

3.1. Quan điểm chung về giải pháp ..................................................................... 68

3.2. Các giải pháp cụ thể ...................................................................................... 69

3.2.1. Đầu tư vào nguồn nhân lực .................................................................... 69

3.2.2. Đầu tư vào cơ sở vật chất ....................................................................... 70

3.2.3. Các giải pháp hỗ trợ khác ...................................................................... 71

KẾT LUẬN CHƯƠNG 3 .................................................................................... 71

KẾT LUẬN .......................................................................................................... 72

TÀI LIỆU THAM KHẢO ................................................................................... 88

PHỤ LỤC ............................................................................................................. 88

DANH MỤC CÁC TỪ VIẾT TẮT

Tên viết tắt Tên đầy đủ

Hiệp hội kế toán viên công chứng Hoa Kỳ AICPA

Hội Kế toán công chứng Anh Quốc ACCA

Báo cáo tài chính BCTC

Nhóm 4 công ty kiểm toán hàng đầu thế giới Big4

Chuẩn mực kiểm toán CMKT

Doanh nghiệp nhà nước DNNN

Hội đồng Báo cáo tài chính (Anh Quốc) FRC

Ủy ban Quốc tế về Chuẩn mực kiểm toán và Dịch vụ đảm bảo IAASB

Chuẩn mực kiểm toán quốc tế ISA

Chuẩn mực kiểm toán quốc tế số 240 ISA 240

Kiểm toán độc lập KTĐL

Kiểm toán viên KTV

Ủy ban giám sát các công ty đại chúng Hoa Kỳ PCAOB

Hội Kiểm toán viên hành nghề Việt Nam VACPA

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, SƠ ĐỒ

Số lượng tài khoản Facebook trên thế giới vào 06/2017 ................ 7 Hình 1.1

Ba thành phần đặc trưng cấu thành Big Data .................................. 8 Hình 1.2

Hình 1.3

Doanh thu dự báo từ Big Data và phân tích kinh doanh toàn thế giới từ năm 2015 đến 2020 ............................................................ 10 Kích thước dữ liệu được xem là Big data ...................................... 40 Hình 2.1

Dữ liệu thuộc Big Data ................................................................. 41 Hình 2.2

Những tiêu chuẩn và cấu trúc được quan tâm khi nói về Big Data . 42 Hình 2.3

Hình 2.4

Những chức năng trong doanh nghiệp sử dụng Big Data và phân tích dữ liệu .................................................................................... 43 Đánh giá tính phù hợp, chính xác và đúng thời điểm của dữ liệu .... 43 Hình 2.5

Vai trò của Big Data trong doanh nghiệp ....................................... 44 Hình 2.6

Thang đo đánh giá sự thành công khi ứng dụng Big Data .............. 45 Hình 2.7

Những lợi ích mong muốn Big Data mang lại ................................ 46 Hình 2.8

Những miền dữ liệu tập trung nhiều trong Big Data ....................... 47 Hình 2.9

Các lĩnh vực được quan tâm trong Big Data ................................... 48 Hình 2.10

Hình 2.11 Những thách thức khi sử dụng Big Data......................................... 49

Hình 2.12 Những bộ phận trong doanh nghiệp tham gia nghiên cứu - phát

Hình 2.13 triển - ứng dụng Big Data ............................................................... 50 Số lượng nhân viên trong đơn vị có năng lực chuyên môn về phân tích, mô hình hóa, khai thác dữ liệu................................................ 52

Hình 2.14 Đánh giá việc tìm kiếm nhân sự có kỹ năng về phân tích dữ liệu và

kỹ năng quản lý công nghệ thông tin, Big Data .............................. 52 Lợi ích Big Data mang lại cho phân tích dữ liệu ............................ 54 Hình 2.15

Hình 2.16 Đánh giá khả năng phân tích dữ liệu của doanh nghiệp .................. 54

Các loại phân tích thường sử dụng Big Data .................................. 55 Hình 2.17

Hình 2.18 Những chức năng quan trọng khi phân tích Big Data ..................... 55

Hình 2.19 Nguồn gốc các ứng dụng phân tích ................................................ 56

Hình 2.20 Cách bố trí và quản lý những phát kiến mới về Big Data và phân tích dữ liệu ..................................................................................... 57

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, SƠ ĐỒ

Hình 2.21

Tư duy chiến lược - mối quan tâm về Big Data được thể hiện từ cấp lãnh đạo ................................................................................... 58 Hình 2.22 Người chỉ đạo những vấn đề liên quan đến Big Data ...................... 58

Hình 2.23 Đánh giá khả năng sử dụng và phân tích dữ liệu để cải thiện hoặc chuyển đổi doanh nghiệp của nhà điều hành và lãnh đạo................ 59

Hình 2.24 Đánh giá việc tìm kiếm những nhà quản lý/giám đốc điều hành có

thể nhận dạng và tận dụng các cơ hội kinh doanh từ Big Data ........ 60 Hình 2.25 Nguồn lực cho bộ phận công nghệ thông tin .................................. 61

Hình 2.26 Đánh giá khả năng tìm kiếm nhân sự có kỹ năng phân tích dữ liệu 62

Hình 2.27 Nơi tuyển dụng những nhà khoa học dữ liệu .................................. 62

PHẦN MỞ ĐẦU

1. Lý do chọn đề tài

Ngày nay, hầu như tất cả công ty điều đã nhận ra tầm quan trọng của việc sử

dụng dữ liệu trong quá trình ra quyết định thực hiện những chiến lược nhằm đáp

ứng sự thay đổi của môi trường kinh doanh mới. Bên cạnh đó, cuộc cách mạng công

nghiệp lần thứ tư (4.0), còn được gọi là cuộc cách mạng số, hàm chứa sự thay đổi

lớn lao, không chỉ ở khía cạnh kinh tế mà còn thay đổi văn hóa, xã hội một cách

toàn diện thông qua các chiến lược công nghệ cao, công nghiệp hóa ngành sản xuất

mà không cần sự tham gia của con người, sử dụng trí thông minh nhân tạo, điện

toán đám mây, phân tích dữ liệu… để chuyển hóa toàn bộ thế giới thực thành thế

giới số, khi đó những ưu thế, vốn là điểm mạnh của Việt Nam và một số nước khác,

như lực lượng lao động dồi dào, giá rẻ sẽ không còn là điểm mạnh nữa, thậm chí

còn bị đe dọa nghiêm trọng. Vì những thay đổi mang tính thời đại trong kinh doanh

hiện nay nên mỗi đơn vị, tổ chức không thể không hành động để thích ứng với

chúng, nếu doanh nghiệp biết tận dụng những thế mạnh mà công nghệ, cụ thể là dữ

liệu mang lại thì chắc chắn sẽ đạt được mục tiêu chiến lược đề ra, ngược lại việc

chậm thay đổi sẽ càng khiến doanh nghiệp mất đi khả năng cạnh tranh trên thị

trường ngày càng năng động và phát triển với tốc độ chóng mặt này.

Khi nhắc đến cuộc cách mạng công nghiệp và phân tích dữ liệu thì không thể

không nhắc đến “nguồn tài nguyên” vô cùng lớn và phong phú là Big Data, được

xem là nền tảng để tạo ra những giá trị ở tầm cao mới cho doanh nghiệp. Với lợi thế

dân số trẻ trên 90 triệu người, số người sử dụng internet cao vào khoản 54 triệu

người, chiếm 54%, Việt Nam được xem là khu vực tìm năng về Big Data hàng đầu

Châu Á. Các chuyên gia trong nhiều lĩnh vực đều cho rằng việc phân tích dữ liệu từ

Big Data sẽ giúp doanh nghiệp nắm bắt chính xác nhất xu thế vận động của ngành

từ những thông tin thu thập được như hành vi, sở thích, thói quen, xu hướng của

từng người tiêu dùng nhằm tìm kiếm những thông tin bổ ích về xu thế phát triển và

vận động của lĩnh vực đang kinh doanh và cả nền kinh tế, điều này sẽ giúp doanh

nghiệp ra quyết định chính xác và đúng thời điểm.

Không đứng ngoài vòng quay của sự phát triển, những doanh nghiệp kiểm toán

hiện nay cũng đang tìm cách thích ứng với những thay đổi mang lại từ cuộc cách

mạng công nghiệp 4.0, mà khởi đầu là việc nghiên cứu những dữ liệu có liên quan

từ Big Data trong cuộc kiểm toán để xác định những phương pháp kiểm toán cần

thiết và hiệu quả. Trong nhiều năm trở lại đây, các kiểm toán viên (KTV) đã có thể

dựa vào những công cụ phân tích dữ liệu tương đối phát triển nhờ công nghệ thông

tin để đưa ra kết luận, tuy nhiên với sự bùng nổ gần đây về dữ liệu thì các công cụ

hiện tại có thể không đủ, đòi hỏi phải có sự chuyển đổi trong cách xử lý và phân

tích thông tin cũng như những hiểu biết của KTV về nguồn dữ liệu Big Data là rất

quan trọng và cần thiết.

Để theo kịp xu hướng đổi mới và phát triển, các công ty kiểm toán lớn thuộc

Big Four và các hội nghề nghiệp Kế toán – Kiểm toán như ACCA, AICPA… đã có

những nghiên cứu liên quan đến vấn đề vận dụng Big Data trong kiểm toán. Tuy

nhiên tại Việt Nam, những vấn đề này hiện nay vẫn còn khá mới mẻ và ít nhận được

sự quan tâm từ phía các KTV và công ty kiểm toán. Nhận thấy tầm quan trọng, tính

thời sự của vấn đề cũng như có mong muốn hiểu rõ những khái niệm liên quan và

tìm hiểu cụ thể những ảnh hưởng mà Big Data và phân tích dữ liệu mang lại trong

quá trình kiểm toán, tác giả chọn thực hiện đề tài Luận văn: “Phân tích ảnh hưởng

của Big Data đến quá trình phân tích dữ liệu tại các doanh nghiệp kiểm toán

của Việt Nam” để xây dựng và hoàn thiện.

2. Mục tiêu nghiên cứu

Mục tiêu tổng quát của luận văn là tìm hiểu thực trạng Big Data và phân tích dữ

liệu từ Big Data tại các công ty kiểm toán của Việt Nam.

Để đạt được mục tiêu tổng quát nêu trên, luận văn đưa ra một số mục tiêu

nghiên cứu cụ thể sau:

Thứ nhất, hệ thống hóa lý luận cơ bản về ảnh hưởng của Big Data đến quá trình

phân tích dữ liệu kiểm toán.

Thứ hai, đánh giá thực trạng ảnh hưởng của Big Data và phân tích dữ liệu kiểm

toán đến các doanh nghiệp kiểm toán của Việt Nam.

Thứ ba, đề xuất một số phương hướng và giải pháp góp phần nâng cao khả năng

ứng dụng Big Data và phân tích dữ liệu nhằm tăng cường chất lượng kiểm toán.

3. Câu hỏi nghiên cứu

Để đạt được những mục tiêu đề ra, nghiên cứu cần trả lời những câu hỏi sau:

- Thế nào là Big Data và phân tích dữ liệu kiểm toán?

- Các doanh nghiệp kiểm toán của Việt Nam hiện nay đang sử dụng Big Data

và phân tích dữ liệu như thế nào?

- Giải pháp nào được đưa ra để vận dụng tốt nhất Big Data và phân tích dữ liệu

trong quá trình kiểm toán?

4. Đối tượng nghiên cứu

Đối tượng nghiên cứu là những ảnh hưởng của Big Data và phân tích dữ liệu

trong kiểm toán BCTC tại các công ty kiểm toán của Việt Nam.

5. Phạm vi nghiên cứu

5.1. Về nội dung

Luận văn chỉ tập trung nghiên cứu ảnh hưởng của Big Data và phân tích dữ liệu

đến hoạt động KTĐL của các doanh nghiệp kiểm toán, không nghiên cứu trong các

loại hình kiểm toán khác như kiểm toán nhà nước hay kiểm toán hoạt động.

5.2. Về không gian và thời gian

- Về không gian: các công ty kiểm toán tại Việt Nam

- Về thời gian: tác giả tiến hành khảo sát, thu thập dữ liệu từ tháng 06/2017

đến tháng 12/2017.

6. Phương pháp nghiên cứu

Để đạt mục tiêu nghiên cứu của đề tài, trả lời các câu hỏi đặt ra, nghiên cứu sử

dụng chủ yếu phương pháp định tính. Bên cạnh đó, nghiên cứu cũng sử dụng

phương pháp phân tích và tổng hợp.

- Phương pháp phân tích tổng hợp: khái quát lý thuyết về các vấn đề nghiên

cứu và các nghiên cứu có liên quan.

- Phương pháp định tính: được tiến hành theo hướng tìm hiểu và hệ thống hóa

những thông tin thu thập được từ những nguồn tin uy tín, những nghiên cứu của các

hiệp hội nghề nghiệp và những công ty kiểm toán lớn trên thế giới. Tác giả sử dụng

đồng thời thống kê mô tả: bao gồm việc tìm hiểu bằng bảng câu hỏi, sau đó thống

kê, so sánh, phân tích nhằm đánh giá việc áp dụng Big Data và phân tích dữ liệu

kiểm toán trong hoạt động KTĐL tại các doanh nghiệp kiểm toán của Việt Nam.

7. Những đóng góp khoa học và thực tiễn của luận văn

- Đóng góp về mặt lý thuyết: tìm hiểu những quan điểm, khái niệm liên quan

đến Big Data và phân tích dữ liệu hiện nay, qua đó đánh giá những lợi ích cũng như

thách thức khi ứng dụng Big Data và phân tích dữ liệu trong quá trình kiểm toán

của KTV tại những công ty KTĐL.

- Đóng góp về mặt thực tiễn: kết quả nghiên cứu của luận văn với một vấn đề

khá thời sự hiện nay sẽ có giá trị tham khảo cho KTV và các công ty KTĐL tại Việt

Nam, giúp họ có cái nhìn rõ ràng và cụ thể hơn về Big Data và phân tích dữ liệu

cũng như những giải pháp giúp ứng dụng Big Data và phân tích dữ liệu hiệu quả

hơn để gia tăng chất lượng kiểm toán.

8. Kết cấu của luận văn

Ngoài phần mở đầu, nghiên cứu được thiết kế gồm 3 chương:

Chương 1: Tổng quan về Big Data và phân tích dữ liệu trong kiểm toán.

Nội dung chương 1 trình bày tóm tắt những vấn đề liên quan đến Big Data và

phân tích dữ liệu cũng như những nghiên cứu gần đây về hai vấn đề này.

Chương 2: Thực trạng ảnh hưởng của Big Data và phân tích dữ liệu kiểm toán

tại các doanh nghiệp kiểm toán của Việt Nam.

Chương 2 cung cấp những số liệu cụ thể về thực trạng nhận thức và ứng dụng

Big Data và phân tích dữ liệu của các doanh nghiệp kiểm toán, từ đó nhận ra những

ưu điểm và hạn chế cũng như chỉ ra nguyên nhân về những vấn đề liên quan đến

Big Data và phân tích dữ liệu.

Chương 3: Giải pháp nâng cao tính hữu ích của Big Data và phân tích dữ liệu

kiểm toán tại các doanh nghiệp kiểm toán của Việt Nam.

Chương này trước hết trình bày quan điểm chung khi đưa ra những giải pháp,

sau đó đi sâu vào những giải pháp cụ thể và giải pháp hỗ trợ về những vấn đề liên

quan đến Big Data và phân tích dữ liệu nhằm mục tiêu chính nâng cao chất lượng

kiểm toán.

Kết luận

CHƯƠNG 1: TỔNG QUAN VỀ BIG DATA VÀ PHÂN TÍCH DỮ LIỆU TRONG KIỂM TOÁN

1.1. Big Data

1.1.1. Tóm lược một số thay đổi trong dữ liệu

Big Data và phân tích dữ liệu hiện nay được xem là trung tâm của khoa học và

kinh doanh hiện đại, các dữ liệu này được tạo ra từ các giao dịch trực tuyến, email,

video, âm thanh, hình ảnh, những cú nhấp chuột, blog, truy vấn tìm kiếm, hồ sơ sức

khỏe, tương tác trên mạng xã hội, dữ liệu khoa học, cảm biến từ điện thoại di động

và các ứng dụng đi kèm (C.Eaton et al., 2012; RD. Schneider, 2012). Tất cả những

yếu tố trên được lưu trữ trong những nền tảng cơ sở dữ liệu đang phát triển mạnh

mẽ và càng trở nên khó nắm bắt, lưu trữ, quản lý, chia sẻ, phân tích và hình dung

thông qua các phần mềm cơ sở dữ liệu truyền thống.

5 exabytes (1018 bytes) đã được con người tạo ra đến năm 2003, nhưng hiện nay

lượng thông tin này có thể được tạo thành chỉ trong vòng hai ngày. Năm 2012, dữ

liệu số của thế giới đã được mở rộng đến 2.72 zettabytes (1021 bytes), và dự báo sẽ

tăng gấp đôi sau mỗi hai năm, đạt khoản 8 zettabytes vào khoản năm 2015. IBM,

tập đoàn công nghệ máy tính đa quốc gia của Mỹ, chỉ ra rằng mỗi ngày có 2.5

exabytes dữ liệu được tạo ra tương đương với 90% dữ liệu được tạo ra trong vòng

hai năm qua (S. Singh and N. Singh, 2011). Một máy tính cá nhân chứa khoản 500

gigabytes (109 bytes), do đó sẽ cần khoản 20 tỷ máy tính để lưu trữ tất cả dữ liệu

của thế giới. Trong quá khứ, quá trình giải mã bộ gen của con người mất khoản 10

năm, bây giờ thì việc này mất không quá một tuần. Dữ liệu đa phương tiện được dữ

kiến tăng 70% vào năm 2013 (J. Manyika et al., 2011). Chỉ Google mới có hơn một

triệu máy chủ trên toàn thế giới. Hiện đã có hơn 6 tỷ thuê bao điện thoại di động

trên thế giới và mỗi ngày có hơn một tỷ tin nhắn được gửi đi. Đến năm 2020, 50 tỷ

thiết bị sẽ được kết nối với mạng và internet (B. Gerhardt et al., 2012).

Năm 2012, hình thái dữ liệu của Big Data đã được hoàn thành với quy mô toàn

cầu, dự án tập trung thu thập thời gian, hình dung và phân tích một khối lượng lớn

dữ liệu. Theo dự án này, có rất nhiều thống kê đã được đưa ra, chẳng hạn Facebook

có 955 triệu tài khoản hoạt động hàng tháng bằng 70 ngôn ngữ, 140 tỷ hình ảnh

được tải lên, 125 tỷ kết nối bạn bè, mỗi ngày có 30 tỷ nội dung và 2.7 tỷ lượt thích

và bình luận được đăng tải, số lượng tài khoản Facebook vào tháng 06/2017 tại các

châu lục được thể hiện ở hình 1.1 (nguồn Internet World Stats). Mỗi phút, có 48 giờ

video được tải lên và mỗi ngày có 4 tỷ lượt xem được thực hiện trên Youtube.

Google hỗ trợ nhiều dịch vụ như giám sát 7.2 tỷ trang mạng mỗi ngày và xử lý 20

petabyte (1015 bytes) dữ liệu dịch sang 66 ngôn ngữ khác nhau. Có khoảng 1 tỷ

Tweets (những mẫu tin nhỏ dưới dạng blog – theo Wikipedia) sau mỗi 72 giờ từ

hơn 140 triệu người dùng đang hoạt động trên Twitter. 571 trang web mới được tạo

ra mỗi phút trong ngày. Dự báo trong thập kỷ tới, khối lượng thông tin sẽ tăng gấp

50 lần, tuy nhiên số lượng các chuyên gia về công nghệ thông tin theo kịp với tiến

độ phát triển đó chỉ tăng 1.5 lần (C. Tankard et al., 2012).

Hình 1.1: Số lượng tài khoản Facebook trên thế giới vào 06/2017

1.1.2. Big Data

1.1.2.1. Các vấn đề quan trọng

Big Data là thuật ngữ dùng cho các bộ dữ liệu có cấu trúc đa dạng và phức tạp

hơn với những khó khăn trong việc lưu trữ, phân tích và hiển thị cho các quá trình

hoặc kết quả tiếp theo. Big Data được đặc trưng bởi các thành phần chính: sự đa

dạng (variety), tốc độ (velocity) và dung lượng (volume) (Intel IT Center, 2012).

- Sự đa dạng: làm cho Big Data thật sự là nguồn dữ liệu rất lớn. Big Data

thường đến từ nhiều nguồn và thường có ba loại: có cấu trúc, bán cấu trúc và không

có cấu trúc. Dữ liệu có cấu trúc nằm trong kho dữ liệu đã được gắn thẻ và dễ dàng

sắp xếp nhưng dữ liệu phi cấu trúc là ngẫu nhiên và khó phân tích. Dữ liệu bán cấu

trúc không thích hợp cho các lĩnh vực cố định mà chứa những phần tử dữ liệu riêng

biệt.

- Dung lượng: hay kích thước của dữ liệu bây giờ lớn hơn terabytes và

petabytes. Quy mô lớn và sự gia tăng của dữ liệu vượt xa các kỹ thuật phân tích và

lưu trữ truyền thống.

- Tốc độ: nghĩa là vận tốc các dữ liệu được tạo ra và xử lý để đáp ứng các nhu

cầu và thách thức trên con đường tăng trưởng và phát triển.

Cụ thể từng thành phần được minh họa như sau:

Hình 1.2: Ba thành phần đặt trưng cấu thành Big Data

Dưới áp lực của nền thông tin phát triển, một vấn đề khác cần quan tâm là xác

minh nguồn dữ liệu, rất khó để kiểm soát một nguồn dữ liệu lớn nên cần phải quan

tâm đến bảo mật dữ liệu, thêm vào đó là sau khi tạo ra và xử lý Big Data thì sẽ tạo

ra một giá trị tăng thêm cho tổ chức. Có một số vấn đề được rút ra từ nghiên cứu

của TDWI – Transforming Data with Intelligence (P. Russom, 2011) được yêu cầu

cho các chuyên gia quản lý:

- Sau khi tổ chức áp dụng một số hình thức phân tích Big Data, những lợi ích

mang lại gồm: markerting tốt hơn, hiểu biết sâu sắc hơn về kinh doanh, mở rộng

nhiều phân khúc khách hàng, có nhiều thay đổi trong doanh thu và trên thị trường.

- Trong khi thực hiện phân tích Big Data, sẽ phát sinh nhiều rào cản: sự thiếu

chuyên môn, chi phí, khó khăn trong thiết kế hệ thống phân tích, thiếu những phần

mềm cơ sở để phân tích. Big Data không chỉ là cơ hội vì sự phân tích toàn diện

trong hiện tại và tương lai mà còn là rào cản vì rất khó tiếp cận và quản lý.

- Big Data hiện nay đang được lưu trữ và sử dụng với những kỹ thuật tiên tiến

gồm: có cấu trúc, bán cấu trúc, phức hợp, dữ liệu sự kiện và không cấu trúc.

- Khi thay đổi nền tảng phân tích, những vấn đề có thể xảy ra: không phù hợp

với một dung lượng dữ liệu lớn, không thể hỗ trợ các mô hình phân tích cần thiết,

dữ liệu được tải quả chậm, công nghệ thông tin không thể bắt kịp với nhu cầu.

Có thể thấy từ nghiên cứu này rằng phân tích Big Data vẫn cần rất nhiều sự

quan tâm, ngoại trừ tính đa dạng, dung lượng lớn và tốc độ vượt trội thì việc phân

tích Big Data còn mang lại tiềm năng mở ra những hiểu biết mới giúp tối ưu hóa

việc ra quyết định. Cần hiểu rằng Big Data không phải là công cụ dành riêng cho

các doanh nghiệp lớn, “big” ở đây không chỉ lớn đo bằng số lượng mà còn chỉ độ

sâu của việc phân tích, nghĩa là không kể doanh nghiệp thu thập được bao nhiêu số

liệu, quan trọng là sẽ làm gì với những số liệu đó, phân tích như thế nào để mang lại

lợi ích tốt nhất trong hoạt động của chính doanh nghiệp. Hình 1.2 thể hiện thống kê

dự báo doanh thu cho ngành công nghiệp Big Data và phân tích kinh doanh trên

toàn cầu từ 2015-2020 (tỷ đô la Mỹ) do trang Statistics Portal thực hiện.

Hình 1.3: Doanh thu dự báo từ Big Data và phân tích kinh doanh toàn thế

giới từ năm 2015 đến 2020 (tỷ đô la Mỹ)

1.1.2.2. Những yếu tố tạo nên Big Data

Theo ICAEW (2015), xu hướng của Big Data được thúc đẩy bởi các yếu tố:

năng lực tính toán, các nguồn dữ liệu mới và cơ sở hạ tầng để tạo ra dữ liệu. Ba yếu

tố này tạo ra những tiến bộ đáng kể trong việc hình thành và phát triển Big Data:

- Năng lực tính toán: năng lực cốt lõi của Big Data là sự tăng trưởng mạnh mẽ

về năng lực tính toán và khả năng lưu trữ trong những năm gần đây, giúp thu thập

và xử lý toàn bộ bộ dữ liệu, bất kể kích thước và độ phức tạp của chúng, điều này

thường được mô tả như sự tăng trưởng theo cấp số nhân trong năng lực tính toán.

Mô hình điện toán đám mây đang tiếp tục hỗ trợ trong việc sử dụng rộng rãi Big

Data, cụ thể điện toán đám mây dựa trên mô hình chia sẻ tài nguyên máy tính trong

toàn bộ doanh nghiệp (đám mây riêng) hay giữa một số khách hàng với nhau (đám

mây công cộng). Bằng việc sử dụng điện toán đám mây, doanh nghiệp không cần

phải mua tất cả tài nguyên máy tính để sử dụng mà chỉ đơn giản là truy cập vào đám

máy đó khi cần thiết. Do đó, mô hình điện toán đám mây có khả năng cung cấp cho

doanh nghiệp quyền truy cập vào các tài nguyên máy tính lớn một cách hiệu quả và

linh hoạt. Những tiến bộ về phần mềm cũng mang lại sự phát triển về khả năng xử

lý và lưu trữ dữ liệu, chẳng hạn các loại phần mềm mới hỗ trợ cho những dữ liệu

lớn và không có cấu trúc tốt hơn so với các hệ thống quản lý cơ sở dữ liệu truyền

thống (ví dụ: phần mềm Apache Hadoop giúp quản lý bộ dữ liệu rất lớn bằng cách

chia tách việc xử lý giữa nhiều máy tính với nhau), bên cạnh đó khả năng xử lý dữ

liệu phi cấu trúc (như video hay văn bản) đã được cải thiện rất nhiều, các công cụ

phục vụ cho việc trình bày dữ liệu cũng đang có những tiến triển đáng kể.

- Nguồn dữ liệu: sự gia tăng sức mạnh tính toán làm tăng tính khả thi trong

việc thu thập và xử lý dữ liệu từ nhiều nguồn mới, chẳng hạn từ internet cung cấp

rất nhiều dữ liệu từ những cú nhấp chuột thông qua các tìm kiếm, các truy cập vào

các trang web để mua hàng hóa, dịch vụ; truyền thông xã hội cũng tạo ra nhiều loại

dữ liệu mới bao gồm các trạng thái, bình luận, lượt thích, hình ảnh, video và mạng

lưới liên lạc; công nghệ di động đang mang lại nhiều cơ hội để tạo ra truyền thông

xã hội và dữ liệu interet cũng như những dữ liệu mới về định vị cá nhân; dữ liệu mở

đề cập đến số lượng lớn dữ liệu chủ yếu từ khu vực công, chẳng hạn như dữ liệu

không gian địa lý, dữ liệu vận chuyển, dữ liệu tài chính của chính phủ và dữ liệu

dịch vụ công; “internet of things” là việc nhúng chíp máy tính và cảm biến vào các

thiết bị vật lý như máy móc, tòa nhà, đồ gia dụng, quần áo… tất cả đều tạo ra dữ

liệu. Khi doanh nghiệp ngày càng sử dụng công nghệ số trong các lĩnh vực như bán

hàng, marketing, quản lý khách hàng, chuỗi cung ứng, truyền thông nội bộ… thì

lượng dữ liệu bên trong được tạo ra sẽ tăng lên đáng kể, hơn nữa, những cải tiến

trong quản lý dữ liệu bán cấu trúc, phi cấu trúc cho phép doanh nghiệp tận dụng tốt

hơn nguồn dữ liệu hiện có và mới như email, văn bản, hình ảnh và giọng nói.

- Cơ sở hạ tầng kỹ thuật số cho phép tạo ra các hợp tác và sáng tạo kiến thức

mới, được minh chứng thông qua các xu hướng crowdsourcing - là hình thức một

công ty hay tổ chức giao việc cho mạng lưới cộng tác viên gia công theo hình thức

“mời gọi rộng rãi”, việc này có thể tiến hành theo hình thức đồng thực hiện (khi

công việc có tính cộng tác), nhưng cũng có thể thực hiện bởi từng cá nhân riêng lẻ

(Jeff Howe, 2006) và phần mềm nguồn mở. Việc chia sẻ kiến thức này đã mang lại

cho cộng đồng những hiểu biết sâu sắc hơn về những dữ liệu từ những nơi hạn chế

tiếp cận, từ những chuyên gia trong các lĩnh vực cụ thể… Hiện nay các nghiên cứu

ứng dụng đang được nhấn mạnh, chẳng hạn trong dịch thuật ngôn ngữ, người ta cho

rằng sẽ không hiệu quả nếu chỉ dịch từng từ sang từ vì trong nhiều trường hợp một

từ duy nhất có thể chuyển sang một số từ, kết quả là các nghiên cứu ứng dụng đã

cho ra đời việc dịch cụm từ sang cụm từ và đây là cách tiếp cận thông minh hơn rất

nhiều. Do đó, tiến bộ đến từ sự hiểu biết mới về các vấn đề cụ thể chứ không nhất

thiết là những đột phá trong lý thuyết chung.

1.1.2.3. Các lĩnh vực thuộc Big Data

Học viện McKinsey Global đã xác định tiềm năng của Big Data tồn tại chủ yếu

trong năm lĩnh vực chính sau:

- Chăm sóc sức khỏe: hệ thống hỗ trợ các quyết định lâm sàn, phân tích bệnh

án, phân phối thuốc cho từng bệnh nhân, trả lương dựa trên hiệu quả của nhân viên

y tế, phân tích mẫu bệnh, cải thiện sức khỏe cộng đồng.

- Khu vực công: tạo sự minh bạch thông qua các dữ liệu có thể tiếp cận được,

phát hiện nhu cầu mới, nâng cao hiệu suất công việc, ra quyết định dựa trên các hệ

thống tự động để giảm chi phí, đổi mới các sản phẩm và dịch vụ cung cấp.

- Bán lẻ: phân tích hành vi dự trữ hàng, đa dạng và tối ưu hóa giá, thiết kế lại

việc sắp xếp sản phẩm, cải thiện hiệu suất, tối ưu hóa đầu vào lao động, phân phối

sản phẩm và hậu cần, tiếp thị dựa trên công nghệ mới.

- Sản xuất: dự báo nhu cầu cải tiến, quy hoạch chuỗi cung ứng, hỗ trợ bán

hàng, phát triển hoạt động sản xuất, áp dụng tìm kiếm trên các trang web.

- Dữ liệu vị trí cá nhân: hành trình thông minh, quảng cáo nhắm vào vị trí địa

lý hoặc tình huống khẩn cấp, quy hoạch đô thị, mô hình kinh doanh mới.

Các Website cung cấp nhiều cơ hội cho Big Data, chẳng hạn phân tích mạng xã

hội từ những người tiêu dùng nhằm mục tiêu quảng cáo sản phẩm, thực hiện các

chiến dịch marketing, xác định hành vi của khách hàng dựa vào các mô hình mua và

phân tích tâm lý, từ những kết luận thu được, các công ty sẽ tối ưu hóa nội dung và

các đề nghị được đưa ra (A.Vailaya, 12/2012, p.24-31). Một số công ty như Google

hay Amazon xuất bản các bài báo liên quan đến công việc của họ, Facebook,

Twitter và Linkedln đang tiến thêm một bước nữa khi xuất bản các dự án mã nguồn

mở cho các dữ liệu lớn như Cassandra, Hive, Pig, Voldemort, Storm, IndexTank.

Ngoài ra, các phân tích dự đoán về lưu lượng giao thông hoặc xác định các mối đe

dọa từ các nguồn cấp video, âm thanh và dữ liệu khác nhau cũng là lợi thế của Big

Data (B.Gerhardt et al., 2012).

1.1.2.4. Phương pháp thu thập và truy xuất kiến thức từ Big Data

Hầu hết các doanh nghiệp điều phải đối mặt với nhiều dữ liệu mới, có nhiều

hình thức khác nhau và Big Data có tiềm năng cung cấp các thông tin chi tiết để có

thể chuyển đổi mọi doanh nghiệp. Big Data đã tạo ra một ngành công nghiệp mới

hỗ trợ chẳng hạn như MapReduce - là một khuôn khổ được lập trình bởi Google sử

dụng phương pháp chia nhỏ và chiếm giữ để giải quyết các vấn đề dữ liệu phức tạp

thành các đơn vị làm việc nhỏ và xử lý chúng song song nhau (S. Curry et al.,

2013).

Việc truy xuất kiến thức từ Big Data được hiểu là việc thực hiện một số thao tác

được thiết kế trước để lấy thông tin từ bộ dữ liệu phức tạp (E. Belogi and J. Horey,

2012). Quá trình này được miêu tả trải qua những bước cơ bản như:

- Xác định các miền ứng dụng của thông tin và mục đích của quá trình từ quan

điểm của khách hàng;

- Tạo điểm dữ liệu con cho việc khám phá tri thức;

- Loại bỏ nhiễu, xử lý dữ liệu thiếu, thu thập thông tin cần thiết đến mô hình

và tính toán thông tin về thời gian và các thay đổi cần thiết;

- Tìm kiếm các thuộc tính hữu ích để trình bày dữ liệu tùy thuộc vào mục đích

của công việc;

- Lập bảng đồ mục tiêu cho từng phương pháp khai thác dữ liệu cụ thể;

- Chọn các thuật toán khai thác dữ liệu và phương pháp tìm kiếm các mẫu dữ

liệu;

- Nghiên cứu các dạng thể hiện của dữ liệu;

- Quay lại bất kỳ các bước kể trên, có thể lặp lại từng bước một, bao gồm việc

chọn lại hình thức hiển thị hay chọn lại mẫu;

- Sử dụng thông tin trực tiếp, kết hợp với những thông tin từ những hệ thống

khác hoặc chỉ đơn giản là đăng ký vào hệ thống và nhận kết quả.

1.1.3. Các vấn đề về quản lý và an ninh dữ liệu

Vào tháng 05 năm 2012, trung tâm công nghệ thông tin Intel đã khảo sát 200

nhà quản lý công nghệ thông tin trong các công ty lớn để tìm ra cách họ tiếp cận với

việc phân tích Big Data (Intel IT Center, 2012). Các nhà quản lý công nghệ thông

tin khi được hỏi về những tiêu chuẩn mà họ muốn xem xét để phân tích Big Data thì

câu trả lời thu được bao gồm những vấn đề như: bảo mật dữ liệu, công nghệ để sở

hữu dữ liệu khách hàng, minh bạch dữ liệu, các tiêu chuẩn đo lường hiệu quả, khả

năng tương tác giữa dữ liệu và hệ thống.

Khi những kẻ tấn công mạng phá vỡ những tuyến phòng thủ truyền thống của

dữ liệu sẽ đòi hỏi các tổ chức cần áp dụng những mô hình an ninh theo hướng thông

minh, có nhiều nhận thức về rủi ro hơn, thay đổi nhanh chóng theo ngữ cảnh. Hệ

thống an ninh thông minh được phát triển từ việc phân tích Big Data, liên quan đến

cả bề rộng của nguồn dữ liệu và chiều sâu của thông tin cần thiết để xác định chính

xác rủi ro nhằm chống lại các hoạt động bất hợp pháp và các mối đe dọa trực tuyến

phát triển khác. Một mô hình bảo mật dữ liệu thường có các đặc điểm sau: (S. Curry

et al., 2013)

- Các nguồn dữ liệu bên trong và bên ngoài đều có thể tạo giá trị và mang lại

hiệu quả;

- Các công cụ tự động thu thập nguồn dữ liệu đa dạng và chuẩn hóa chúng;

- Các công cụ phân tích xử lý một khối lượng lớn dữ liệu luôn thay đổi nhanh

chóng trong thời gian hạn chế;

- Hệ thống giám sát liên tục phân tích các nguồn tài nguyên có giá trị cao và

xem xét chúng dựa trên các mô hình về hành vi và rủi ro;

- Kiểm soát hoạt động như là xác thực người dùng bổ sung, ngăn chặn truyền

tải dữ liệu hoặc rút gọn việc ra quyết định;

- Các nhà phân tích an ninh có thể truy vấn được những dữ liệu liên quan;

- Chuẩn hóa những tiêu chuẩn về an ninh dưới dạng văn bản hoặc được chia sẻ

thông qua những nguồn đáng tin cậy;

- Mở rộng cơ sở hạ tầng có khả năng xử lý các tìm kiếm lớn và phức tạp;

- Mức độ tích hợp cao của các công cụ quản lý rủi ro và bảo mật để phát hiện

các vấn đề tiềm ẩn.

- Để phát triển cách tiếp cận toàn diện và chắc chắn đối với Big Data thì khi

bắt đầu quản lý dự án, các công ty cần thiết lập và mô tả chi tiết nguồn gốc dữ liệu,

tạo và truy cập các ủy quyền cũng như phân loại các phát hiện theo tầm quan trọng

của chúng, bên cạnh đó cần đảm bảo các hồ sơ dữ liệu được lưu trữ và bảo vệ theo

đúng quy định, nên phát triển các chính sách liên quan đến quy trình xử lý dữ liệu,

chẳng hạn như kiểu dữ liệu được lưu trữ, thời gian lưu trữ, kho lưu trữ và các kiểu

truy cập vào dữ liệu (C. Tankard, 2012).

Một vấn đề khác cũng đáng quan tâm đó là khi lưu trữ dữ liệu tại một địa chỉ

duy nhất sẽ phát sinh nguy cơ dữ liệu bị tấn công, do đó đòi hỏi kho dữ liệu cần có

những hoạt động kiểm soát thích hợp. Để chắc chắn việc truyền thông an toàn nên

áp dụng mã bảo mật và sử dụng nguyên tắc giảm đặc quyền, đặc biết đối với quyền

truy cập, ngoại trừ quản trị viên có quyền truy cập dữ liệu để xử lý các vấn đề phát

sinh theo quy định.

Để kiểm soát truy cập hiệu quả dữ liệu nên liên tục quan sát và thay đổi vai trò

của các tổ chức, nhân viên để hạn chế sự lạm dụng những quyền hạn không chính

đáng. Các công ty nên đầu tư vào các sản phẩm bảo mật đảm bảo bằng cách sử

dụng những công nghệ phân tích nhanh chóng thay vì những thiết bị cố định. Ngoài

ra, các tổ chức cần xem xét phân nhánh pháp lý để lưu trữ dữ liệu nhằm tuân thủ

quy định của luật bảo vệ dữ liệu (C. Tankard, 2012 và M. Smith et al., 2012 và S.

Curry et al., 2013). Tuy nhiên cũng cần nói thêm là Big Data có lợi thế lớn về an

ninh vì khi các tổ chức phân loại dữ liệu, họ kiểm soát bằng những quy định đặc

biệt như áp đặt thời gian lưu trữ, điều này cho phép tổ chức lựa chọn những dữ liệu

không có giá trị hoặc không cần phải lưu trữ tự động không tồn tại (xóa) để tránh bị

đánh cắp.

1.2. Phân tích dữ liệu kiểm toán

1.2.1. Khái quát về phân tích dữ liệu kiểm toán

Về cơ bản, phân tích là phát hiện và truyền thông những dữ liệu có ý nghĩa, tuy

nhiên trong lĩnh vực kinh doanh, phân tích được xem là việc sử dụng những dữ liệu

rộng rãi, phân tích thống kê và định lượng, sử dụng các mô hình giải thích và dự

đoán để thúc đẩy các quyết định quản lý kinh doanh trong thực tế. Phân tích giúp tối

ưu hóa các quy trình hoạt động, từng chức năng trong doanh nghiệp, đồng thời phân

tích còn có thể được vận dụng để tổng hợp những nguồn dữ liệu từ nội bộ và bên

ngoài, điều này cho phép doanh nghiệp đáp ứng được nhu cầu báo cáo của các bên

liên quan, quản lý lượng dữ liệu khổng lồ, tạo ra lợi thế thị trường, quản lý rủi ro,

cải thiện kiểm soát và cuối cùng là nâng cao hiệu suất của doanh nghiệp bằng cách

biến dữ liệu thành những thông tin thông minh (Ernst & Young, 2014).

Liên quan đến phân tích dữ liệu, có rất nhiều định nghĩa, cụ thể như sau:

(i) Định nghĩa về phân tích dữ liệu không đặt trong bối cảnh cuộc kiểm toán

Dữ liệu: là những sự kiện và số liệu được thu thập cùng nhau để tham khảo

trong quá trình phân tích (từ điển Oxford, 2014). Theo Tech-target (2014), định

nghĩa chung về phân tích dữ liệu là môn khoa học kiểm tra dữ liệu thô với mục đích

rút ra kết luận về thông tin đó. Theo từ điển công nghệ (the dictionary techpedia,

2014) có định nghĩa về lợi thế của phân tích dữ liệu, đó là các kỹ thuật và quy trình

được sử dụng để tăng năng suất và lợi nhuận kinh doanh. Theo từ điển kinh doanh

(the business dictionary, 2014), phân tích thường liên quan đến nghiên cứu dữ liệu

trong quá khứ để xác định các xu hướng tiềm ẩn, để phân tích tác động của các

quyết định hoặc đánh giá hiệu suất công việc. Phân tích dữ liệu nghiên cứu các

phương pháp tự để tự động trích xuất những thông tin có giá trị từ dữ liệu thô bằng

các thuật toán tự động (Keim et al, 2008). Phân tích dữ liệu là một quá trình từ việc

thăm dò và phân tích dữ liệu để khám phá những dữ liệu mới và có ý nghĩa (Kohavi

et al, 2002). Với những khái niệm này, phân tích dữ liệu được hiểu là việc sử dụng

dữ liệu, rút ra kết luận từ dữ liệu đó cũng như nhận dạng những mô hình/xu hướng.

(ii) Định nghĩa phân tích dữ liệu từ nhóm công ty thuộc Big4

KPMG áp dụng định nghĩa sau: phân tích dữ liệu là một quá trình phân tích,

theo đó thông tin chi tiết được rút ra từ trong hoạt động của đơn vị, từ thông tin tài

chính và các dạng dữ liệu điện tử khác ở trong và ngoài tổ chức (de Kroon and

Karp, 2013). Ernst and Young (EY) sử dụng định nghĩa sau: phân tích dữ liệu là quá

trình phân tích và giải quyết các vấn đề để xác định và giải thích các mối quan hệ

giữa các biến (Gupta, 2004). PwC định nghĩa phân tích dữ liệu là khám phá và

truyền tải những mẫu dữ liệu có ý nghĩa từ dữ liệu ban đầu (Talesara and

Harrington, 2014). Deloitte định nghĩa phân tích dữ liệu là quá trình rút ra những

hiểu biết sâu sắc từ dữ liệu để đưa ra những quyết định tốt hơn dựa trên thực tiễn

(Bowtell et al, 2014). Có thể nhận thấy mỗi công ty trong nhóm này đều có một

định nghĩa khác nhau về phân tích dữ liệu, nhưng điểm chung có thể thấy là KPMG

và Deloitte có cùng quan điểm là dựa trên thực tế dữ liệu, còn EY và PwC sử dụng

định nghĩa gần với những định nghĩa học thuật được nêu ở mục (i).

(iii) Định nghĩa phân tích dữ liệu từ những công trình nghiên cứu khác

Theo Kroon và Karp (2013) định nghĩa phân tích dữ liệu trong kiểm toán là quá

trình kiểm tra, cân đối, chuyển đổi và mô hình hóa dữ liệu với mục đích làm nổi bật

thông tin hữu ích, gợi ý kết luận và hỗ trợ ra quyết định. Theo William Titera

(2013) cho rằng phân tích dữ liệu trong kiểm toán là việc kiểm tra những thông tin

trên BCTC hoặc những vấn đề khác đang được kiểm toán dưới sự hỗ trợ của máy

tính. AICPA (2015) sử dụng định nghĩa sau: phân tích dữ liệu là việc sử dụng để thu

thập bằng chứng kiểm toán trong kiểm toán BCTC, là một môn khoa học và nghệ

thuật liên quan đến phát hiện và phân tích mẫu, sai sót và mâu thuẫn, giúp trích xuất

các thông tin hữu ích khác trong cơ sở dữ liệu hoặc có liên quan đến chủ đề kiểm

toán thông qua phân tích, mô hình hóa và diễn họa dữ liệu (một cách thể hiện dữ

liệu theo phong cách đồ họa hơn, trực quan hơn để thông tin có thể được truyền tải

tốt nhất có thể) cho mục đích lập kế hoạch và thực hiện kiểm toán (Brynes et al,

2014). Đặc điểm chung của những định nghĩa này đều là việc sử dụng dữ liệu và

tìm kiếm những mô hình/xu hướng mới.

Từ những định nghĩa nêu trên cho thấy có một sự đa dạng trong nhận định và

sử dụng phân tích dữ liệu trong kiểm toán, tuy nhiên mục đích cuối cùng thì tương

đồng nhau là dựa vào phân tích dữ liệu để tìm kiếm những thông tin có ý nghĩa, do

đó để thống nhất, bài nghiên cứu này sẽ sử dụng định nghĩa được dùng bởi AICPA

theo mô tả như trên.

1.2.2. Phân tích dữ liệu gia tăng chất lượng kiểm toán

Phân tích dữ liệu trong kiểm toán là một trong những phương pháp để nâng cao

chất lượng kiểm toán (ICAEW, 2016), có thể có nhiều khía cạnh khác nhau trong

thực tế nhưng chất lượng kiểm toán là một mục tiêu chung của không chỉ KTV mà

các cơ quan quản lý và CMKT đều hướng đến. Một cuộc kiểm toán đạt chất lượng,

tập trung và hiệu quả nghĩa là có sự phù hợp với cách thức mà doanh nghiệp kiểm

toán quản lý dữ liệu và hoạt động của mình. Phân tích dữ liệu cung cấp cách thức

thực tế cho KTV để quản lý một số khía cạnh quan trọng của hệ thống công nghệ

thông tin trong các cuộc kiểm toán lớn. Việc tìm kiếm và cung cấp dịch vụ kiểm

toán cho các công ty niêm yết lớn làm gia tăng sự tập trung vào phân tích dữ liệu,

bên cạnh đó các tổ chức nghề nghiệp cũng như các ủy ban kiểm toán hiện nay đang

yêu cầu KTV cần phải có những hiểu biết nhất định về sử dụng phân tích dữ liệu

vào thực hiện kiểm toán. Có thể nói phân tích dữ liệu là một khái niệm tuy không

mới nhưng khá thách thức đối với KTV hiện nay, vì nó đòi hỏi một sự đầu tư đáng

kể về phần cứng, phần mềm, kỹ năng và khả năng kiểm soát chất lượng, đây cũng

được xem là một trong những phản ứng của các công ty kiểm toán để đáp ứng nhu

cầu kiểm toán tại những khách hàng lớn của họ. Phân tích dữ liệu không chỉ được

sử dụng để cung cấp trong dịch vụ kiểm toán mà còn có thể được áp dụng cho hàng

loạt các dịch vụ đảm bảo phi kiểm toán khác.

Gia tăng chất lượng của cuộc kiểm toán được xem như là động lực giúp các

công ty kiểm toán phát triển và thực hiện phân tích dữ liệu, bằng cách sử dụng các

kỹ thuật và phương pháp phân tích dữ liệu mới, KTV có thể tiếp cận khách hàng và

cung cấp dịch vụ kiểm toán chất lượng cao hơn bằng các bằng chứng kiểm toán có

liên quan hơn (Sirois, B. & Savovska, K., 2017). Những phương pháp tiên tiến này

cũng hỗ trợ quá trình tìm kiếm để xác định những bất thường, nhận dạng xu hướng,

mối tương quan và biến động, giúp KTV tập trung vào những hạng mục có thể xảy

ra rủi ro. Hơn nữa, việc thực hiện kiểm tra trên toàn bộ các giao dịch thay vì thử

nghiệm lấy mẫu cho phép KTV xem xét các tập hợp dữ liệu kiểm toán rộng hơn và

do đó tạo ra bằng chứng kiểm toán có chất lượng cao hơn. Khi sử dụng phân tích dữ

liệu một cách thận trọng có thể cung cấp bằng chứng kiểm toán tập trung hơn vào

các rủi ro kiểm toán và nhiều hiểu biết hữu ích cho KTV. Kiến thức của KTV về

việc thiết kế và giải thích những kết quả thông qua phân tích dữ liệu là chìa khóa để

gia tăng chất lượng cuộc kiểm toán. Với bất kể cách thức phân tích dữ liệu nào được

sử dụng, KTV cũng cần xác định được phạm vi của bộ dữ liệu và các tài khoản có

liên quan. Trong thực tế, phân tích dữ liệu trong kiểm toán mang lại tiềm năng nâng

cao chất lượng của cuộc kiểm toán bằng nhiều cách, bao gồm:

- Tăng cường hiểu biết của KTV về đối tượng được kiểm toán;

- Tạo điều kiện cho việc tập trung kiểm tra vào những khu vực có nguy cơ xảy

ra gian lận cao nhất thông qua việc phân tầng cho tổng thể;

- Tăng tính thống nhất và tập trung giám sát trong nhóm kiểm toán;

- Cho phép KTV thực hiện các thử nghiệm trên tập hợp các dữ liệu lớn hoặc

phức tạp mà cách tiếp cận thủ công không khả thi;

- Nâng cao hiệu quả kiểm toán;

- Nhận định được các trường hợp có khả năng xảy ra gian lận;

- Tăng cường giao tiếp và kết nối với các cơ quan chủ quản có liên quan.

Để có thể thực hiện tốt kỹ thuật phân tích dữ liệu trong kiểm toán, KTV thường

phải quan tâm đến những vấn đề khác nhau, chẳng hạn như những công cụ phân

tích vì sẽ giúp KTV rút được kinh nghiệm và sự tự tin khi sử dụng trong thực tế;

đồng thời cần định vị rõ ràng vai trò, nhiệm vụ và lợi ích mà phân tích dữ liệu mang

lại trong các phương pháp kiểm toán của công ty. KTV cũng nên thử nghiệm hoặc

chạy thử các công cụ phân tích dữ liệu trước khi cho áp dụng vào thực tế, đặc biệt là

trong năm đầu tiên, trong một số trường hợp đặc biệt hay bất thường nên có sự tư

vấn từ các chuyên gia thuộc lĩnh vực công nghệ thông tin. Bên cạnh đó, những

doanh nghiệp kiểm toán cũng nên giải thích rõ về các công cụ phân tích dữ liệu

bằng lưu đồ (sơ đồ luồng dữ liệu) để giúp KTV hiểu rõ và thực hiện lại dễ dàng

hơn. Sự phát triển liên tục của công nghệ có nghĩa rằng sẽ dễ dàng hơn (nhưng

không phải là không có thách thức) để KTV nắm bắt, chuyển đổi, lưu trữ và phân

tích toàn diện dữ liệu hơn so với trước đây, cho phép kiểm tra đến 100% các giao

dịch trong tổng thể, phân tích dữ liệu có thể được sử dụng để đánh giá và dự báo

một khối lượng lớn thông tin một cách nhanh chóng, dẫn đến sự hiểu biết tốt hơn về

đơn vị được kiểm toán và hệ thống hoạt động của nó. Những phương pháp này cho

phép KTV thực hiện việc kiểm tra thường xuyên hơn trong khoảng thời gian ngắn

hơn, giảm việc tập trung kiểm toán vào cuối năm. Việc kiểm tra và giám sát liên tục

dữ liệu giúp KTV nhận dạng rủi ro thông tin tốt hơn, đánh giá kiểm soát chính xác

hơn, báo cáo kiểm toán kịp thời và phù hợp hơn Tuy nhiên, nhân tố mang tính quyết

định chính là đưa ra các công cụ và kỹ thuật chuẩn của phân tích dữ liệu, được mã

hóa và kiểm tra bởi các chuyên gia và được triển khai với sự ủng hộ của những bên

liên quan, chính điều này sẽ làm cho việc sử dụng phân tích dữ liệu trong kiểm toán

trở nên hiệu quả, nhất quán và đáng tin cậy hơn. Có nhiều công cụ phân tích dữ liệu

trong kiểm toán sử dụng kỹ thuật diễn họa dữ liệu: cung cấp thông tin chi tiết của

dữ liệu phân tích bằng cách đặt trong một bối cảnh thị giác sử dụng đồ thị, hình ảnh

đồ họa... chính các mô hình này cho phép dễ dàng nhận diện các xu hướng, mối

tương quan và các điểm sai lệch có thể không được chú ý trong các kiểu dữ liệu

dạng văn bản.

1.2.3. Phản ứng của các bên liên quan đến phân tích dữ liệu

1.2.3.1. Những người sử dụng nội bộ

Nhóm đầu tiên sử dụng phân tích dữ liệu đó chính là KTV, giám đốc, hội đồng

quản trị... trong nội bộ công ty kiểm toán. Trước hết, các thành viên trong ban giám

đốc nên hiểu rõ cách thức doanh nghiệp sử dụng Big Data và phân tích dữ liệu trong

nội bộ và làm thế nào các nhân tố này có thể thúc đẩy doanh nghiệp (Ernst &

Young, 2015), sử dụng Big Data và phân tích dữ liệu mang lại vô số lợi ích như

khám phá cách để tối ưu hóa cấu trúc chi phí, thu thập nhu cầu của khách hàng

nhằm cung cấp dịch vụ tốt hơn, tạo doanh thu lớn hơn. Khi thực hiện phân tích dữ

liệu trong kiểm toán, KTV chịu trách nhiệm sử dụng và đảm bảo việc sử dụng thủ

tục này phù hợp với luật pháp và các quy định. Có nhiều nghiên cứu đã chỉ ra rằng

khi làm chủ phân tích dữ liệu có thể giúp doanh nghiệp tạo ra lợi thế cạnh tranh và

đạt được lợi nhuận cao hơn, thậm chí có chuyên gia còn cho rằng nếu doanh nghiệp

bỏ qua phân tích dữ liệu có thể phải ngừng hoạt động trong thời gian dài (Norbert

Tschakert et al, 2016), bởi vì phân tích dữ liệu có tốc độ thay đổi nhanh hơn so với

sự đáp ứng của của doanh nghiệp kiểm toán và KTV cho nên việc thay đổi các khái

niệm quản lý liên quan đến vấn đề này có thể tận dụng những cơ hội mà phân tích

dữ liệu mang lại.

Hiện nay, hầu hết các công ty kiểm toán, đặc biệt là nhóm công ty thuộc Big4

đang tiếp tục nghiên cứu và mở rộng sử dụng phân tích dữ liệu trong kiểm toán, tạo

tiền đề cho những công ty vừa và nhỏ học tập và nâng cao hơn nữa những phát kiến

về Big Data và phân tích dữ liệu, các công ty này phát triển các công cụ phân tích

dữ liệu hầu hết tập trung vào các quy trình đánh giá rủi ro thông qua việc phân tích

số liệu để khoanh vùng xác định vấn đề cần kiểm tra.

1.2.3.2. Chính phủ, ủy ban kiểm toán, các tổ chức - cơ quan quản lý bên ngoài

Các tổ chức nghề nghiệp và các cơ quan quản lý có liên quan đang xem xét việc

áp dụng rộng rãi phân tích dữ liệu trong kiểm toán, thể hiện qua những bài báo và

ấn phẩm nhằm công nhận những mối quan tâm hiện hữu tại các công ty kiểm toán,

bao gồm (nhưng không giới hạn) sự cần thiết phải có sự phù hợp giữa những kỹ

thuật phân tích dữ liệu với khuôn khổ CMKT về đánh giá rủi ro, thử nghiệm kiểm

soát, thủ tục phân tích và thử nghiệm chi tiết, bên cạnh đó cũng cần quan tâm đến

việc ở mức độ nào thì sẽ có những ngoại lệ không cần kiểm tra trong tập hợp toàn

bộ tổng thể. Cụ thể vào tháng 09/2016, IAASB đã ban hành Request for Input:

Nghiên cứu sự phát triển trong việc sử dụng công nghệ trong kiểm toán, tập trung

vào phân tích dữ liệu (Exploring the Growing Use of Technology in the Audit, with

a Focus on Data Analytics) để cung cấp cho các bên liên quan về công việc đang

thực hiện của IAASB trong việc tìm hiểu những hiệu quả mà công nghệ mang lại

trong quá trình phân tích dữ liệu khi kiểm toán BCTC.

Với cách tiếp cận toàn cầu mà những công ty kiểm toán lớn trên thế giới đang

nghiên cứu và triển khai về khả năng thực hiện phân tích dữ liệu, thì bất kỳ sự thay

đổi phù hợp nào trong tương lai đối với các CMKT đến từ các cơ quan, tổ chức liên

quan cũng được coi là rất quan trọng, bởi vì khi có công nghệ thay thế thì những kỹ

thuật kiểm toán được nhắc đến trong các CMKT trước đây như lấy mẫu truyền

thống sẽ không cần thiết hoặc thậm chí là lỗi thời; hoặc ngay cả khi KTV có thể sử

dụng công nghệ mới để xem xét tất cả các giao dịch thì CMKT vẫn yêu cầu lấy

mẫu, như vậy rõ ràng là dư thừa và không hiệu quả (Tammy Whithouse, 2014).

1.2.3.3. Bộ phận công nghệ thông tin

Các nhà thiết kế hệ thống thông tin và các KTV công nghệ thông tin là những

cá nhân thuộc bộ phận công nghệ thông tin (Vasarhely et al, 2012). Với những đột

phá về công nghệ, hàng loạt những ứng dụng, phần mềm, công cụ mới ra đời tất

nhiên sẽ gây ra những khó khăn nhất định cho KTV, vậy để cập nhật nhanh nhất và

sử dụng được những phát kiến mới này, KTV rất cần sự hỗ trợ từ phía những

chuyên gia công nghệ. Mặt khác, việc phát triển những công cụ phân tích mới dùng

trong kiểm toán, để đảm bảo những tiêu chí do KTV đưa ra thì sự trợ giúp của bộ

phận công nghệ thông tin để đưa từ ý tưởng đến hiện thực là không thể thiếu. Do

đó, hiện nay, thách thức tuyển dụng những KTV có trình độ về công nghệ của

những công ty kiểm toán khá cao, một số công ty chấp nhận tuyển dụng những

chuyên gia công nghệ và sau đó sẽ đào tạo lại trong lĩnh vực kiểm toán. Nói chung,

với sự bùng nổ công nghệ thì vai trò của bộ phận công nghệ thông tin đang dần trở

nên quan trọng và cần thiết trong mọi lĩnh vực, đặc biệt là kiểm toán, tuy nhiên

cũng cần lưu ý rằng kỹ năng phân tích dữ liệu cần phải được phát triển ở tất cả mọi

nhân viên trong doanh nghiệp chứ không phải chỉ một vài nhà phân tích dữ liệu vì

như vậy sẽ gia tăng sự phụ thuộc vào chính những chuyên gia này.

1.2.3.4. Những khách hàng có sử dụng phân tích dữ liệu

Các tổ chức cũng đã và đang xem xét cách thức mà những khách hàng của các

công ty kiểm toán sử dụng phân tích dữ liệu trong quá trình hoạt động của họ, ví dụ

một công ty bảo hiểm có thể sử dụng phân tích dữ liệu phức hợp, độc quyền để giải

thích cho việc cung cấp phí bảo hiểm thấp hơn cho những trường hợp được xem

như ít rủi ro chẳng hạn cho tài xế lái xe thông qua những ứng dụng điện thoại di

động độc quyền. Chính đều này sẽ dẫn đến tình huống khách hàng sẽ hạn chế việc

truy cập của KTV vì lo ngại vấn đề bản quyền và an ninh dữ liệu, mặt khác nếu

không tiếp cận được với những dữ liệu này thì vấn đề về tính thích hợp và đầy đủ

của bằng chứng kiểm toán sẽ không được đáp ứng. Khi kiểm toán những đơn vị

phức tạp, có thể phải mất thời gian nhiều hơn của KTV để xây dựng những phương

pháp tiếp cận dữ liệu cho phù hợp, do đó, nếu vấn đề về việc phân tích dữ liệu độc

quyền ngày càng trở nên phổ biến rộng rãi thì KTV có thể đối mặt với những rào

cản trong việc có được bằng chứng kiểm toán để đáp ứng các cơ sở dẫn liệu trên

BCTC của đơn vị được kiểm toán.

1.3. Các nghiên cứu về Big Data và phân tích dữ liệu kiểm toán

1.3.1. Các nghiên cứu về Big Data trong kiểm toán

Hiện nay, mối quan tâm về Big Data đang ngày một gia tăng trong lĩnh vực

kiểm toán (Vasarhelyi, Kogan, and Tuttle 2015) cũng như việc sử dụng phân tích dữ

liệu ngày một nhiều trong hầu hết các lĩnh vực kinh doanh đã và đang mang lại

nhiều mối quan tâm cho KTV, ví dụ: có nên phát triển những phương pháp phân

tích mới trong quá trình kiểm toán? Phương pháp nào được xem là hữu hiệu nhất?

Trường hợp nào trong cuộc kiểm toán có thể áp dụng những phương pháp này? Có

nên thay đổi các CMKT để cho phép/tạo điều kiện thuận lợi trong việc áp dụng

những phương pháp này? KTV có cần thiết phải tìm hiểu và báo cáo nhiều thông tin

hơn không? KTV cần có năng lực gì để thích nghi với môi trường mới này?

Các mối quan tâm này bắt nguồn từ việc nhiều hệ thống làm việc của khách

hàng hiện nay tích hợp với các đám mây, internet vạn vật (Internet of Thing - là một

kịch bản của thế giới, khi mà mỗi đồ vật, con người được cung cấp một định danh

của riêng mình, và tất cả có khả năng truyền tải, trao đổi thông tin, dữ liệu qua một

mạng duy nhất mà không cần đến sự tương tác trực tiếp giữa người với người, hay

người với máy tính) và các nguồn dữ liệu bên ngoài như các phương tiện truyền

thông xã hội… do đó những nguồn dữ liệu khách hàng này có thể rất lớn về dung

lượng và tốc độ, đa dạng về kết cấu (Cukier and Mayer – Schoenberger, 2013). Dữ

liệu này có thể bắt nguồn từ cảm biến, video, tập âm thanh, văn bản truyền thông xã

hội… (Warren et al, 2015). Tuy nhiên nguồn dữ liệu này thường mang lại những cơ

hội gần như vô hạn đối với những nghiên cứu về phân tích hiện có (Holsapple, Lee-

Post and Pakath, 2014; Lee et al, 2014; Delen and Demirkan, 2012), Big Data thực

sự mang lại nhiều cơ hội cho KTV để tiến hành cuộc kiểm toán hiệu quả và chất

lượng hơn. Hơn nữa, môi trường của Big Data (Vasarhelyi, Kogan and Tuttle,

2015), các thiết bị cá nhân và internet vạn vật (Atzori, Lena and Morabito, 2010;

Domingos, 2011; Dai and Vasarhelyi, 2016) đang dần kết nối với các hệ thống

trong nội bộ doanh nghiệp, sự phát triển của các phần cứng và phần mềm với tính

kinh tế cao hơn nhiều so với những hệ thống truyền thống, không khó để tưởng

tượng khả năng các phương pháp phân tích số liệu như hồi quy có thể được xây

dựng dưới dạng một con chip tích hợp các phần mềm có thể giải thích kết quả và

đưa ra các đề nghị cho người sử dụng, kể cả KTV. Những tiến bộ trong việc giải

nghĩa từ ngữ dưới dạng văn bản, nhận dạng giọng nói hay video, tranh ảnh đã gia

tăng sự kết nối trong môi trường công nghệ, đồng thời độ trễ của thông tin và hệ

thống xử lý giảm dần do các chip được thiết kế nhanh, mạnh hơn, các thiết bị được

kết nối và cảm biến tự động, các cuộc kiểm toán truyền thống hàng năm hay thậm

chí các báo cáo quý, báo cáo giữa niên độ sẽ không còn mang nhiều ý nghĩa trong

thế giới được đo lường bằng thời gian thực (the world of real-time measurement).

Big Data bao gồm tất cả dữ liệu từ bên trong và ngoài doanh nghiệp, bao gồm

dữ liệu có cấu trúc, bán cấu trúc và không có cấu trúc, dữ liệu máy tính, dữ liệu trực

tuyến và di động để bổ sung vào nguồn dữ liệu của tổ chức (Ernst & Young, 2014).

Big Data về cơ bản sẽ thay đổi cách doanh nghiệp cạnh tranh và hoạt động, các

doanh nghiệp đã đầu tư và thu được thành công từ dữ liệu của họ sẽ có lợi thế rõ rệt

hơn đối thủ cạnh tranh. Trong môi trường Big Data, sẽ có rất nhiều nguồn thông tin

mới lạ đối với các KTV, do đó các tiêu chuẩn liên quan đến bằng chứng kiển toán

có thể cần phải được thảo luận và xem xét từ nhiều chuyên gia trong nhiều lĩnh vực

khác nhau, kể cả chuyên gia công nghệ thông tin. KTV cần tìm câu trả lời cho câu

hỏi làm thế nào để có thể phân tích được Big Data đã và đang tồn tại ở bên trong và

bên ngoài doanh nghiệp, liệu rằng một lượng lớn dữ liệu có thể bù đắp lại cho

những dữ liệu không chắc chắn hoặc chất lượng thấp hay không (Cukier and

Mayer-Schoenberger, 2013). Trong trường hợp nguồn dữ liệu có nguồn gốc không

đáng tin cậy hoặc không để lại dấu vết kiểm toán (Appelbaum, 2016), những

CMKT hiện tại cho thấy rằng không có giá trị nào có thể bù đắp được những dữ liệu

thiếu giá trị và không đáng tin cậy đó.

Các vấn đề về gian lận cũng được xem là một vấn đề đầy thách thức trong môi

trường Big Data đối với đội ngũ KTV. Nhiều thông tin không bằng thông tin có ý

nghĩa, và sự phức tạp thêm của Big Data sẽ làm gia tăng sự khó khăn khi đánh giá

bằng chứng kiểm toán về gian lận (Srivastava et al, 2009; Srivastava, 2011;

Fukukawa et al, 2014). Phát hiện gian lận cần tập trung vào tìm hiểu và đánh giá hệ

thống kiểm soát nội bộ bất kể khả năng phân tích hiện nay cho phép lấy mẫu hoặc

xử lý 100% các giao dịch nghiệp vụ phát sinh, tuy nhiên cũng cần lưu ý rằng dù hệ

thống kiểm soát nội bộ có hữu hiệu như thế nào thì khả năng gian lận vẫn có thể xảy

ra, chính khối lượng lớn và sự phức tạp của Big Data có thể cản trở việc xác định

khả năng xảy ra gian lận.

Một vấn đề khác cũng đáng quan tâm trong môi trường Big Data là làm thế nào

để đo lường số lượng bằng chứng kiểm toán, cách kết hợp bằng chứng thu thập

trong môi trường Big Data với những bằng chứng khác như thế nào, phương pháp

định lượng được sử dụng như thế nào để hỗ trợ KTV đánh giá về sự đầy đủ của

bằng chứng kiểm toán… toàn bộ các tiêu chuẩn về bằng chứng kiểm toán có thể cần

phải được đánh giá lại và sửa đổi cho phù hợp trong thời đại công nghệ số và Big

Data (Appelbaum, 2016; Brown-Liburd and Vasarheklyi, 2015). Mục đích chính

của KTĐL là đảm bảo hợp lý rằng BCTC của khách hàng không chứa đựng các sai

sót trọng yếu khi đưa ra ý kiến trên báo cáo kiểm toán, để làm được điều này KTV

phải thiết kế và thực hiện các thủ tục kiểm toán nhằm thu thập đầy đủ bằng chứng

thích hợp, hơn nữa, CMKT đòi hỏi các KTV phải đánh giá và kiểm tra bằng chứng

vật chất như một phần của quá trình đánh giá rủi ro (PCAOB 2010, AICPA 2012,

ISA 500), về cơ bản, nếu thông tin không đáng tin cậy hoặc nguồn gốc của nó

không thể kiểm chứng thì phải thu thập và kiểm chứng thêm nhiều bằng chứng

khác. Tuy nhiên, trong môi trường công nghệ thông tin và Big Data phức tạp ngày

nay, bản chất về bằng chứng đã thay đổi (Brown-Liburd et al, 2015), với Big Data,

số lượng bằng chứng không còn là vấn đề trọng yếu mà thay vào đó là chất lượng

bằng chứng có thể có nhiều thách thức hơn. Các bằng chứng điện tử (electronic

evidence) thường gây những vấn đề trái ngược hoặc khó khăn trong việc truy lại

nguồn gốc ban đầu so với bằng chứng là giấy tờ. Nếu bằng chứng giấy tờ khó thay

đổi nội dung thì dữ liệu điện tử có thể dễ dàng thay đổi và những thay đổi này có

thể rất khó phát hiện, mặt khác, thông thường những bằng chứng có nguồn gốc bên

ngoài độc lập với đơn vị thì độ tin cậy sẽ càng cao nhưng khi với bằng chứng điện

tử sẽ rất khó xác minh nguồn gốc và độ tin cậy. Ngoài ra, những thông tin trên bằng

chứng giấy sẽ dễ đánh giá và dễ hiểu trong khi bằng chứng điện tử phải yêu cầu

trình độ chuyên môn cao hơn từ KTV. Cuối cùng, vì những quy trình kinh doanh

hiện nay đang từng bước được số hóa nên cần thiết phải sửa đổi những tiêu chuẩn

quy định về độ tin cậy của bằng chứng điện tử nhằm đảm bảo được tính đầy đủ và

thích hợp trong quá trình thu thập bằng chứng của KTV.

1.3.2. Các nghiên cứu về phân tích dữ liệu kiểm toán

Trong kỷ nguyên của Big Data, để có thể sẵn sàng cho những thay đổi mới, các

chuyên gia kiểm toán đã bắt đầu xem xét làm thế nào để tận dụng lợi thế của Big

Data trong kiểm toán bằng việc dùng những khoản đầu tư lớn vào nghiên cứu phân

tích dữ liệu để có thể gia tăng đáng kể phạm vi kiểm toán của KTV độc lập vào sổ

sách và các ghi chép của đơn vị được kiểm toán (Tammy Whithouse, 2014). Tương

lai không xa, các công ty đại chúng sẽ cung cấp cho KTV quyền truy cập không chỉ

một vài mẫu các giao dịch của họ mà là toàn bộ hệ thống sổ sách và cơ sở dữ liệu

liên quan, và KTV có thể nhìn vào tất cả dữ liệu giao dịch, ngay cả khi điều này có

thể lên đến hàng triệu hoặc hàng chục triệu hồ sơ khác nhau, chứ không chỉ là dữ

liệu tóm tắt. Việc sử dụng phân tích dữ liệu để tiến hành một cuộc kiểm toán thể

hiện một bước nhảy vọt từ các phương pháp tiếp cận kiểm toán truyền thống dựa

trên lấy mẫu đến một cuộc kiểm toán có thể nhìn vào mọi thứ theo đúng nghĩa đen:

với phân tích dữ liệu, KTV có thể nhìn vào 100% các giao dịch, phát hiện những

dấu vết kiểm toán, những giao dịch bất thường hay những điều tưởng chừng không

có ý nghĩa gì. Một khi công nghệ phân tích dữ liệu đáp ứng được cho các mục tiêu

kiểm toán, các KTV độc lập sẽ bắt đầu dùng Big Data để tìm kiếm câu trả lời cho

từng cuộc kiểm toán khác nhau, hiện nay hầu như tất cả những công ty kiểm toán

lớn (Big4…) điều có những dự án liên quan đến việc đầu tư phát triển công nghệ

trong phân tích dữ liệu nhằm tăng chất lượng cuộc kiểm toán, giảm rủi ro, nâng cao

hiệu quả và hiệu suất. Đã có một số nghiên cứu từ các công ty kiểm toán khác nhau

trong việc tìm tòi và thử nghiệm các phương pháp mới bởi vì trong thực tế, KTV đã

sử dụng các thủ tục phân tích từ lâu trong quá trình kiểm toán từ lúc lên kế hoạch

đến khi kết thúc cuộc kiểm toán, nhưng vấn đề đặt ra là với sự phức tạp ngày càng

lớn của dữ liệu thì việc sử dụng những kiến thức và công cụ phân tích giống như đã

làm từ 50 hay 60 năm trước đây là không hợp lý. Chẳng hạn tại công ty kiểm toán

Deloitte & Touche, họ thường xem xét vấn đề phân tích dữ liệu từ Big Data trên ba

khía cạnh khác nhau: (1) kiểm tra các bộ dữ liệu lớn hơn hoặc đầy đủ chứ không chỉ

là chọn mẫu các dữ liệu; (2) họ thúc đẩy trí thông minh nhân tạo để không chỉ tìm

kiếm các dữ liệu mà còn cả các văn bản liên quan, những vùng “red flags” có khả

năng gian lận và (3) tìm kiếm những dữ liệu liên quan có sẵn ở những nơi khác.

Một khi những nghiên cứu này thật sự phát huy tác dụng, lợi ích nó mang về sẽ rất

lớn, nhưng điều này không có nghĩa những công nghệ này sẽ thay thế được công

việc của KTV, tuy nhiên nó sẽ loại bỏ những công việc chỉ mang tính chất đối phó,

hình thức, cũng như tăng cường kiểm tra thêm dữ liệu và cung cấp thêm cho KTV

những thông tin có giá trị hơn để xem xét. Quá trình thực hiện phân tích dữ liệu có

thể được thực hiện tóm tắt như mô tả của FRC (2017) gồm các công việc như:

- Phân tích tất cả dữ liệu trong tổng thể, phân tầng cho tổng thể và xác định

các ngoại lệ để kiểm tra thêm;

- Thực hiện lại các tính toán liên quan đến BCTC;

- Khớp các giao dịch khi chúng đi qua chu trình xử lý;

- Hỗ trợ phân chia nhiệm vụ kiểm tra;

- So sánh dữ liệu phân tích với dữ liệu bên ngoài thu được;

- Vận dụng dữ liệu để đánh giá tác động của các giả định khác nhau.

Cũng theo đánh giá của FRC, nhiều kỹ thuật phân tích dữ liệu trong kiểm toán

BCTC chưa được áp dụng như giám sát kiểm soát liên tục, đo điểm chuẩn dữ liệu

giữa các khách hàng kiểm toán ở cấp độ giao dịch và phân tích dữ liệu phi cấu trúc

(phân tích tự động các dữ liệu phi cấu trúc như nội dung các email điện tử hoặc tài

liệu soạn thảo dưới dạng văn bản…).

Một dạng phân tích khác trong chuỗi những hoạt động phân tích dữ liệu mà

KTV cũng cần quan tâm là phân tích doanh nghiệp (BA – Business Analytics) – là

việc sử dụng dữ liệu, công nghệ thông tin, phân tích thống kê, các phương pháp

định lượng và các mô hình toán học hoặc dựa vào máy tính để giúp nhà quản lý

nắm bắt tất cả hoạt động của doanh nghiệp và đưa ra các quyết định dựa trên thực tế

tốt hơn (Davenport and Harris, 2007). BA được chia thành ba loại (Holsapple et al,

2014; Norbert Tschakert et al, 2016) gồm:

(i) Phân tích mô tả: cung cấp cái nhìn cảnh dựa trên những thông tin trong quá

khứ, về “những gì đã xảy ra”, tuy nhiên giá trị thực sự của phân tích nằm ở dự đoán,

nghĩa là “những gì sẽ xảy ra” và chúng ta “nên làm gì” liên quan đến những dữ liệu

có sẵn và lợi thế về công nghệ;

(ii) Phân tích dự đoán: giúp hiểu và cung cấp những dự đoán trong tương lai

bằng cách xác định các mẫu thử từ dữ liệu quá khứ, nhận định điều gì sẽ xảy ra, khi

nào và tại sao;

(iii) Phân tích theo quy trình (phân tích nguyên tắc): hỗ trợ xác định lựa chọn

phù hợp để giải quyết một kết quả dự đoán thông qua các kỹ thuật tối ưu hóa. Và

với loại hình phân tích này, công nghệ sẽ giúp xác định phương pháp thực tế hoặc

cách tiếp cận để thực hiện (Holsapple et al, 2014; Davenport and Kim, 2013; Evans,

2012).

KTV cần quan tâm đến BA bởi vì BA vừa ảnh hưởng đến nội bộ doanh nghiệp

kiểm toán vừa là một kỹ thuật được nhiều khách hàng là những công ty lớn đang sử

dụng. Việc khách hàng chọn kỹ thuật nào kể trên phụ thuộc vào kỳ vọng của thủ tục

phân tích và loại dữ liệu, nếu như mong đợi càng nhiều và nguồn dữ liệu càng đa

dạng, khối lượng càng lớn thì khả năng tập trung vào phân tích theo quy trình càng

cao hoặc ít nhất cũng là phân tích dự đoán. Vì trọng tâm của BA đối với nhà quản lý

sẽ khác với KTV, nếu nhà quản lý khai thác BA để cung cấp các dự báo phục vụ

việc ra các quyết định quản lý, nâng cao hiệu quả và hiệu suất trong hoạt động

doanh nghiệp, KTV nội bộ sử dụng BA để xác minh tính chính xác của thông tin thì

KTV độc lập sử dụng BA vì có liên quan đến những xác nhận trên BCTC. Khi

khách hàng kiểm toán có sử dụng BA trong quá trình hoạt động, KTV có thể thực

hiện các kỹ thuật thường sử dụng như phân tích xu hướng, phân tích tỷ lệ và đọc

lướt…miễn KTV thấy hài lòng với kết quả mang lại (Glover et al, 2014).

Sự phát triển ngày càng nhanh của công nghệ kéo theo hàng loạt những vấn đề

phát sinh trong quá trình kiểm toán, đặc biệt là dữ liệu, do đó, ngoài những thủ tục

phân tích mà KTV thường sử dụng, được quy định cụ thể trong các CMKT ở Việt

Nam cũng như quốc tế, các chuyên gia cho rằng bước đầu tiên trong tiến trình phân

tích dữ liệu là nhằm đạt được một sự hiểu biết chung về số liệu phân tích, điều này

sẽ dẫn đến việc nhất quán trong thời gian, công việc và kết quả dự báo với thực tế.

KTV cần quan tâm đến phân tích dữ liệu, phân tích Big Data để có thể đưa ra ý kiến

kiểm toán trung thực và hợp lý hơn

Stewart (2015) định nghĩa “phân tích dữ liệu kiểm toán là phân tích những dữ

liệu cơ bản trên BCTC, có kết hợp với những thông tin tài chính và phi tài chính

liên quan nhằm xác định các rủi ro tiềm tàng hoặc rủi ro có sai sót trọng yếu”. Liu

(2014) đã đề xuất sử dụng phân tích dữ liệu trong quá trình kiểm toán để tìm câu trả

lời cho những rủi ro tiềm tàng, Liu (2014) và Stewart (2015) lập luận rằng phân tích

dữ liệu là một phần không thể thiếu trong quá trình kiểm toán và việc sử dụng nó

cần được quy định trong các CMKT.

Nói tóm lại, các CMKT quy định nhiệm vụ mà thủ tục phân tích cần thực hiện

và hoàn thành trong từng giai đoạn nhưng không ràng buộc những kỹ thuật nào

KTV cần thực hiện để đạt được mục tiêu đề ra, do đó dù KTV có sử dụng các kỹ

thuật phân tích phức tạp như phân tích hồi quy, phân tích văn hóa công nghệ trong

các doanh nghiệp đa quốc gia hay các kỹ thuật phân tích truyền thống như phân tích

tỷ lệ thì đa phần phụ thuộc vào kiến thức của KTV hơn là dựa vào những quy định

từ chuẩn mực. Điều này cũng có nghĩa rằng bất kỳ sự áp dụng nào của KTĐL trong

phân tích dữ liệu về Big Data đa phần do tác động từ thị trường phát triển hay các

bên liên quan bên ngoài doanh nghiệp (Alles, 2015), sự phát triển gần đây của phân

tích dữ liệu kiểm toán có thể xuất phát từ chính những lực lượng này chứ không

phải từ những quy định trong CMKT. Khi nói về phân tích dữ liệu với sự phát triển

của công nghệ sẽ làm nên những rô-bốt có khả năng thay thế được cho KTV, tuy

nhiên các chuyên gia tin rằng điều này khó có thể xảy ra vì luôn cần có những xét

đoán nghề nghiệp trong quá trình phân tích dữ liệu từ chính KTV.

KẾT LUẬN CHƯƠNG 1

Phân tích được xem là một trong những công cụ rất hữu ích cho KTV trong quá

trình thực hiện kiểm toán, và với sự phát triển nhanh chóng của dữ liệu trong thời

đại công nghệ số như hiện nay - tạo nên Big Data - thì phân tích dữ liệu rõ ràng là

một thuật ngữ dường như rất “hot” bởi lợi ích đi kèm những thách thức mà nó mang

lại, thu hút sự quan tâm của rất nhiều lĩnh vực, trong đó có kiểm toán BCTC. Nội

dung chương 1 làm rõ những khái niệm liên quan đến Big Data, phân tích dữ liệu từ

Big Data trong kiểm toán cũng như những nghiên cứu trong các lĩnh vực này để làm

cơ sở cho những nghiên cứu được trình tiếp ở chương 2.

Tại Việt Nam, mặc dù đã có những chương trình truyền hình, những talkshow,

hội thảo, bài báo nghiên cứu về Big Data, về tầm quan trọng và cần thiết của Big

Data trong sự phát triển của doanh nghiệp, tuy nhiên vẫn còn khá ít những nghiên

cứu tập trung riêng biệt trong lĩnh vực kiểm toán, đây chính là khoản trống để tác

giả thực hiện đề tài tìm hiểu ảnh hưởng của Big Data đến phân tích dữ liệu. Từ đó,

góp phần bổ sung bằng chứng thực nghiệm về những ảnh hưởng cụ thể của Big

Data trong kiểm toán tại các doanh nghiệp kiểm toán của Việt Nam, được trình bày

chi tiết trong chương 2 nghiên cứu này.

CHƯƠNG 2: THỰC TRẠNG ẢNH HƯỞNG CỦA BIG DATA

ĐẾN QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC DOANH

NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

2.1. Sơ lược về đặc điểm hoạt động kiểm toán độc lập Việt Nam

2.1.1. Lịch sử hình thành và phát triển hoạt động kiểm toán độc lập Việt Nam

Kiểm toán độc lập là hoạt động không thể thiếu trong nền kinh tế thị trường với

vai trò mang lại độ tin cậy cho các thông tin tài chính thông qua các BCTC đã được

kiểm toán, qua đó tạo cơ sở cho các bên tiến hành ra các quyết định kinh tế. Hoạt

động KTĐL Việt Nam chính thức ra đời vào tháng 05 năm 1991 với sự hình thành

hai doanh nghiệp kiểm toán là DNNN đầu tiên gồm công ty kiểm toán Việt Nam

(VACO), công ty dịch vụ tư vấn tài chính kế toán và kiểm toán (AASC) trực thuộc

Bộ tài chính. Thực ra, hoạt động KTĐL đã xuất hiện ở Việt Nam khi các doanh

nghiệp có vốn đầu tư nước ngoài hoạt động tại Việt Nam theo Luật Đầu tư nước

ngoài đầu tiên do Quốc hội ban hành vào tháng 12/1987. Chính phủ Việt Nam và

trực tiếp là Thủ tướng Chính phủ đã có quyết định lịch sử mang tính đột phá, đó là

cho phép thành lập văn phòng đại diện của Công ty Ernst & Young Việt Nam vào

giữa năm 1989 và mấy năm sau đó cho phép các Doanh nghiệp kiểm toán 100%

vốn nước ngoài hoạt động tại Việt Nam (công ty Ernst & Young Việt Nam, công ty

KPMG, công ty Pricewater- House Coopers Việt Nam...).

Hoạt động KTĐL là nhu cầu rất thiết thực của nền kinh tế, nhất là khi Việt Nam

đã và đang hội nhập sâu rộng hơn vào nền kinh tế toàn cầu. Chính vì tầm quan trọng

này mà Chính phủ Việt Nam đã tiến hành thể chế hóa hoạt động kiểm toán. Ngày

19/01/1994, Chính phủ đã ban hành quy chế độc lập theo Nghị định số 07/CP về

“Kiểm toán độc lập trong nền kinh tế quốc dân” và được hướng dẫn bởi Thông tư số

22/TC/CĐKT ngày 19/03/1994. Đến năm 2004, Chính phủ tiếp tục ban hành Nghị

định số 105/2004/NĐ-CP ngày 30/03/2004 về KTĐL để thay thế cho nghị định

07/CP và ban hành thêm thông tư 64/2004/TT-TC ngày 29/06/2004 để hướng dẫn

thi hành Nghị định số 105. Tiếp sau đó là Nghị định số 133/2005/NĐ-CP ngày

31/10/2005 của Chính phủ để hoàn thiện Nghị định số 105/2004/NĐ-CP. Quá trình

hoàn thiện những quy định pháp lý về hoạt động KTĐL đã đặt một nền tảng cho

tiến trình phát triển trong tương lai của ngành kiểm toán Việt Nam.

Một bước ngoặt lớn sau 20 năm hoạt động KTĐL là sự ra đời của Luật kiểm

toán độc lập số 67/2011/QH12 đã được Quốc hội thông qua ngày 29/03/2011. Đây

được xem là văn bản pháp luật cao nhất về KTĐL được ban hành tại Việt Nam ở

thời điểm đó, góp phần nâng cao vị thế của KTĐL, góp phần cho sự phát triển bền

vững của nghề nghiệp kiểm toán trong giai đoạn tiếp theo. Về cơ bản, Luật KTĐL

năm 2011 đã tiếp cận, phù hợp với thông lệ quốc tế và điều kiện thực tế tại Việt

Nam, tạo cơ sở pháp lý cho việc tiếp tục thành lập và hoạt động của các tổ chức

KTĐL. Bên cạnh đó, vào ngày 13/03/2012 Chính phủ tiếp tục ban hành Nghị định

số 17/2012//NĐ-CP quy định chi tiết và hướng dẫn thi hành một số điều của Luật

KTĐL.

Tiếp theo đó, Bộ tài chính đã ban hành thêm những thông tư về KTĐL, cụ thể:

- Thông tư 129/2012/TT-BTC ngày 09/08/2012 quy định về việc thi và cấp

chứng chỉ KTV và chứng chỉ hành nghề kế toán có hiệu lực thi hành từ ngày

25/09/2012. Đến ngày 31/08/2017, Thông tư 91/2017/TT-BTC ra đời quy định

những nội dung mới trong thi, cấp, quản lý chứng chỉ KTV và chứng chỉ kế toán

viên.

- Thông tư 150/2012/TT-BTC ngày 12/09/2012 hướng dẫn cập nhật kiến thức

hàng năm cho KTV đăng ký hành nghề kiểm toán có hiệu lực thi hành từ ngày

01/01/2013. Đến ngày 23/04/2015 Bộ tài chính đã ban hành Thông tư 56/2015/TT-

BTC để sửa đổi, bổ sung một số điều của Thông tư 150.

- Thông tư 202/2012/TT-BTC ngày 19/11/2012 hướng dẫn về đăng ký, quản lý

và công khai danh sách KTV hành nghề kiểm toán có hiệu lực thi hành từ ngày

01/03/2013. KTV đã đăng ký hành nghề năm 2013 trước ngày 31/03/2013 chỉ được

ký báo cáo kiểm toán và báo cáo kết quả công tác soát xét đến hết ngày 30/06/2013.

Từ ngày 01/07/2013 trở đi, chỉ có các KTV hành nghề được cấp Giấy chứng nhận

đăng ký hành nghề kiểm toán theo quy định tại thông tư này mới được ký báo cáo

kiểm toán và báo cáo kết quả công tác soát xét.

- Thông tư 203/2012/TT-BTC ngày 19/11/2012 về trình tự, thủ tục cấp, quản lý,

sử dụng Giấy chứng nhận đủ điều kiện kinh doanh dịch vụ kiểm toán có hiệu lực thi

hành kể từ ngày 01/05/2013.

- Thông tư 214/2012/TT-BTC ngày 06/12/2012 ban hành hệ thống CMKT Việt

Nam theo đề nghị của Chủ tịch hội KTV hành nghề Việt Nam (VACPA) và Vụ Chế

độ Kế toán và Kiểm toán, có hiệu lực thi hành từ ngày 01/01/2014.

Trong thời gian qua, hoạt động KTĐL đã góp phần nâng cao uy tín, chất lượng,

tính trung thực và minh bạch của thông tin kinh tế, tài chính của các đơn vị được

kiểm toán, góp phần làm lành mạnh môi trường đầu tư tại Việt Nam, nâng cao hiệu

quả quản lý, điều hành của Nhà nước và các hoạt động kinh doanh của doanh

nghiệp.

2.1.2. Tình hình hoạt động của KTĐL hiện nay

2.1.2.1. Số lượng, cơ cấu và loại hình công ty kiểm toán

Năm 1991, Việt Nam chỉ có hai công ty kiểm toán trực thuộc Bộ tài chính, đến

năm 1995 đã có chín công ty khác thuộc loại hình DNNN và công ty có vốn đầu tư

nước ngoài được thành lập. Tính đến ngày 10/06/2016, số lượng công ty kiểm toán

đăng ký hành nghề, đủ điều kiện kinh doanh dịch vụ kiểm toán với VACPA là 142

công ty, đến cuối năm 2017 con số này là 170 công ty. Có thể thấy hiện nay, số

lượng doanh nghiệp kiểm toán có xu hướng thu hẹp so với giai đoạn bùng nổ thành

lập công ty kiểm toán những năm 2007-2008, song đó là kết quả của việc “thanh

lọc” của thị trường để hoạt động KTĐL phát triển tốt và chuyên nghiệp hơn. Những

công ty kiểm toán có quy mô quá nhỏ hoặc yếu kém, không đáp ứng đủ những điều

kiện mới của Luật KTĐL buộc phải giải thể hoặc sáp nhập để tăng quy mô mới có

thể tiếp tục tồn tại được. Các công ty KTĐL của Việt Nam hiện nay có thể được

chia thành ba nhóm chủ yếu như sau:

- Nhóm 1: các công ty có quy mô rất lớn – Big Four: PwC, E&Y, KPMG,

Deloitte với mức doanh thu từ 100 tỷ đồng trở lên, với số lượng nhân viên bình

quân khoản 400-600 nhân viên, số lượng khách hàng bình quân hơn 1.000 khách

hàng.

- Nhóm 2: các công ty kiểm toán có quy mô vừa, bao gồm nhóm các công ty

trước đây được chuyển đổi từ DNNN (A&C, AASC, AISC…) và những công ty

khác với mức doanh thu bình quân từ 50-100 tỷ đồng/năm, với số lượng nhân viên

bình quân khoản 100-200 nhân viên, số lượng khách hàng bình quân từ 300-1.000

khách hàng.

- Nhóm 3: các công ty kiểm toán quy mô nhỏ còn lại, một số ít có doanh thu

bình quân trên khoản 10 tỷ đồng/năm và số lượng nhân viên khoản 50 nhân viên, số

còn lại có doanh số thấp hơn 10 tỷ đồng.

2.1.2.2. Đội ngũ KTV và nhân viên chuyên nghiệp

Sau hơn 25 năm hình thành và phát triển, hoạt động KTĐL Việt Nam tính đến

ngày 10/06/2016 có trên 10.000 người lao động đang làm việc tại các doanh nghiệp

kiểm toán trên khắp cả nước, trong đó có 1.647 KTV có đủ điều kiện đăng ký hành

nghề (Trần Văn Tá, 2016), đến cuối năm 2017, số lượng nhân viên là 12.700 người.

Qua các kỳ thi cấp chứng chỉ KTV, số lượng người được cấp chứng chỉ ngày càng

gia tăng, trung bình mỗi năm là 300 người (thời điểm ngày 10/06/2016 đã cấp 3.837

chứng chỉ KTV), ngoài những KTV được Bộ tài chính cấp chứng chỉ, còn có các

KTV được các tổ chức nghề nghiệp của các nước trên thế giới cấp chứng chỉ hành

nghề, con số này hiện nay là hơn 1.600 KTV. Nhìn chung, trình độ chuyên môn và

kinh nghiệm nghề nghiệp của đội ngũ KTV đã được nâng cao. Nhiều KTV có kinh

nghiệm và kiến thức chuyên môn tốt, có ý thức tuân thủ các nguyên tắc nghề

nghiệp, CMKT, có kỹ năng và phong cách làm việc chuyên nghiệp. Một số KTV

trẻ, nhất là ở những công ty kiểm toán lớn đã đạt được thành tích cao xếp hạng toàn

cầu trong các kỳ thi của các Hội nghề nghiệp Quốc tế có danh tiếng như ACCA,

CPA Australia ... một số lãnh đạo công ty được vinh danh là Nhà quản trị trẻ tài

năng ở tầm khu vực và châu lục. Tuy nhiên, số lượng KTV còn khá thiếu so với nhu

cầu phát triển hiện nay của lĩnh vực KTĐL, mỗi năm đều có những công ty kiểm

toán mới được thành lập và có nhiều cá nhân được cấp chứng chỉ KTV, nhưng số

lượng KTV đăng ký hành nghề lại tăng không đáng kể, điều này dẫn đến tình trạng

vẫn còn một số KTV đã đăng ký hành nghề toàn thời gian nhưng thực chất chỉ làm

bán thời gian hoặc kiêm nhiệm nhiều công việc của nhiều công ty khác nhau, thậm

chí có trường hợp cho thuê bằng KTV hành nghề để đủ điều kiện hoạt động kiểm

toán theo luật định.

2.1.2.3. Về số lượng, cơ cấu khách hàng và doanh thu dịch vụ cung cấp

Đối tượng khách hàng của KTĐL ngày càng được mở rộng, theo thống kê đến

tháng 04/2016, xét về cơ cấu khách hàng, các doanh nghiệp FDI chiếm 48,02%;

doanh nghiệp nhà nước chiếm 11,67%; doanh nghiệp, đơn vị, tổ chức khác là

40,31%. Năm 2016 có 31 doanh nghiệp kiểm toán được chấp thuận thực hiện kiểm

toán cho đơn vị có lợi ích công chúng và có 28 doanh nghiệp kiểm toán được chấp

thuận thực hiện kiểm toán cho đơn vị có lợi ích công chúng thuộc lĩnh vực chứng

khoán, con số này đến tháng 12/2017 là 32 doanh nghiệp kiểm toán và 743 KTV

hành nghề được thực hiện kiểm toán cho đơn vị có lợi ích công chúng.

Thị trường dịch vụ KTĐL của Việt Nam không ngừng đa dạng hóa các dịch vụ

theo hướng mở rộng dịch vụ kiểm toán và các dịch vụ đảm bảo, phát triển các dịch

vụ tư vấn; hiện nay các công ty kiểm toán đã cung cấp hơn 30 loại dịch vụ khác

nhau cụ thể như:

- Dịch vụ kiểm toán BCTC: bao gồm kiểm toán BCTC năm, báo cáo quyết toán

giá trị công trình xây dựng cơ bản, quyết toán hợp đồng kinh tế...

- Dịch vụ thuế: bao gồm làm các thủ tục kê khai nộp thuế, tư vấn các nội dung

về thuế, giải trình các trường hợp đặc biệt về nghĩa vụ thuế...

- Dịch vụ kế toán: xây dựng và đăng ký hệ thống kế toán thích hợp áp dụng cho

đơn vị, làm các công việc kế toán trực tiếp cho khách hàng như lập chứng từ, ghi sổ,

chuẩn bị BCTC...

- Dịch vụ đào tạo, bồi dưỡng nghiệp vụ tài chính, kế toán và quản lý tài chính

cho những đối tượng có nhu cầu.

- Dịch vụ tư vấn tài chính, quản lý: xác định giá trị tài sản thế chấp vay vốn

ngân hàng, góp vốn liên doanh, cổ phần hóa doanh nghiệp, tư vấn cải tiến hệ thống

kiểm soát nội bộ, tư vấn đầu tư, chuyển nhượng vốn đầu tư...

- Dịch vụ khác có liên quan đến xác nhận thông tin liên quan đến kế toán, tài

chính như kiểm toán quyết toán vốn đầu tư, kiểm toán theo nội dung thỏa thuận

trước...

Nhìn chung, trong tất cả những dịch vụ mà KTĐL cung cấp thì kiểm toán

BCTC chiếm tỷ trọng lớn nhất.

Doanh thu ngành KTĐL tăng lên đáng kể qua các năm, trong thời kỳ kinh tế

tăng trưởng ổn định, cứ sau 5 năm doanh thu ngành KTĐL tăng gấp đôi; đến 2015

tổng doanh thu đạt 5.130 tỷ đồng, tăng gấp 17 lần so với năm 2000, cụ thể doanh

thu toàn ngành KTĐL năm 1997 là 144 tỷ đồng, năm 2000 là 281 tỷ đồng, năm

2005 là 622 tỷ đồng (tăng 220% so với năm 2000), năm 2010 là 2.743 tỷ đồng (tăng

25,2% so với năm 2009), năm 2015 là 5.130 tỷ đồng (tăng 87% so với 2010), doanh

thu năm 2017 đạt 6.500 tỷ

Kết quả kinh doanh (lãi sau thuế, lấy số tròn) toàn ngành: năm 2004 là hơn 19,3

tỷ đồng, năm 2005 là gần 24,4 tỷ đồng, năm 2010 lãi gần 90 tỷ đồng, năm 2015 hơn

120 tỷ đồng. Nộp ngân sách nhà nước năm 2004 gần 65 tỷ đồng; năm 2005 hơn 78

tỷ đồng; năm 2010 là 388 tỷ đồng, năm 2015 là 742 tỷ đồng, năm 2017 là 900 tỷ

đồng.

2.2. Khảo sát ảnh hưởng của Big Data đến quá trình phân tích dữ liệu tại các

doanh nghiệp kiểm toán của Việt Nam

2.2.1. Mục tiêu của khảo sát

Cuộc khảo sát đặt ra 37 câu hỏi ở nhiều mức độ nhằm trả lời những câu hỏi sau:

- Khái niệm Big Data, quan điểm về những dữ liệu tạo nên Big Data, vai trò

của Big Data, những lợi ích và thách thức Big Data mang lại cho doanh nghiệp

kiểm toán khi sử dụng nguồn dữ liệu này?

- Đánh giá về mức độ khai thác, sử dụng và khả năng phân tích dữ liệu từ Big

Data tại các doanh nghiệp kiểm toán hiện nay như thế nào?

- Trong những doanh nghiệp kiểm toán hiện nay thì tư duy chiến lược về Big

Data khởi nguồn từ cấp lãnh đạo nào? Kỹ năng về dữ liệu, Big Data có là thách thức

với những doanh nghiệp kiểm toán hiện nay? Nguồn nhân lực phục vụ cho việc đào

tạo, triển khai và thực hiện Big Data có sẵn hay không?

Bảng câu hỏi dựa trên nghiên cứu gốc được triển khai và thực hiện bởi tổ chức

New Vantage Partner từ năm 2012. Chi tiết bảng câu hỏi gốc được đính kèm ở phụ

lục số 1.

2.2.2. Đối tượng khảo sát

Các đối tượng của cuộc khảo sát này là những KTV đang hành nghề tại các

công ty kiểm toán Việt Nam. Danh sách các ứng viên tham gia được trình bày tại

phụ lục số 2.

2.2.3. Phương pháp khảo sát

Để khảo sát ảnh hưởng của Big Data đến quá trình phân tích dữ liệu tại các

doanh nghiệp kiểm toán của Việt Nam, người viết đã tiến hành khảo sát các KTV

trong hơn 100 công ty kiểm toán trên địa bàn thành phố Hồ Chí Minh. Bảng câu hỏi

khảo sát được trình bày ở phụ lục số 3.

Ngày 21 tháng 11 năm 2017 và ngày 22 tháng 12 năm 2017, 120 bảng câu hỏi

đã được gửi cho các KTV trên địa bàn thành phố Hồ Chí Minh, đến ngày 22 tháng

12 năm 2017, người viết nhận lại được 46 bảng câu hỏi, trong đó có 40 bảng câu hỏi

là hợp lệ (các câu hỏi được trả lời đầy đủ và hợp lý).

Sau khi tổng hợp 40 bảng câu hỏi, người viết đã thu được kết quả và trình bày

chi tiết dưới đây.

2.3. Kết quả khảo sát

Với những số liệu thu thập được, người viết sẽ tóm tắt kết quả nghiên cứu thành

bốn phần chính, gồm:

(1) Khái niệm về Big Data

(2) Những nhận định về Big Data

(i) Big Data cải thiện việc ra quyết định dựa vào số liệu;

(ii) Trọng tâm chính khi sử dụng Big Data là hướng đến khách hàng và

giảm thiểu rủi ro;

(iii) Big Data quan trọng ở sự đa dạng (variety) chứ không phải ở dung

lượng (volume);

(iv) Cơ cấu tổ chức trong môi trường Big Data sẽ ảnh hưởng đến thành

công của doanh nghiệp;

(v) Thách thức nhất khi sử dụng Big Data không phải đến từ công nghệ mà

xuất phát từ con người.

(3) Phân tích dữ liệu kiểm toán từ Big Data

(4) Nguồn nhân lực trong những vấn đề liên quan đến Big Data và phân tích dữ

liệu kiểm toán từ Big Data

2.3.1. Khái niệm về Big Data

Để thiết lập cơ sở về Big Data, ngay từ đầu cuộc khảo sát đã đưa ra định nghĩa

về Big Data cho những người tham gia, và 100% người tham gia đều đồng ý với

định nghĩa này:

“Big Data là thuật ngữ dùng để mô tả bộ dữ liệu quá lớn, quá phức tạp hoặc đòi

hỏi quá trình xử lý nhanh, vì vậy khá khó khăn hoặc không thể sử dụng các công cụ

quản lý cơ sở dữ liệu chuẩn hoặc các công cụ phân tích truyền thống, việc thao tác

trên Big Data thường đòi hỏi nhiều phần mềm chạy song song với hàng chục, hàng

trăm, thậm chí hàng ngàn máy chủ. Sự tăng trưởng Big Data thể hiện qua sự bùng

nổ của phương tiện truyền thông xã hội, video, hình ảnh, văn bản phi cấu trúc thu

thập được từ các thiết bị cảm biến phổ biến bao gồm cả điện thoại thông minh.

Những khó khăn liên quan đến Big Data có thể kể đến như lưu trữ, tìm kiếm, chia

sẻ, phân tích và hình dung dữ liệu. Có thể nói, dữ liệu khi được xem là Big Data thì

có thể khác nhau tùy thuộc vào năng lực của từng doanh nghiệp.”

Nội dung cuộc khảo sát đề cập đến quy mô dữ liệu là bao nhiêu để được xem là

Big Data (hình 2.1) và loại dữ liệu nào được xem là Big Data (hình 2.2).

Dữ liệu < 1 terabyte

7,5%

Dữ liệu từ 1 terabyte - 100 terabytes

12,5%

Dữ liệu từ 100 terabytes - 1 petabytes

10,0%

Dữ liệu > 1 petabytes

7,5%

Kiểu dữ liệu mới, dữ liệu trực tuyến

37,5%

Dữ liệu đến từ nhiều nguồn khác nhau

75,0%

Hình 2.1: Kích thước dữ liệu được xem là Big data

Kết quả cho thấy hầu hết những người được khảo sát đều cho rằng dữ liệu được

xem là Big Data thì không nhất thiết phải là những dữ liệu đo bằng các số liệu cụ

thể với dung lượng là bao nhiêu, mà nó có thể là bất cứ dữ liệu nào xuất hiện trong

quá trình hoạt động của doanh nghiệp, đó chính là nền tảng tạo nên Big Data.

77,5%

62,5%

55,0%

47,5%

42,5%

37,5%

35,0%

Các giao dịch nghiệp vụ

Lịch sử dữ liệu đã truy cập

Dữ liệu phi cấu trúc (email, tài liệu…)

Dữ liệu âm thanh

Thông tin xã hội (Facebook, Twitter…)

Dữ liệu phần tử/máy móc/thiết bị

Dữ liệu vị trí/không gian

Dữ liệu khoa học/hệ gen

Dữ liệu hình ảnh

Hình 2.2: Dữ liệu thuộc Big Data

Hình 2.2 cho thấy Big Data chứa đựng tất cả các dữ liệu có liên quan ở bên

trong (các giao dịch nghiệp vụ, email, tài liệu) và ngoài doanh nghiệp (thông tin xã

hội) nhưng chủ yếu KTV sẽ quan tâm đến tiêu chuẩn và cấu trúc của dữ liệu phi cấu

trúc, đa phương tiện và biểu đồ khi nói về Big Data, kết quả khảo sát được thể hiện

ở hình 2.3.

92,50%

67,50%

55%

37,50%

25%

12,50%

2,50% 2,50%

XML

Biểu đồ

Độc quyền

Chuỗi thời gian

Flat file Relational Dữ liệu phi cấu trúc

Đa phương tiện

Hình 2.3: Những tiêu chuẩn và cấu trúc được quan tâm khi nói về Big Data

Chú thích:

Flat file: các ứng dụng lưu trữ dữ liệu lên các tập tin dạng văn bản

Relational: cho phép dữ liệu được lưu trữ trong nhiều bảng ở dạng tập tin đơn

lẻ có quan hệ với nhau bằng các trường dữ liệu dùng chung gọi là khoá

Dữ liệu phi cấu trúc: chỉ những dữ liệu không nằm trong cơ sở dữ liệu cột hàng

truyền thống, thường bao gồm nội dung văn bản và đa phương tiện

XML: mục đích tạo ra các ngôn ngữ đánh dấu khác, có thể mô tả nhiều loại dữ

liệu khác nhau nên rất hữu ích trong việc chia sẻ dữ liệu giữa các hệ thống

Kết quả từ hình 2.3 cho thấy có sự phù hợp giữa lựa chọn của những người

được khảo sát với định nghĩa ban đầu được đưa ra khi những dạng dữ liệu như dữ

liệu phi cấu trúc, đa phương tiện ngày càng phổ biến và nhận được nhiều sự quan

tâm khi đề cập đến Big Data.

Big Data hiện nay đang được xem xét trên một phạm vi rộng lớn và hầu như ở

tất cả mọi lĩnh vực điều có sự hiện diện của Big Data, do đó khi tìm hiểu thực tiễn

những doanh nghiệp kiểm toán, có thể thấy rất nhiều chức năng đã và đang sử dụng

Big Data và phân tích dữ liệu, chẳng hạn như marketing, dịch vụ khách hàng, quản

lý rủi ro… trong hoạt động thường ngày (hình 2.4).

Hình 2.4: Những chức năng trong doanh nghiệp sử dụng Big Data và phân tích dữ liệu

42,50%

27,50%

52,50%

35%

40%

67,50%

47,50%

40%

Khác Quản lý rủi ro Quản lý hoạt động Công nghệ thông tin Phát triển/Quản lý sản phẩm Dịch vụ khách hàng Phân tích thị trường và khách hàng Quản lý gian lận Marketing Thương mại điện tử

52,50%

Theo nghiên cứu của Ernst & Young (2014), ý tưởng dùng dữ liệu để tạo ra giá

trị kinh doanh không phải là mới, tuy nhiên việc sử dụng hiệu quả dữ liệu đang trở

thành cơ sở cạnh tranh giữa các doanh nghiệp với nhau, bản thân mỗi doanh nghiệp

luôn muốn rút ra những hiểu biết sâu sắc từ thông tin thu thập để đưa ra các quyết

định dựa trên thực tế tốt hơn, thông minh hơn, theo thời gian thực tế phát sinh. Do

đó, nghiên cứu này cũng đã tìm hiểu thực tế về tính phù hợp, chính xác và đúng thời

điểm của dữ liệu tại các doanh nghiệp kiểm toán của Việt Nam, kết quả được thể

hiện ở hình 2.5 như sau:

55,0%

20,0%

17,5%

5,0%

2,5%

Chưa đầy đủ

Khá đầy đủ

Chỉ ở mức tối thiểu

Rất đầy đủ Được xem như chuyên nghiệp

Hình 2.5: Đánh giá tính phù hợp, chính xác và đúng thời điểm của dữ liệu

Kết quả thể hiện hơn một nửa câu trả lời đánh giá khi tiếp cận đến tính phù hợp,

chính xác và đúng thời điểm của dữ liệu là “chưa đầy đủ”, và chỉ có 20% số người

xếp hạng khả năng tiếp cận dữ liệu tại doanh nghiệp của họ là “rất đầy đủ” hoặc

“được xem như chuyên nghiệp”, đây rõ ràng là một tín hiệu không khả quan hiện

nay, bởi vì dữ liệu là yếu tố đầu tiên trong chuỗi những hoạt động dựa vào dữ liệu

để cạnh tranh, một khi khả năng tiếp cận đến dữ liệu không đảm bảo thì quá trình

xử lý và phân tích dữ liệu sẽ không kịp thời, kết quả sẽ không có để sẵn sàng cho

những quyết định trong hoạt động kinh doanh. Tuy nhiên, cho dù khả năng tiếp cận

dữ liệu tại các doanh nghiệp kiểm toán được xếp hạng là “chỉ ở mức tối thiểu” hay

“được xem như chuyên nghiệp” thì tất cả những người được khảo sát đều cho rằng

dữ liệu từ Big Data đang ảnh hưởng lớn đến hoạt động kinh doanh của họ với 95%

ý kiến cho rằng vai trò của Big Data là một phần quan trọng của hệ thống sản xuất

kinh doanh tại doanh nghiệp, nghĩa là Big Data không tác động riêng lẻ lên một

hoạt động hay từng bộ phận, cá nhân nào, mà nó bao trùm lên toàn doanh nghiệp, từ

việc lập kế hoạch kinh doanh, kế hoạch kiểm toán đến cung cấp dịch vụ, hay đi vào

từng nghiệp vụ cụ thể … (hình 2.6).

2,50%

Chỉ lập kế hoạch

2,50%

Bằng chứng đánh giá

Công nghệ bảo vệ máy tính

Nền tảng của tri thức kinh doanh Là một phần quan trọng của hệ thống hoạt động kinh doanh Hệ thống sản xuất tự động 24/7

95%

Khác

Hình 2.6: Vai trò của Big Data trong doanh nghiệp

Các doanh nghiệp rõ ràng mong muốn sẽ có những giá trị được tạo ra từ Big

Data, nhưng hiện nay để đo lường được sự thành công khi ứng dụng Big Data thì

vẫn còn những quan điểm khác nhau. Có đến 85% người được khảo sát cho rằng

các thước đo định tính hoặc định lượng gắn liền với hiệu suất công nghệ thông tin

(ví dụ: số lượng người dùng/truy cập vào phần mềm, sự hài lòng của người dùng

với những thông tin thu thập được từ phần mềm…) mới là thước đo để đánh giá sự

thành công khi ứng dụng Big Data (hình 2.7), điều này là dễ hiểu bởi khi nhắc đến

Big Data, đa số mọi người sẽ nghĩ ngay đến những ảnh hưởng sâu sắc từ cuộc cách

mạng công nghiệp 4.0, từ các công cụ mạng xã hội, từ những trào lưu số… mà

những yếu tố này chính là biểu hiện của một nền công nghệ thông tin phát triển.

2,5%

Không có phương pháp đo lường cụ thể

42,5%

Thước đo định tính gắn liền với hiệu suất công nghệ thông tin

40,0%

Thước đo định lượng gắn liền với hiệu suất công nghệ thông tin

15,0%

Thước đo định tính gắn liền với hiệu quả kinh doanh

30,0%

Thước đo định lượng gắn liền với hiệu quả kinh doanh

Hình 2.7: Thang đo đánh giá sự thành công khi ứng dụng Big Data

2.3.2. Những nhận định về Big Data

2.3.2.1. Big Data giúp cải thiện việc ra quyết định dựa vào số liệu

Big Data xuất hiện và đang được tìm hiểu, thử nghiệm hoặc ứng dụng tại các

doanh nghiệp nói chung và doanh nghiệp kiểm toán nói riêng, mặc dù khả năng

phân tích và sử dụng dữ liệu còn hạn chế nhưng tất cả điều tin rằng Big Data sẽ có

những tác động tích cực đến hoạt động kinh doanh, lý do chính mà các doanh

nghiệp kiểm toán quan tâm và hứa hẹn sẽ đầu tư mạnh vào Big Data là vì Big Data

giúp nâng cao khả năng phân tích và đưa ra quyết định kịp thời, chính xác hơn bởi

vì có nhiều nghiên cứu đã chỉ ra rằng Big Data và phân tích dữ liệu giúp KTV xác

định tốt hơn các rủi ro kinh doanh và gian lận trên BCTC. Tất cả được minh chứng

bằng những số liệu thể hiện trong hình 2.8, kết quả khảo sát cho thấy một trong

những lợi ích mà Big Data mang lại được hầu hết KTV lựa chọn đó là việc ra quyết

định tốt hơn, có cơ sở hơn (72.5%).

87,5%

72,5%

65,0%

57,5%

52,5%

45,0%

Tăng doanh số

Giảm thiểu rủi ro

Cải tiến nhiều sản phẩm mới

Cải thiện những trải nghiệm cho khách hàng

Hoạt động kinh doanh hiệu quả hơn

Việc ra quyết định tốt hơn, có cơ sở hơn

Chất lượng sản phẩm và dịch vụ cung cấp tốt hơn

Hình 2.8: Những lợi ích mong muốn Big Data mang lại

2.3.2.2. Trọng tâm chính khi sử dụng Big Data là hướng đến khách hàng và

giảm thiểu rủi ro

Tiềm năng của việc sử dụng công nghệ, của Big Data, đặc biệt là phân tích dữ

liệu có thể vượt ra ngoài phạm vi của kiểm toán truyền thống, nó cung cấp cho KTV

hành nghề và các doanh nghiệp kiểm toán những cơ hội để giao dịch với khách

hàng thông qua hàng loạt các dịch vụ theo những cách sáng tạo mới, truyền thông

với khách hàng sẽ được tăng cường vì các vấn đề quan trọng sẽ được lưu ý trong

quá trình kiểm toán và khách hàng có thể xem dữ liệu hàng ngày của họ được phân

tích theo những cách mới, tạo ra một cái nhìn mới và tạo cơ hội để hiểu thông tin

theo góc độ khác. Kết quả cuộc khảo sát cho thấy ngoài lợi ích giúp việc ra quyết

định tốt hơn, có cơ sở hơn thì Big Data còn giúp cải thiện những trải nghiệm cho

khách hàng (hình 2.8). Bên cạnh đó, với những cơ hội đa dạng mà Big Data và phân

tích dữ liệu mang lại như đã nêu, sự tập trung vào việc quản lý mối quan hệ với

khách hàng cũng được nhấn mạnh khi khảo sát đến những miền dữ liệu mà theo

KTV sẽ tập trung nhiều nhất trong Big Data, trên 70% người trả lời cho rằng đó là

các giao dịch với khách hàng trong khi dữ liệu về sản phẩm/dịch vụ cung ứng, phát

hiện gian lận… chiếm tỷ lệ không đến 30% (hình 2.9).

Những dữ liệu chuyên ngành khác

Phát hiện gian lận

23%

Dữ liệu về sản phẩm, dịch vụ cung ứng

15%

Dữ liệu về thị trường và cạnh tranh

35%

Các giao dịch với khách hàng

72,50%

Dữ liệu khách hàng/ Khách hàng tiềm năng

52,50%

Hình 2.9: Những miền dữ liệu tập trung nhiều trong Big Data

Do đặc điểm nghề nghiệp, KTV luôn cần phải tuân thủ các yêu cầu về đạo đức

nghề nghiệp và tính độc lập khi giao dịch với khách hàng để cung cấp dịch vụ một

cách có hiệu quả, nên việc hiểu biết về khách hàng là một trong những công việc

đầu tiên của quá trình kiểm toán. Thật vậy, Big Data và phân tích dữ liệu sẽ cung

cấp thêm thông tin để đánh giá những rủi ro có nguy cơ xảy ra trong hoạt động của

doanh nghiệp (hình 2.10), điều này rất có ý nghĩa với KTV khi thực hiện các thủ tục

đánh giá rủi ro trong quá trình kiểm toán như quy định của các CMKT.

2,50%

12,50%

7,50%

35%

42,50%

Khác

Bảo mật

Quyền riêng tư

Rủi ro hoạt động

Rủi ro thực hiện

Hình 2.10: Các lĩnh vực được quan tâm trong Big Data

Bên cạnh các kết quả trên, khi hỏi những người được khảo sát về cơ hội lớn

nhất nếu doanh nghiệp sử dụng Big Data thì có đến một nửa trong số những câu trả

lời cho rằng chính những hiểu biết của khách hàng hoặc trải nghiệm của khách hàng

sẽ mang lại cơ hội lớn nhất cho doanh nghiệp, một trong những câu trả lời của

những người được khảo sát về vấn đề này là:

- Phân tích dữ liệu tư Big Data giúp doanh nghiệp hiểu những hoạt động, xu

hướng mới của khách hàng;

- Big Data giúp tăng uy tín doanh nghiệp, giữ chân được khách hàng;

- Tiềm năng lớn nhất có thể thấy được đó là hiểu xu hướng và những vấn đề

mà khách hàng cần đến doanh nghiệp để giải quyết;

- Big Data tạo cơ hội lớn nhất đó là nắm bắt được nhu cầu của khách hàng,

cung cấp cho họ những dịch vụ vượt trội với giá phí ổn định và hợp lý.

2.3.2.3. Big Data quan trọng ở sự đa dạng (variety) chứ không phải ở dung

lượng (volume)

Kết hợp những kết quả thu được từ cuộc khảo sát cho thấy Big Data có thể tồn

tại dưới rất nhiều dạng dữ liệu như văn bản, email, dữ liệu phi cấu trúc, đa phương

tiện, truyền thông xã hội…(hình 2.2) và không cần thiết phải đo lường bằng những

đại lượng dung lượng cụ thể (hình 2.1), do đó vấn đề mà các doanh nghiệp kiểm

toán đang gặp phải không đến từ dung lượng lớn của dữ liệu mà là sự đa dạng của

nó, các KTV quan tâm đến khả năng phân tích các nguồn dữ liệu đa dạng và các

kiểu dữ liệu mới phát sinh có đủ để giúp họ theo kịp với sự thay đổi nhanh chóng,

mạnh mẽ của dữ liệu hay không. 60% ý kiến trả lời cho rằng chính sự tích hợp

nhiều dạng dữ liệu khác nhau là thách thức quan trọng nhất cần được giải quyết,

trong khi chỉ 17.5% cho rằng thách thức đến từ việc lưu trữ một khối lượng lớn dữ

liệu (hình 2.11). Điều này cũng phù hợp với nội dung trả lời cho câu hỏi “thách thức

lớn nhất khi doanh nghiệp sử dụng Big Data”, như là:

- Vấn đề doanh nghiệp gặp phải là có quá nhiều nguồn dữ liệu để chọn lựa và

sử dụng;

- Tốc độ thay đổi chóng mặt của dữ liệu là thách thức mà mọi doanh nghiệp

điều phải ứng phó nếu không muốn bị bỏ lại phía sau;

- Dữ liệu có cấu trúc và không có cấu trúc, video, hình ảnh đa phương tiện,

Facebook, Zalo… có quá nhiều dữ liệu để sàn lọc và sử dụng, sẽ rất khó khăn để

nhận biết dữ liệu nào thật sự cần thiết cho doanh nghiệp của mình;

- Có quá nhiều dữ liệu đến từ nhiều nguồn khác nhau, mỗi dữ liệu là một kiểu

thông tin, do đó rất khó khăn để lựa chọn và tin tưởng vào nguồn dữ liệu nào;

- Lưu trữ dữ liệu là một trong những thách thức.

10,0%

Phải có sự hiểu biết về dữ liệu trực tuyến

52,5%

Sử dụng nhiều dữ liệu phi cấu trúc, yêu cầu dữ liệu chi tiết hơn

Lưu trữ một khối lượng lớn dữ liệu

17,5%

37,5%

Phải kết hợp với những dữ liệu hiện tại và quá khứ

Đánh mất dữ liệu

25,0%

60,0%

Tính đa dạng vì tích hợp nhiều dạng dữ liệu khác nhau

Hình 2.11: Những thách thức khi sử dụng Big Data

2.3.2.4. Cơ cấu tổ chức trong môi trường Big Data sẽ ảnh hưởng đến thành

công của doanh nghiệp

Những lựa chọn của người được khảo sát thể hiện ở hình 2.4 cho thấy rằng Big

Data không tồn tại riêng biệt ở một bộ phận hay chức năng nào mà “tích hợp” nhiều

dữ liệu trên diện rộng trong toàn bộ doanh nghiệp, chính điều này đòi hỏi cần có sự

liên kết và phối hợp giữa các phòng, ban trong tổ chức để việc truy cập, phân tích

và áp dụng kết quả từ dữ liệu nhanh chóng, chính xác hơn.

Khi khảo sát về những vấn đề liên quan đến việc nghiên cứu – phát triển - ứng

dụng Big Data chịu sự tác động của bộ phận nào trong doanh nghiệp thì có đến hơn

80% người khảo sát cho rằng cần có sự hợp tác của nhiều bộ phận trong doanh

nghiệp, cụ thể là bộ phận công nghệ thông tin và những bộ phận khác liên quan

(hình 2.12), bởi vì khi công nghệ phát triển, nó sẽ thúc đẩy sự thay đổi các mô hình

kinh doanh làm những doanh nghiệp không có sự chuẩn bị trước bị bất ngờ, buộc

họ phải thay đổi chiến lược và cách thức hoạt động, do đó sự phối kết hợp đúng đắn

giữa con người và công nghệ theo một quy trình hợp lý, một cơ cấu linh hoạt sẽ tận

dụng được những lợi thế từ Big Data, tạo dựng sự thành công cho doanh nghiệp.

Hình 2.12: Những bộ phận trong doanh nghiệp tham gia nghiên cứu - phát triển - ứng dụng Big Data

5,0% 2,5%

12,5%

Chủ yếu từ bộ phận IT

Hợp tác giữa bộ phận IT và những bộ phận khác

80,0%

Từ những bộ phần khác không phải IT

Không có nhân viên nào

Có một số ý kiến nêu ra những thách thức liên quan đến cơ cấu doanh nghiệp

ảnh hưởng đến quá trình sử dụng dữ liệu, như:

- Khả năng tiếp cận dữ liệu tại doanh nghiệp còn thấp nên muốn hiểu rõ một

vấn đề nào đó cần có sự phối kết hợp với nhiều cá nhân tại nhiều bộ phận khác, điều

này gây mất thời gian và tốn thêm chi phí;

- Chưa có sự phân công cụ thể trong công việc;

- Chỉ có một số người kiêm nhiệm những công việc thuộc về công nghệ thông

tin, số còn lại hầu như có ít chuyên môn về công nghệ.

2.3.2.5. Thách thức nhất khi sử dụng Big Data không phải đến từ công nghệ

mà xuất phát từ con người

Có thể nói Big Data phát triển sẽ mang lại nhưng cơ hội thú vị, đem đến câu trả

lời hợp lý và chất lượng cho rất nhiều câu hỏi, nhưng bản thân Big Data cũng là một

thách thức buộc những ai quan tâm cần đầu tư thời gian và công sức để truy cập và

hiểu được nguồn dữ liệu nào là cần thiết và thích hợp cho doanh nghiệp trong việc

tạo ra giá trị, sẽ khá khó khăn nếu không có đủ năng lực và trình độ chuyên môn

cần thiết, nhất là đối với các doanh nghiệp vừa và nhỏ vì yếu tố chi phí đầu tư phát

triển công nghệ và đào tạo nhân viên sẽ vượt quá các nguồn lực của những tổ chức

này, khiến việc áp dụng kiến thức về phân tích dữ liệu sẽ bị hạn hẹp. Những KTV

được khảo sát đã nêu ra rất nhiều yếu tố tạo nên thách thức để sử dụng dữ liệu được

hiệu quả hơn, như:

- Không có đủ chi phí và nguồn lực theo đuổi những công nghệ mới;

- Thiếu kiến thức về những thay đổi mang tính thời đại, đặc biệt trong lĩnh vực

công nghệ thông tin;

- Đối với nhiều người, Big Data vẫn còn là những khái niệm mơ hồ, thậm chí

khó hiểu, khó hình dung và vận dụng trong thực tế;

- Mọi hiểu biết về Big Data điều là giới hạn khi mà sự thay đổi của dữ liệu quá

khổng lồ và nhanh chóng.

Thực tế cho thấy nhiều doanh nghiệp đang “chạy đua” để tìm kiếm và tạo ra

những quy trình, cách thức nhằm thúc đẩy và tận dụng những lợi ích mà Big Data

mang lại, vấn đề mấu chốt là mặc dù những doanh nghiệp lớn với rất nhiều nhân

viên hay chỉ là doanh nghiệp vừa và nhỏ với vài chục nhân sự thì khi đánh giá số

nhân viên có năng lực chuyên môn về phân tích, mô hình hóa, khai thác dữ liệu…

thì chỉ nhận được phương án thấp nhất là 50 hoặc ít hơn (hình 2.13).

> 1000

501 - 1000

251 - 500

101 - 250

51 - 100

2,50%

<= 50

97,50%

Hình 2.13: Số lượng nhân viên trong đơn vị có năng lực chuyên môn về phân tích, mô hình hóa, khai thác dữ liệu

Một khảo sát khác về việc tìm kiếm nhân sự có kỹ năng phân tích dữ liệu, kỹ

năng về quản lý công nghệ thông tin nói chung và kỹ năng về Big Data nói riêng có

gặp khó khăn hay không thì câu trả lời nhận được là có đến hơn 70% cho rằng “khó

khăn” hoặc “rất khó khăn” (hình 2.14).

40,0%

37,5%

32,5%

22,5%

17,5%

7,5%

2,5%

0,0%

Không gặp khó khăn

Khó khăn trong việc tìm kiếm

Rất khó tìm hoặc thuê nhân sự mới

Hơi khó khăn nhưng vẫn tuyển dụng được

Không thể tìm hoặc thuê nguồn lực thay thế

Đánh giá việc tìm kiếm nhân sự có kỹ năng phân tích dữ liệu

Đánh giá kỹ năng quản lý công nghệ thông tin và Big Data

Hình 2.14: Đánh giá việc tìm kiếm nhân sự có kỹ năng về phân tích dữ liệu và kỹ năng quản lý công nghệ thông tin, Big Data

Ngoài ra, khi đề cập đến vấn đề con người hay công nghệ thực sự mang lại thử

thách cho doanh nghiệp thì những người được khảo sát có nêu ra những nhận định

là thách thức về vấn đề này như sau:

- Rất khó để tìm kiếm được những nhân viên hiểu và phân tích được dữ liệu;

- Nhân viên đơn vị vẫn chưa được đào tạo bài bản để đối phó với những thay

đổi nhanh chóng của công nghệ và dữ liệu;

- Dữ liệu và công cụ sử dụng dữ liệu chưa tương xứng với nhau;

- Doanh nghiệp có thể bỏ vốn để đầu tư những trang thiết bị mới hiện đại,

những dây chuyền tiên tiến, những công nghệ mới nhất nhưng để đào tạo hay tuyển

dụng nhân viên có đủ năng lực để sử dụng hiệu quả chúng thì thực sự khó khăn.

2.3.3. Phân tích dữ liệu kiểm toán từ Big Data

Phân tích dữ liệu đang dần là xu thế trong hoạt động kiểm toán vì những lợi ích

mà nó mang lại. Cùng với sự phát triển mạnh mẽ của Big Data, trong tương lai

không xa, phân tích dữ liệu sẽ là một trong những thủ tục kiểm toán chính mà mỗi

KTV và doanh nghiệp kiểm toán cần thực hiện khi cung cấp dịch vụ cho khách

hàng của mình, các tiến bộ về công nghệ cho phép KTV phân tích dữ liệu kiểm toán

theo nhiều cách mới khác nhau, chẳng hạn như việc khảo sát các bộ dữ liệu quan

trọng có liên quan đến cuộc kiểm toán từ các nguồn bên trong và bên ngoài của

khách hàng, tìm kiếm bằng chứng kiểm toán được sử dụng trong quá trình đánh giá

rủi ro, xác định trọng yếu, các thử nghiệm kiểm soát và thử nghiệm cơ bản. Những

KTV tham gia trả lời khảo sát cho rằng lợi ích rõ ràng nhất mà Big Data đem lại

trong phân tích dữ liệu đó chính là có nhiều nhận thức và khám phá mới (hình 2.15),

điều này phù hợp với những đặc điểm về Big Data mà nội dung chương 1 đã đề cập

đến.

63%

41%

32%

Có nhiều nhận thức và khám phá mới

Việc phân tích được thực hiện nhanh hơn một cách đáng kể

Có nhiều mô hình chính xác hơn và thông tin chi tiết hơn

Hình 2.15: Lợi ích Big Data mang lại cho phân tích dữ liệu

Kết quả khảo sát cho thấy khả năng phân tích dữ liệu của các doanh nghiệp

kiểm toán tại Việt Nam hiện nay vẫn chưa cao (hình 2.16) khi có đến 42.5% ý kiến

cho rằng còn “chưa đầy đủ” hoặc “chỉ ở mức tối thiểu”, điều này cũng là một trong

những ý kiến mà các KTV đã nêu ra trong bảng khảo sát khi được hỏi về những

thách thức khi sử dụng Big Data:

- KTV chỉ thực hiện những thủ tục phân tích cần thiết khi kiểm toán BCTC mà

không quan tâm đến những khái niệm như Big Data, phân tích dữ liệu…

- Khái niệm phân tích dữ liệu từ Big Data còn khá mơ hồ, thường gây nhầm

lần rằng đó là thủ tục phân tích bình thường.

- KTV chưa được đào tạo một lớp kỹ năng nào về phân tích dữ liệu, đặc biệt là

phân tích Big Data.

63%

41%

32%

Có nhiều nhận thức và khám phá mới

Việc phân tích được thực hiện nhanh hơn một cách đáng kể

Có nhiều mô hình chính xác hơn và thông tin chi tiết hơn

Hình 2.15: Lợi ích Big Data mang lại cho phân tích dữ liệu

40,0%

37,5%

12,5%

5,0%

Chưa đầy đủ

Khá đầy đủ

Chỉ ở mức tối thiểu

Rất đầy đủ Được xem như chuyên nghiệp

Hình 2.16: Đánh giá khả năng phân tích dữ liệu của doanh nghiệp

Các KTV cho rằng họ thường sử dụng Big Data khi phân tích dữ liệu dạng văn

bản hay phân tích nhiều bộ dữ liệu khác nhau (hình 2.17) và điều này giúp khả năng

thực hiện các thuật toán hiện có nhanh hơn, phân tích văn bản và phân tích mạng xã

hội - là những chức năng quan trọng khi phân tích Big Data (hình 2.18).

Khác

20%

Phân tích dữ liệu bên ngoài doanh nghiệp

Phân tích nhiều bộ dữ liệu khác nhau

37,50%

Phân tích những bộ dữ liệu rất lớn

22,50%

Phân tích các mối quan hệ

30%

Phân tích dữ liệu dạng văn bản

42,50%

10%

Đưa ra những cảnh báo và phân tích về thời gian thực

Hình 2.17: Các loại phân tích thường sử dụng Big Data

40%

37,50%

32,50%

22,50%

15%

7,50%

Khác

Diễn họa dữ liệu

Phân tích văn bản

Thuật toán phân tích nâng cao

Phân tích mạng xã hội

Thực hiện các thuật toán hiện có

Thực hiện các thuật toán hiện có trên bộ dữ liệu lớn hơn

Hình 2.18: Những chức năng quan trọng khi phân tích Big Data

Bảng khảo sát cũng thu thập ý kiến của KTV về việc họ sử dụng công cụ phân

tích nào hiện nay và câu trả lời chủ yếu là các gói thống kê hoặc toán học (57.5%),

sau đó là các phẩm khác như diễn họa dữ liệu (27.5%), các gói sản phẩm phân tích

theo đơn đặt hàng cụ thể (40%) và lựa chọn khác (37.5%).

Thực tế cho thấy các công ty kiểm toán lớn hiện nay đã dành những khoản đầu

tư đáng kể để phát triển các công cụ và phương pháp liên quan đến phân tích dữ

liệu, tuy nhiên những doanh nghiệp vừa và nhỏ vẫn chưa có những chú trọng đáng

kể vào lĩnh vực này bởi sự đòi hỏi rất lớn về nguồn nhân lực, phần cứng và phần

mềm, khả năng thực hiện. Mặt khác, chính sự kỳ vọng của nhà đầu tư, ủy ban kiểm

toán, nhà quản lý, các bên liên quan khác và thậm chí là các khách hàng về việc sử

dụng những tiến bộ công nghệ trong kiểm toán đang phát triển nhanh chóng và họ

đánh giá cao những lợi ích mà phân tích dữ liệu mang lại, vì vậy việc những doanh

nghiệp vừa và nhỏ sử dụng công nghệ trong phân tích dữ liệu rất được mong đợi.

Khi các doanh nghiệp vừa và nhỏ không đủ nguồn lực để phát triển các công cụ

phân tích dữ liệu hữu hiệu, hầu hết sẽ lựa chọn phương án đặt hàng từ đối tác khi có

dự định phát triển các ứng dụng phân tích (hình 2.19), do vậy họ có thể xử lý và

phân tích dữ liệu cũng như sử dụng các công cụ cơ sở dữ liệu chung đơn giản nhưng

mạnh mẽ với các chức năng được thiết kế sẵn và phù hợp cho KTV, điều này có

nghĩa những phát kiến mới về Big Data được bố trí và quản lý không chỉ bên trong

nội bộ doanh nghiệp mà còn có sự giúp đỡ từ bên thứ ba (hình 2.20).

45%

27,50%

20%

2,50%

Khác

Mua từ bên thứ ba Đặt hàng từ đối tác Tự phát triển các sản phẩm đáp ứng nhu cầu

Hình 2.19: Nguồn gốc các ứng dụng phân tích

2,50%

15%

82,50%

Chỉ trong nội bộ doanh nghiệp

Chủ yếu nội bộ doanh nghiệp, với sự giúp đỡ của bên thứ ba

Chủ yếu từ bên thứ ba với sự chỉ đạo và giám sát của doanh nghiệp

Từ bên thứ ba với sự giám sát tối thiểu

Không biết

Khác

Hình 2.20: Cách bố trí và quản lý những phát kiến mới về Big Data và phân tích dữ liệu

2.3.4. Nguồn nhân lực trong những vấn đề liên quan đến Big Data và phân

tích dữ liệu kiểm toán

2.3.4.1. Nhà lãnh đạo

Big Data trong doanh nghiệp rõ ràng nhận được sự quan tâm từ nhiều cấp lãnh

đạo, hơn 80% người được khảo sát đều cho rằng những nhà quản lý cấp cao chính

là những người có mối quan tâm đặc biệt về Big Data thể hiện qua tư duy chiến

lược của doanh nghiệp (hình 2.21), đồng thời cũng chính họ là người chỉ đạo và giải

quyết những vấn đề phát sinh liên quan đến Big Data trong doanh nghiệp (hình

2.22).

5,0% 2,5%

Hình 2.22: Người chỉ đạo những vấn đề liên quan đến Big Data

10,0%

12,5%

82,5%

85,0%

Giám đốc/Tổng giám đốc

Chủ nhiệm kiểm toán

Trưởng phòng IT

Kiểm toán viên chính

Chủ nhiệm kiểm toán

Trợ lý kiểm toán

Kiểm toán viên

Hình 2.21: Tư duy chiến lược - mối quan tâm về Big Data được thể hiện từ cấp lãnh đạo 2,5% 0,0%

Cũng theo số liệu thể hiện ở hình 2.22, có đến 72% người được khảo sát cho

rằng các tại các doanh nghiệp hiện nay thì người chỉ đạo những vấn đề liên quan

đến Big Data là giám đốc hoặc tổng giám đốc, chính là cấp lãnh đạo cao nhất trong

đơn vị, điều này thể hiện phạm vi ảnh hưởng của Big Data sẽ rất rộng lớn, không

chỉ ở riêng một phòng ban hay bộ phận nào mà sẽ liên quan, kết nối cho cả doanh

nghiệp. Với phạm vi tiếp cận rộng như vậy có nghĩa là quyền sở hữu và trách nhiệm

đối với các dự án liên quan đến dữ liệu sẽ không còn là trách nhiệm riêng của bất kỳ

cá nhân nào, chính vai trò và sự phân công hợp tác rõ ràng trong tổ chức sẽ là yếu tố

quyết định đến sự thành công. Kết quả khảo sát thể hiện ở hình 2.13 cũng khẳng

định hơn nữa nhu cầu hợp tác và lãnh đạo giữa các chức năng với nhau.

Bên cạnh đó, những người được khảo sát khi đánh giá về khả năng của các nhà

điều hành và lãnh đạo về việc sử dụng dữ liệu và khả năng phân tích để cải thiện

hoặc chuyển đổi doanh nghiệp thì có đến hơn 40% cho rằng vẫn chưa đầy đủ hoặc ở

mức tối thiểu, chỉ có 17.5% cho rằng rất đầy đủ và chuyên nghiệp (hình 2.23).

40%

37,50%

12,50%

Chưa đầy đủ

Khá đầy đủ

Chỉ ở mức tối thiểu

Rất đầy đủ Được xem như chuyên nghiệp

Hình 2.23: Đánh giá khả năng sử dụng và phân tích dữ liệu để cải thiện hoặc chuyển đổi doanh nghiệp của nhà điều hành và lãnh đạo

Mặc dù thừa nhận nhu cầu cần thiết phải hợp tác giữa các thành viên trong tổ

chức để kết hợp với nhau từ lúc hình thành ý tưởng đến khi triển khai Big Data thì

vẫn còn những vấn đề cần giải quyết để đảm bảo sự linh hoạt trong kinh doanh và

đáp ứng nhu cầu của thị trường, đây cũng được xem như một thách thức để doanh

nghiệp cân nhắc cách tổ chức, sắp xếp nhằm “chia sẻ tài nguyên” một cách hiệu quả

nhất. Một số ý kiến cho rằng năng lực về khoa học dữ liệu của những nhà điều hành

thực tế cũng mang lại khá nhiều thách thức, cụ thể:

- Tư duy chậm thay đổi của ban giám đốc làm hạn chế việc vận dụng những

thành tựu khoa học mới trong công việc.

- Ban lãnh đạo công ty chưa thật sự đầu tư vào Big Data và phân tích dữ liệu.

- Lãnh đạo công ty khá lớn tuổi nên khả năng cập nhật những cái mới không

nhanh, những công cụ mới chưa được đầu tư để phục vụ công việc.

Bởi vì ban giám đốc được xem như “đầu tàu” trong doanh nghiệp, đặc biệt là

doanh nghiệp kiểm toán, với kiến thức, kinh nghiệm và uy tín của mình sẽ tác động

mạnh mẽ đến tất cả những cá nhân còn lại nên nhận thức của họ về Big Data là vô

cùng quan trọng. Thực tế khi được hỏi về vấn đề thách thức để tìm kiếm những nhà

quản lý kinh doanh/giám đốc điều hành có thể nhận dạng và tận dụng các cơ hội

kinh doanh từ Big Data thì có đến 52.5% người được khảo sát cho rằng rất khó tìm

hoặc thuê, 35% cho rằng thách thức, chỉ có 2.5% cho rằng không gặp khó khăn

trong việc tìm kiếm nguồn lực có chuyên môn (hình 2.24).

52,50%

35%

10%

2,50%

Ít thách thức

Thách thức

Không gặp khó khăn

Rất khó tìm hoặc thuê

Không thể tuyển dụng được

Hình 2.24: Đánh giá việc tìm kiếm những nhà quản lý/giám đốc điều hành có thể nhận dạng và tận dụng các cơ hội kinh doanh từ Big Data

Kết quả khảo sát cho thấy thực tế có một khoản trống trong kỹ năng của các nhà

lãnh đạo doanh nghiệp kiểm toán về việc nhận dạng và tận dụng các cơ hội mà Big

Data mang lại trong kinh doanh.

2.3.4.2. Bộ phận công nghệ thông tin

Như đã giải thích ở chương 1, trong xu thế phát triển của công nghệ thì vai trò

của bộ phận công nghệ thông tin (các nhà thiết kế hệ thống thông tin và các KTV

công nghệ thông tin) ngày càng chiếm một phần quan trọng trong các doanh nghiệp,

trong đó có doanh nghiệp kiểm toán. Trong khi Big Data chứa đựng tiềm năng lớn

để gia tăng hiệu quả kinh doanh nhưng thực tế nguồn năng lực về Big Data trong

các doanh nghiệp đang khá thiếu, chính điều này đã gây khó khăn để phát triển và

ứng dụng các sáng kiến về Big Data. Khảo sát cho kết quả có đến hơn 70% ý kiến

cho rằng nguồn lực về kỹ năng quản lý công nghệ thông tin nói chung và kỹ năng

về Big Data nói riêng gặp “thách thức” và “rất khó tìm hoặc thuê” (hình 2.14).

Những người được khảo sát cũng nhận định những thách thức liên quan đến

nhân sự thuộc bộ phận công nghệ thông tin như sau:

- Quy mô doanh nghiệp còn nhỏ nên vẫn chưa có sự tách biệt giữa bộ phận

công nghệ thông tin với những phòng ban khác, do đó chức năng và nhiệm vụ của

bộ phân này chưa thực sự được chú trọng.

- Doanh nghiệp hạn chế đầu tư trong đào tạo và phát triển bộ phận công nghệ

thông tin.

- Nhân sự tại phòng công nghệ thông tin của công ty chậm cập nhật tri thức

mới và ít quan tâm phổ biến cho nhân viên.

- Cơ sở vật chất chưa được đầu tư phát triển đúng mức.

Do nguồn nhân sự có kỹ năng về công nghệ thông tin, về Big Data khá thấp nên

khi được hỏi về những kỹ năng khoa học dữ liệu, việc tận dụng những dữ liệu sẵn

có trong các doanh nghiệp kiểm toán hiện nay chủ yếu phải đi thuê người mới vì

nguồn lực hiện tại không đáp ứng đủ (hình 2.25).

2,5%

7,5%

Sử dụng sản phẩm bên ngoài

15,0%

2,5%

Thuê doanh nghiệp cung cấp dịch vụ bên ngoài

Nguồn lực có khả năng ứng dụng Big Data

50,0%

Thuê người mới

Nguồn lực có kỹ năng về khoa học dữ liệu

70,0%

32,5%

Đào tạo chuyên gia hiện có

20,0%

Hình 2.25: Nguồn lực cho bộ phận công nghệ thông tin

Kết quả khảo sát cũng cho thấy rằng các doanh nghiệp kiểm toán hiện nay đang

chú trọng tuyển dụng và phát triển tài năng thuộc các lĩnh vực phân tích dữ liệu và

chuyên gia Big Data. Nguồn nhân lực có kỹ năng phân tích dữ liệu rất quan trọng

bởi vì sự tồn tại khả năng phân tích chuyên nghiệp được coi là một trong những kỹ

năng quan trọng cần được chú trọng bởi sự ngày càng đa dạng, dung lượng vượt trội

và tốc độ phát triển của Big Data. Cuộc khảo sát đã cho kết quả về việc thiếu hụt

nhân sự có kỹ năng phân tích đang tồn tại tại các doanh nghiệp kiểm toán khi có

đến 70% câu trả lời “khó khăn” hoặc “rất khó khăn” trong tìm kiếm (hình 2.26).

Hình 2.26: Đánh giá khả năng tìm kiếm nhân sự có kỹ năng phân tích dữ liệu

0,0%

Không gặp khó khăn

7,5%

22,5%

Hơi khó khăn nhưng vẫn tuyển dụng được Khó khăn trong việc tìm kiếm

37,5%

32,5%

Rất khó tìm hoặc thuê nhân sự mới Không thể tìm hoặc thuê nguồn lực thay thế

Một vấn đề khác trong lĩnh vực nhân sự cũng khá được quan tâm đó là các

doanh nghiệp kiểm toán sẽ tìm kiếm từ đâu để bổ sung cho nguồn lực thiếu hụt

những kỹ năng cần thiết về Big Data, kết quả chỉ ra rằng họ sẽ thuê/tuyển dụng

những chuyên gia trong các lĩnh vực toán/khoa học/kỹ thuật hoặc nhân sự từ những

công ty khác trong cũng ngành hơn là tuyển dụng những sinh viên mới tốt nghiệp ra

trường từ các chuyên ngành tương tự (hình 2.27).

72,5%

67,5%

35,0%

32,5%

12,5%

2,5%

Khác

Thung lũng Silicon

Các công ty khác trong cùng ngành

Nhóm thống kê từ phố Wall

Chuyên gia Toán/Khoa học/Kỹ thuật

Sinh viên mới tốt nghiệp chuyên ngành Toán/Khoa học/Kỹ thuật

Hình 2.27: Nơi tuyển dụng những nhà khoa học dữ liệu

Như vậy, tại những doanh nghiệp kiểm toán của Việt Nam hiện nay đã có sự

quan tâm đến nguồn nhân lực có khả năng phát triển và sử dụng nguồn dữ liệu liên

quan đến Big Data và phân tích dữ liệu trong kiểm toán, tuy nhiên kết quả khảo sát

cho thấy rằng nguồn lực có trình độ này vẫn có khá ít, không đủ khả năng đáp ứng

với tình hình hiện tại, do đó đa số các doanh nghiệp kiểm toán lựa chọn phương án

sẽ tuyển dụng hoặc thuê ngoài từ nhiều nguồn để bù đắp cũng như theo kịp sự phát

triển của công nghệ trong hoạt động kiểm toán.

2.4. Đánh giá chung về thực trạng

Kết quả khảo sát ở phần trên cho thấy những ưu điểm và hạn chế của những

doanh nghiệp kiểm toán tại Việt Nam về một trong những xu hướng của thời đại là

Big Data là phân tích dữ liệu từ Big Data.

2.4.1. Ưu điểm

Hòa cùng làn sóng của cuộc cách mạng công nghiệp 4.0, các doanh nghiệp

kiểm toán của Việt Nam đã có những động thái để có thể thích nghi và tận dụng

những cơ hội từ những thành tựu của công nghệ mang lại, cụ thể là Big Data và

phân tích dữ liệu từ Big Data trong kiểm toán. Các doanh nghiệp kiểm toán và KTV

đã có sự hiểu biết nhất định về thế nào là Big Data, hình dung được những đặc

trưng tạo nên Big Data cũng như những lợi ích và thách thức mà nó mang lại, Big

Data không đơn giản là những dữ liệu truyền thống từ trước đến nay mà nó có thể là

bất cứ tập tin dưới bất cứ hình thức nào như hình ảnh, video, những tương tác xã

hội, thông tin đa phương tiện.... và với sự đa dạng này, khi việc phân tích đạt được

những yêu cầu cần thiết, kết quả mang lại có thể giúp doanh nghiệp cải thiện được

dịch vụ cung cấp cho khách hàng, đưa ra những quyết định kinh tế kịp thời và chính

xác, giảm thiểu rủi ro và nâng cao hiệu quả hoạt động, gia tăng lợi nhuận và uy tín

kinh doanh. Các doanh nghiệp kiểm toán đã bắt đầu tìm hiểu những công nghệ mới,

cập nhật những kỹ năng cần thiết để dễ dàng tiếp cận và sử dụng dữ liệu hiệu quả,

bên cạnh đó, họ cũng đang dần đầu tư vào con người và những công cụ phân tích dữ

liệu tiên tiến để cung cấp dịch vụ tốt hơn cho khách hàng.

2.4.2. Hạn chế

Bên cạnh những ưu điểm thì những vấn đề liên quan đến Big Data và phân tích

dữ liệu tại các doanh nghiệp kiểm toán hiện nay vẫn còn những hạn chế nhất định:

- Nguồn nhân lực có trình độ, kỹ năng về dữ liệu và phân tích dữ liệu còn khá

thấp, các KTV chủ yếu sử dụng những thủ tục phân tích truyền thống như so sánh,

phân tích tỷ trọng, xem lướt số liệu kế toán và tìm ra những dấu hiệu bất thường để

giải thích, thuyết minh rồi đi đến kết luận chứ không mở rộng phạm vi dữ liệu từ

nhiều nguồn khác như dữ liệu ngành, dữ liệu mang tính chất phi tài chính. Đặc biệt

Ban giám đốc phải là những người tiên phong trong việc tìm hiểu, phát triển và ứng

dụng Big Data và phân tích dữ liệu cũng như phải hướng nhân viên trong doanh

nghiệp nhận thức và xác định tính quan trọng, cần thiết của nó.

- Các doanh nghiệp hầu như chưa xác định được khoản đầu tư đã hoặc sẽ đầu

tư cho Big Data và phân tích dữ liệu là bao nhiêu (hầu như không nhận được câu trả

lời từ câu hỏi khảo sát này), điều này thể hiện rằng vẫn chưa thật sự có những kế

hoạch cụ thể cho Big Data. Có thể doanh nghiệp e dè vì những khoản đầu tư cho

Big Data sẽ rất lớn, những doanh nghiệp vừa và nhỏ có khả năng không theo kịp,

nhưng với xu hướng hiện nay khi mà khách hàng đã và đang sử dụng Big Data như

một công cụ hỗ trợ mạnh mẽ trong hoạt động, những cơ quan hữu quan đang dần

xây dựng những quy định liên quan đến Big Data… thì việc doanh nghiệp kiểm

toán chú trọng đến Big Data và phân tích dữ liệu là việc không thể không xảy ra.

2.4.3. Nguyên nhân

2.4.3.1. Nguyên nhân khách quan

Tuy Big Data và phân tích dữ liệu trong lĩnh vực kiểm toán được đề cập trên thế

giới một thời gian dài, được nhiều cơ quan, tổ chức uy tín, doanh nghiệp lớn nghiên

cứu và phát triển nhưng tại Việt Nam thì đây là một đề tài khá mới, chưa nhận được

nhiều sự quan tâm từ phía những cơ quan cấp cao, trong nội bộ doanh nghiệp và cá

nhân từng KTV.

Mặt khác, thực tế thì vẫn chưa có CMKT nào hướng dẫn cụ thể cách tiếp cận,

xử lý những vấn đề thuộc về Big Data và phân tích dữ liệu nên việc áp dụng còn

khá lúng túng. Bên cạnh đó, do chưa có những quy định bắt buộc phải nghiên cứu

hay tìm hiểu về Big Data nên nhiều doanh nghiệp vẫn còn khá mơ hồ và thờ ơ với

lĩnh vực này.

Chi phí cho nghiên cứu và phát triển Big Data khá lớn, đòi hỏi trình độ kỹ thuật

cao nên những doanh nghiệp kiểm toán của Việt Nam khó đáp ứng theo.

Một nguyên nhân nữa cũng cần được nhắc đến là các chương trình đào tạo giáo

dục hiện nay vẫn chưa đề cao tầm quan trọng và những thành tựu mà Big Data và

phân tích dữ liệu từ Big Data mang lại trong thực tiễn.

2.4.3.2. Nguyên nhân chủ quan

Nguyên nhân đầu tiên có thể nói đến là nhận thức về Big Data và phân tích dữ

liệu còn thấp, vẫn còn sự lẫn lộn giữa phân tích dữ liệu và thủ tục phân tích, trong

quá khứ KTV đã sử dụng thủ tục phân tích từ lúc lập kế hoạch đến khi kết thúc cuộc

kiểm toán, nhưng vấn đề đặt ra là với sự phức tạp của dữ liệu thì việc sử dụng

những kiến thức và công cụ phân tích giống như đã làm từ nhiều thập kỷ trước

không còn hợp lý, nếu doanh nghiệp kiểm toán và KTV không thay đổi thì sẽ không

đáp ứng được nhu cầu từ khách hàng và khả năng cạnh tranh sẽ giảm sút.

Tiếp theo là kỹ năng về công nghệ thông tin, dữ liệu và phân tích dữ liệu ở đại

đa số KTV vẫn chưa phù hợp với sự phát triển của dữ liệu và những nghiên cứu để

ứng dụng Big Data trong quá trình phân tích dữ liệu còn rất ít và chưa được chú

trọng đúng mức.

KẾT LUẬN CHƯƠNG 2

Từ những khảo sát thực tế về Big Data và việc sử dụng Big Data trong phân

tích dữ liệu tại các doanh nghiệp kiểm toán của Việt Nam mà người viết đã trình

bày ở trên cho thấy những nhận thức của KTV về Big Data, những cơ hội và thách

thức mà Big Data mang lại cho doanh nghiệp, cũng như đánh giá thực trạng khả

năng phân tích dữ liệu, quản lý và sử dụng công nghệ thông tin hiện nay. Kết quả

cho thấy năng lực của doanh nghiệp kiểm toán vẫn chưa đáp ứng được sự phát triển

của dữ liệu, kỹ năng phân tích dữ liệu từ Big Data còn thấp, đòi hỏi cần có sự đầu tư

hơn nữa từ phía những doanh nghiệp kiểm toán và KTV.

Để nâng cao hơn chất lượng của việc phân tích dữ liệu từ Big Data cho những

doanh nghiệp kiểm toán tại Việt Nam, người viết xin đưa ra một số giải pháp được

trình bày ở chương 3.

CHƯƠNG 3: GIẢI PHÁP NÂNG CAO TÍNH HỮU ÍCH CỦA

BIG DATA VÀ PHÂN TÍCH DỮ LIỆU KIỂM TOÁN TẠI

CÁC DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

3.1. Quan điểm chung về giải pháp

Nền kinh tế Việt Nam đang khởi sắc với những phát triển vượt bậc ở nhiều lĩnh

vực, lần đầu tiên sau nhiều năm, năm 2017 Việt Nam đã đạt và vượt toàn bộ 13 chỉ

tiêu kinh tế - xã hội trong năm, diễn đàn Kinh tế thế giới xếp hạng năng lực cạnh

tranh của Việt Nam tăng lên 5 bậc, đứng thứ 55/137, Ngân hàng Thế giới xếp hạng

về môi trường kinh doanh của Việt Nam tăng 14 bậc, lên thứ 68/190 quốc gia, vùng

lãnh thổ, chỉ số phát triển bền vừng của Việt Nam tăng 20 bậc, lên mức 68/157 quốc

gia, vùng lãnh thổ, ngoài ra vốn thực hiện của dự án đầu tư trực tiếp nước ngoài đạt

17.5 tỷ đô la, tăng 10.8% so với cùng kỳ năm 2016 và là mức kỷ lục trong vòng 10

năm qua… đây là những con số đánh dấu sự tăng trưởng và lớn mạnh khi Việt Nam

đã hội nhập với kinh tế toàn cầu. Chính sự gia nhập các tổ chức thương mại quốc tế

và có giao dịch kinh tế với rất nhiều cơ quan, tổ chức nên việc mở cửa trong nhiều

chính sách, trong đó có những quy định về kế toán – kiểm toán là một việc làm tất

yếu, vì vậy quan điểm chung đầu tiên đó là các giải pháp phải tuân thủ các thông lệ

chung trên thế giới, cụ thể trong lĩnh vực kiểm toán thì đó chính là những CMKT

quốc tế. Việc xây dựng một hệ thống CMKT dựa theo quốc tế là một bước đi đúng

đắn bởi vì bề dày lịch sử phát triển của ngành kiểm toán tại các quốc gia này với

nhiều doanh nghiệp kiểm toán lớn, kinh nghiệm và những tiến bộ trong nghiên cứu,

ứng dụng liên quan đến Big Data và phân tích dữ liệu kiểm toán là rất hữu ích,

trong khi ngành kiểm toán ở Việt Nam còn khá non trẻ khi phát triển chưa đến 30

năm, trình độ công nghệ thông tin chưa phát triển mạnh, nhiều số liệu vẫn còn chưa

minh bạch, công khai, do đó không thể xây dựng các giải pháp theo đúng như yêu

cầu của chuẩn mực quốc tế mà phải có sự linh động thay đổi phù hợp với thực tiễn

tại Việt Nam.

Ngoài ra, khi xây dựng những giải pháp cần có sự cân đối giữa lợi ích mang về

và chi phí bỏ ra vì khi đầu tư cơ sở vật chất cũng như nguồn nhân lực nhằm đáp ứng

phù hợp với sự phát triển của Big Data, phân tích dữ liệu và yêu cầu từ khách hàng

sẽ đòi hỏi những khoản chi phí rất lớn, trong khi hầu hết những doanh nghiệp kiểm

toán hiện này là doanh nghiệp vừa và nhỏ, doanh thu và thị phần không cao, khách

hàng cũng chủ yếu là những công ty có quy mô vừa và nhỏ nên phí kiểm toán

không quá cao. Vì vậy những giải pháp đưa ra bên cạnh việc tuân theo chuẩn mực

và những hướng dẫn liên quan thì cần phải phù hợp với thực trạng của những doanh

nghiệp kiểm toán hiện nay.

Mục tiêu cuối cùng hướng đến đó là những giải pháp đưa ra có thể nâng cao

chất lượng của cuộc kiểm toán, đáp ứng kỳ vọng từ xã hội, nâng cao uy tín nghề

nghiệp. Từ kết quả khảo sát ở chương 2 có thể thấy rằng mối quan tâm của phần lớn

các doanh nghiệp kiểm toán về Big Data và phân tích dữ liệu kiểm toán còn khá

thấp, trình độ và kinh nghiệm của KTV về lĩnh vực này còn hạn chế, từ đó dẫn đến

giảm tính cạnh tranh với những công ty kiểm toán lớn như Big4, khó giữ chân hoặc

tìm kiếm khách hàng mới. Để nâng cao chất lượng kiểm toán từ Big Data và phân

tích dữ liệu kiểm toán phụ thuộc rất nhiều vào quan điểm và mục tiêu của ban giám

đốc cùng với việc xây dựng những quy trình, cách tổ chức thực hiện và nguồn nhân

lực, do đó cần quán triệt tất cả những nhân tố này khi đưa ra những giải pháp cụ thể.

3.2. Các giải pháp cụ thể

3.2.1. Đầu tư vào nguồn nhân lực

Kết quả khảo sát ở chương 2 cho thấy các KTV hiện nay vẫn chưa có đầy đủ

những kỹ năng cần thiết về dữ liệu, Big Data, phân tích dữ liệu trong kiểm toán,

trong khi với đặc điểm kiểm toán là ngành cung cấp dịch vụ đặc biệt, sự thành công

phần lớn được quyết định dựa vào KTV nên việc đầu tư vào nguồn nhân lực là một

trong những giải pháp chính trong việc ứng dụng Big Data và phân tích dữ liệu.

Các doanh nghiệp kiểm toán và KTV cần:

- Hợp tác, chia sẻ tri thức: để Big Data và phân tích kiểm toán được sử dụng

rộng rãi thì việc chia sẻ kiến thức và hợp tác với nhau là rất quan trọng, nếu những

kiến thức về lĩnh vực này chỉ tập trung ở một số cá nhân KTV mà không có sự hợp

tác chia sẻ với nhau thì lợi ích tổng thể có thể bị giảm đáng kể. Thông thường hiện

nay các doanh nghiệp kiểm toán sẽ dựa vào một vài chuyên gia kiểm toán có am

hiểu về công nghệ để phụ trách những vấn đề liên quan đến Big Data và phân tích

dữ liệu, hầu hết các bộ xử lý, chương trình làm việc là do những cá nhân này phụ

trách, như vậy có khả năng xảy ra rủi ro là chuyên gia này có thể rời khỏi doanh

nghiệp, khi đó việc duy trì những kỹ thuật này sẽ rất khó khăn và phức tạp, do đó

việc chia sẻ và kế thừa những kiến thức về Big Data và phân tích dữ liệu là điều cần

thiết cho mỗi doanh nghiệp kiểm toán để tất cả KTV có thể chia sẻ và hưởng lợi từ

công việc phân tích dữ liệu của người khác

- Thiết lập một cơ cấu tổ chức giữa các cá nhân và bộ phận sao cho hiệu quả

mang lại là cao nhất, doanh nghiệp nên kết hợp vai trò của chuyên gia công nghệ

với các KTV ở các lĩnh vực khác nhau để khai thác tối đa giá trị mang lại.

- Bản thân mỗi KTV tự trang bị cho mình những nền tảng tốt về năng lực công

nghệ, Big Data và phân tích dữ liệu. Trong thời đại công nghiệp 4.0, với sự phát

triển mạnh từ công nghệ trí thông minh nhân tạo và rô-bốt thì rất nhiều ngành nghề

sẽ không cần lao động là con người nhờ những cải tiến vượt bậc của công cụ sản

xuất, trong lĩnh vực kiểm toán cũng sẽ không ngoại lệ. Nhằm đảm bảo mang đến

dịch vụ tốt nhất, thỏa mãn được sự kỳ vọng của khách hàng thì KTV cần học tập để

sử dụng được những công nghệ mới, hiểu được làm thế nào các kết quả từ Big Data

và phân tích dữ liệu kiểm toán có thể được sử dụng để tạo ra bằng chứng kiểm toán

và rút ta kết luận từ đó.

3.2.2. Đầu tư vào cơ sở vật chất

Với sự phát triển của dữ liệu hiện nay thì rõ ràng những công cụ phân tích

truyền thống đã không còn đáp ứng được, do đó các doanh nghiệp kiểm toán cần

chú trọng vào việc đầu tư cơ sở vật chất để cùng với các KTV tận dụng được hết

những lợi thế mà Big Data và phân tích dữ liệu mang lại. Để việc đầu tư mang lại

lợi ích lớn hơn chi phí bỏ ra, doanh nghiệp kiểm toán nên:

- Lựa chọn công nghệ đúng với phần cứng và phần mềm tương thích với nhau

và có khả năng chạy được những ứng dụng cần thiết và bảo mật được dữ liệu.

- Xây dựng một hệ thống máy chủ tập trung, an toàn để quản lý và chia sẻ

nhiều dữ liệu và thông tin giúp doanh nghiệp tránh được những rủi ro và sự kém

hiệu quả phát sinh khi mỗi KTV duy trì một hệ thống phân tích độc lập khác nhau.

- Máy tính cá nhân là công cụ tối cần thiết cho KTV, vì vậy cần ưu tiên lựa

chọn những dòng máy có khả năng xử lý nhanh, mạnh, chạy được nhiều phần mềm

dữ liệu và có khả năng kết nối toàn hệ thống.

- Hệ thống công nghệ thông tin doanh nghiệp đầu tư cần có khả năng tích hợp

các ứng dụng khác như bảo mật, phần mềm quản lý rủi ro, quy trình thực hiện…

3.2.3. Các giải pháp hỗ trợ khác

- Từ phía các cơ quan chức năng và hội nghề nghiệp (VACPA) cần đẩy mạnh

phổ biến những phát triển mạnh mẽ của công nghệ, sự cần thiết phải tăng cường các

kỹ năng về phân tích dữ liệu từ Big Data trong kiểm toán vì đây chính là một xu thế

phát triển tất yếu của nghề nghiệp. Ngoài ra, những cơ quan này cũng nên cập nhật

những thông tin, nghiên cứu, phát triển từ thế giới để kế thừa và áp dụng tại Việt

Nam, nhất là những thay đổi từ ISA.

- Lĩnh vực giáo dục cũng cần những thay đổi tích cực trong đào tạo và nghiên

cứu để bắt kịp thời đại, những trường đại học khối ngành kinh tế cần tăng cường

hơn nữa việc giảng dạy những kiến thức về công nghệ thông tin để nguồn nhân lực

trẻ có thể thích nghi dễ dàng với những thiết bị, phần mềm mới, tránh tình trạng

nhân viên lạc hậu trong chính công việc của họ.

KẾT LUẬN CHƯƠNG 3

Từ những giải pháp trình bày ở trên cho thấy việc nâng cao hiệu quả áp dụng

Big Data và phân tích dữ liệu từ Big Data trong quá trình kiểm toán không chỉ đòi

hỏi nỗ lực từ phía các doanh nghiệp kiểm toán, của từng KTV mà cần thiết phải có

sự phối kết hợp và hỗ trợ tích cực từ các cơ quan chức năng, hội nghề nghiệp trong

việc định hướng, dẫn dắt doanh nghiệp nhằm tận dụng những lợi thế của công nghệ

và hạn chế được những thách thức gặp phải trong quá trình ứng dụng vào thực tế.

Điều quan trọng là làm cho Big Data và phân tích dữ liệu kiểm toán trở thành một

thành phần cơ bản của chiến lược kiểm toán bằng việc tập trung vào hợp tác, chia sẻ

kiến thức, các kỹ năng và kinh nghiệm của các chuyên gia cũng như phát triển cơ sở

vật chất nhằm tận dụng tối đa những phát triển từ công nghệ.

KẾT LUẬN

Vận dụng những thành tựu từ Big Data và phân tích dữ liệu trong kiểm toán tại

các công ty KTĐL của Việt Nam là rất cần thiết trong giai đoạn hiện nay, khi mà

hàng loạt các công ty khách hàng, các đối thủ cạnh tranh đã lần lượt ứng dụng Big

Data và phân tích dữ liệu trong quá trình hoạt động của mình để gia tăng lợi nhuận

và hiệu quả hoạt động. Trong điều kiện cạnh tranh đó, các doanh nghiệp kiểm toán

phải không ngừng nâng cao chất lượng dịch vụ cung cấp mà vẫn đảm bảo cân đối

được lợi ích và chi phí bỏ ra, khi đó Big Data và phân tích dữ liệu chính là những

giải pháp hữu hiệu nhất.

Việc nghiên cứu về Big Data và phân tích dữ liệu từ Big Data trong quá trình

kiểm toán thực sự là một công việc hấp dẫn, mở ra một lượng kiến thức khá lớn cho

người thực hiện, không những thế, từ những thực trạng thu được, những giải pháp

được rút ra sẽ giúp các doanh nghiệp kiểm toán có cái nhìn chính xác hơn về tình

hình hiện tại, doanh nghiệp có thể kết hợp giữa tình hình thực tế tại doanh nghiệp

mình và những giải pháp đưa ra để xây dựng những chiến lược và đối sách phù hợp

nhằm đáp ứng nhanh nhất với xu hướng của thời đại.

Tuy nhiên, khi thực hiện đề tài này, tác giả không thể tiếp xúc được hết với tất

cả những doanh nghiệp kiểm toán và KTV hiện có tại Việt Nam nên không thể thu

thập được hết những thông tin cần thiết về vấn đề mang tính thời sự như Big Data

và phân tích dữ liệu này, do đó nghiên cứu này chắc chắn vẫn còn những hạn chế

không thể tránh khỏi, hy vọng rằng những nghiên cứu trong tương lai về đề tài này

sẽ khắc phục được những hạn chế trên và mang lại nhiều giá trị sử dụng hơn.

TÀI LIỆU THAM KHẢO

Danh mục tài liệu tiếng Việt

Bộ môn Kiểm toán trường Đại học Kinh tế Thành phố Hồ Chí Minh, 2014.

Kiểm toán- Giáo trình. Thành phố Hồ Chí Minh: Lao động Xã hội.

Bộ Tài chính, 1999. Hệ thống Chuẩn mực kiểm toán Việt Nam

Bộ Tài chính. 2012. Hệ thống 37 Chuẩn mực kiểm toán Việt Nam

Nguyễn Thị Hoài Thương, 2013. Hoàn thiện thủ tục phân tích trong kiểm toán

báo cáo tài chính tại các công ty kiểm toán độc lập vừa và nhỏ trên địa bàn Tp. Hồ

Chí Minh. Luận văn Thạc sĩ. Trường Đại học Kinh tế Thành phố Hồ Chí Minh.

Trần Văn Tá, 2016. Kiểm toán độc lập 25 năm một chặng đường. Trang tin

điện tử VACPA.

Danh mục tài liệu tiếng Anh

American Institute of Certified Public Accountants (2015). Audit Analytics and

Continuous Audit: Looking Toward the Future

Deniz A Appelbaum et al. (2017). Big Data and Analytics in the Mordern Audit

Engagement: Research Needs. AaaJournals, Vol.36. No.4.

Ernst & Young (2014). Big Data: changing the way businesses compete and

operate.

Ernst & Young (2015). Big Data and Analytics in the audit process: mitigating

risk and unlocking value.

Financial Reporting Council (2017). Audit quality thematic review: The use of

data analytics in the audit of financial statements.

International Auditing and Assurance Standards Board (2017). Exploring the

growing use of technology in the Audit, with a focus on Data analytics.

Jim Ferris. How to Complete on Analytics. SAS the power to know

Jeff Howe (2006). The rise of crowdsourcing. Wired.

John Verver (2013). Best Practices for the Use of Data Analysis in Audit. White

papers (ACL).

J. Manyika et al, 2011. Big Data: The next frontier for innovation, competition

and productivity. McKinsey Global Institute.

Michael P. Cangemi (2016). Data analytics and Financial Compliance: How

technology is changing Audit and Business systems. Financial Executives Research

Foundation (FERF).

Norbert Tschakert et al, 2016. The next frontier in data analytics. Journal of

Accountancy, pg. 58-63.

Seref Sagiroglu et al. (2013). Big Data: a review. Institute of Electrical and

Electronics Engineers.

Sirois, B. & Savovska, K., 2017. Audit Data Analytics: Opportunities and Tips.

International Federation of Accountants.

The Institute of Chartered Accountants in England and Wales (2015). Big Data

and analytics – What’s new?

The Institute of Chartered Accountants in England and Wales (2016). Data

analytics for external auditors.

Thomas H Davenport and Jeanne G. Harris, 2007. Compete on analytics: The

new science of winning. Harvard Bussiness Press.

Tammy Whithouse, 2014. Auditing in the Era of Big Data. Compliance Week.

World Bank Group, 2017. Audit data analytics: Opportunities and Tips. Centre

for Financial Reporting Reform.

Các trang web

www.wikipedia.org

www.statista.com

https://www.internetworldstats.com/facebook.htm

PHỤ LỤC

PHỤ LỤC 1: BẢNG CÂU HỎI KHẢO SÁT GỐC

Big Date Executive Survey – Full Questionnaire Welcome The survey has been designed to provide a benchmark for enterprises seeking to understand the state of Big Data initiatives among peer institutions: How much are enterprises investing in Big Data initiatives? What are the initial applications, kinds of data, and approaches that enterprises are employing for their Big Data initiatives? Where do organizations stand in terms of the comparative maturity of their Big Data initiatives and their rate of progress? The survey should take no more than 30 minutes to complete. Respondents will remain anonymous and responses, either at a responder or company level, will not be shared or identified. Tips: If you need to leave the survey for any reason, simply reuse the link provided and you will return where you left off. If, while responding to the survey, you want to review or change your answer to a previous question, use the navigation buttons at the bottom of the page. 1) Your response should reflect your direct domain of knowledge or responsibility within your organization – enterprisewide, line-of-business, functional area. What part of your company are you representing in this survey?* Whole enterprise Line of Business - which one?: _________________ Functional area - which one?: _________________ 2) We recognize that your company is large, complex and has diverse markets. As you respond to this survey, are you principally answering it for your B2C businesses, your B2B (including B2B2C) businesses or both?* Only B2C Mostly B2C Both, about evenly Mostly B2B Only B2B Current State - Data and Analytics 3) How would you rate the access to relevant, accurate and timely data in your company today? minimal less than adequate adequate more than adequate world class 4) How would you rate the analytic capabilities in your company today?

minimal less than adequate adequate more than adequate world class 5) How would you rate your company on the ability, by executives and business leaders, to use data and analytics to improve or transform the business? minimal less than adequate adequate more than adequate world class 6) What business functions in your company are the most important users of data and analytics? (check all that apply) eCommerce, eBusiness, Digital Operations Direct and Digital Marketing Fraud Management Customer and Market Analysis Customer Service Product Development/Management Information Technology Operations Risk Management Human Resources Other 7) Approximately how many staff in your company are dedicated to analytics, modeling, data mining (not including routine reporting)? 50 or fewer 51-100 101-250 251-500 501-1000 1001-2000 More than 2000 8) Of these staff, are most working in or for your consumer facing (B2C) businesses, your commercial or wholesale (B2B) businesses or both? Only B2C Mostly B2C Both, about evenly Mostly B2B Only B2B What is Big Data

Big Data is a term used to describe data sets so large, so complex or that require such rapid processing (sometimes called the Volume/Variety/Velocity problem), that they become difficult or impossible to work with using standard database management or analytical tools. Manipulating data sets like these often require massively parallel software running on tens, hundreds, or even thousands of servers. Big Data growth includes the explosion of social media, video, photos, unstructured text in addition to the data gathered by ubiquitous sensing devices including smart phones. Among the many difficulties associated with Big Data are capture, storage, search, sharing, analysis, and data visualization. 9) What is considered Big Data may vary depending on the capabilities of the organization. Are there ways in which your definition of Big Data differs markedly from the one above? If so, in what ways? 10) What do you think is the biggest opportunity for using Big Data in your company? 11) What do you think is the biggest business challenge for using Big Data? 12) Do you have any Big Data initiatives in progress or in planning?* Yes, initiatives in progress Yes, initiatives in planning No initiatives underway or planned Initiatives 13) What is the role of Big Data initiatives in your organization? (check one) Planned only Proof-of-Concept for evaluation Sandbox for ad-hoc analytics BI/Analytics platform for production reporting Part of business-critical operational system Automated production system with 24/7 availability Other: _________________ 14) In 3 years what role will Big Data play in your organization? (check one) Proof-of-Concept for evaluation Sandbox for ad-hoc analytics BI/Analytics platform for production reporting Part of business-critical operational system Automated production system with 24/7 availability Other: _________________ 15) What is the intended scope of your Big Data initiatives? (check one) Use across many LOBs and functions Use across a few LOBs or functions Use within an LOB or function Pilot sponsored at a corporate level Pilot or skunkworks inside an LOB or function Other: _________________

16) What business functions in your company are driving Big Data initiatives? (check all that apply) eCommerce, eBusiness, Online Operations Direct and Online Marketing Fraud Management Customer and Market Analysis Customer Service Product Development/Management Information Technology Operations Risk Management Other 17) Is Big Data associated with another enterprise-wide program? If so, which program(s)? No Yes: _________________ 18) At what level in the organization does Big Data “thought leadership” reside? (check one) Corporate, C-suite (CEO or 1 level down) LOB or function head (2 to 3 down) Department within LOB or function (4 down) Deeper in organization (5 or more down) Other: _________________ 19) Does thought leadership on Big Data come from IT or the rest of the business? (check one) Mostly business-driven, with minimal IT support Business/IT collaboration Mostly IT driven, with minimal business involvement No one 20) Specifically, who owns or drives the thought leadership on Big Data? (check one) Chief Financial Officer Head of Risk function Chief Information Officer Chief Data Officer Head of Analytics function Chief Technology Officer or Chief Architect Other: _________________ Benefits 21) What tangible benefits do you hope to achieve through your Big Data initiatives? (rank all that apply – most important to least important) _______Improved customer experience _______Increased sales

_______Higher quality products and services _______New product innovations _______More efficient operations _______Better, fact-based decisionmaking _______Reduced risk 22) In 3 years, what tangible benefits do you hope to achieve through your Big Data initiatives? (rank all that apply - most important to least important) _______Improved customer experience _______Increased sales _______Higher quality products and services _______New product innovations _______More efficient operations _______Better, fact-based decisionmaking _______Reduced risk 23) Do you have a business case for any Big Data initiatives? (check one) Yes, with a proven ROI Yes, with a projected ROI Yes, with intangible benefits only No business case 24) How do you plan to measure the success of your Big Data initiatives? (check all that apply) With quantitative metrics tied to business performance With qualitative metrics tied to business performance With quantitative metrics tied to IT performance With qualitative metrics tied to IT performance No specific measurement methology in place Other; if so, how? 25) In any of the areas below, are there significantly greater concerns about Big Data initiatives as compared to any new application or system? (check all that apply) Security Privacy Operational Risk Execution Risk Other; if so, what are they? Data 26) What are the primary data issues driving you to consider Big Data? (rank all that apply – from most important to least important) _______Analyzing data sets < 1TB _______Analyzing data sets 1TB - 100TB _______Analyzing data sets 100TB - 1PB _______Analyzing data sets > 1PB _______ Analyzing new data types (text, relationship, time-series)

_______Analyzing streaming data _______Analyzing data from diverse sources 27) In 3 years, what primary data issues will be driving you to consider Big Data? (rank all that apply – from most important to least important) _______Analyzing data sets <1TB _______Analyzing data sets 1TB - 100Tb _______Analyzing data sets 100TB - 1PB _______Analyzing data sets >1PB _______ Analyzing new data types (text, relationship, time-series) _______Analyzing streaming data _______Analyzing data from diverse sources 28) What types of data are you considering for Big Data technologies? (rank all that apply – from most important to least important) _______Transactions _______Clickstream _______Unstructured content from email, office documents, etc _______Voice / Audio data _______Social media (Facebook, Twitter, etc) data _______Sensor / Machine / Device Data _______Locational / Geospatial Data _______Scientific / Genomic data _______Image (large Video / Photo) Data 29) In 3 years, what types of data will be deployed in Big Data technologies? (rank all that apply – from most important to least important) _______Transactions _______Clickstream _______Unstructured content from email, office documents, etc _______Voice / Audio data _______Social media (Facebook, Twitter, etc) data _______Sensor / Machine / Device Data _______Locational / Geospatial Data _______Scientific / Genomic data _______Image (large Video / Photo) Data 30) What data domains are you most focused on in Big Data initiatives? (check all that apply) Customer/Prospect Data Customer Transactions Channel Data Market and Competitive Data Product Data Service Data Supply Chain Data Fraud Detection

Industry Specific Data - please specify 31) What type of data do you think is the best starting point for using Big Data in your company? 32) In 3 years, what data domains will you be most focused on? (check all that apply) Customer/Prospect Data Customer Transactions Channel Data Market and Competitive Data Product Data Service Data Supply Chain Data Fraud Detection Industry Specific Data - please specify 33) What data structures and standards are of particular interest in your Big Data initiatives? (rank all, if any, that apply – from most important to least important) _______Flat-File _______Relational _______Unstructured text _______Time-series _______Graphs _______Semantic Web _______XML _______Multimedia _______Proprietary 34) In 3 years, what data structures and standards will be used? (rank all that apply – from most important to least important) _______Flat-File _______Relational _______Unstructured text _______Time-series _______Graphs _______Semantic Web _______XML _______Multimedia _______Proprietary 35) What data challenges are you addressing with Big Data? (rank all that apply – from most important to least important) _______Integrating a wider variety of data _______Cleansing data _______Using more current data _______Storing more historical data _______Understanding unstructured data

_______Using real-time data _______Using more granular data _______Using higher quality data _______Understanding streaming data 36) In 3 years, what data challenges will you be addressing with Big Data? (rank all that apply – from most important to least important) _______Integrating a wider variety of data _______Cleansing data _______Using more current data _______Storing more historical data _______Understanding unstructured data _______Using real-time data _______Using more granular data _______Using higher quality data _______Understanding streaming data Platforms Big Data technology platforms have functionality for data management and for analytical processing. The following questions address your priorities for these capabilities. 37) What data management functions / features are you most important to you? (check all that apply) High-capacity, inexpensive storage High-performance, inexpensive processing power High-velocity data stream processing Data integration and quality capabilities Relational database acceleration / scale Unstructured text management and search Other 38) Do you run or plan to run your Big Data applications on premises or in the cloud? (check one) On-premises Hosted/private cloud Public cloud Don’t know 39) What data management approaches are you considering? (check all that apply) Distributed File (e.g., Hadoop, Grid); if so, which one? Specialized Relational (e.g., Appliances, Columnar, In-Memory); if so, which one? Traditional Relational; if so, which one? Other; if so, which one? Analytics 40) What analytic benefits are driving the use of Big Data? (rank all that apply - from most to least important)

_______Significantly faster analytics _______More accurate models and insights _______New discoveries and insights 41) In 3 years, what analytic benefits will drive the use of Big Data? (rank all that apply - from most to least important) _______Significantly faster analytics _______More accurate models and insights _______New discoveries and insights 42) For what types of analyses do you want to use Big Data? (check all that apply) Real time analytics and alerts Ability to analyze text Ability to analyze relationships Ability to analyze very large data sets Ability to analyze disparate data sets Ability to analyze external data sets Ability to evaluate new analytic algorithms Other 43) In 3 years, what types of analyses on Big Data will be used? (check all that apply) Real time analytics and alerts Ability to analyze text Ability to analyze relationships Ability to analyze very large data sets Ability to analyze disparate data sets Ability to analyze external data sets Ability to evaluate new analytic algorithms Other 44) What types of Analytics products are you using or considering? (check all that apply) Statistical or Mathematical packages (e.g., SAS, R, Matlab); if so, which one? Data visualization products (e.g., Tableau, Spotfire); if so, which one? Streaming analytics; if so, which one? Custom analytics; if so, describe? Other; if so, describe? 45) What analytic functions/features are most important to you? (check all that apply) Advanced analytics algorithms Data visualization Machine learning Executing existing algorithms faster Text analytics Social network analytics Executing existing algorithms on much larger data sets

Other; if so, what features? 46) Do you plan to use 3rd party applications or develop your own? (check all that apply) 3rd Party Applications Custom developed in-house Custom developed through partner Other 47) What programming languages/tools will you use for development? (check all that apply) Traditional languages (e.g., Java, C, C++) SQL Scripting Languages (e.g., Python, Perl) Open-source Libraries Product-specific Languages / Libraries Proprietary Language / Libraries Other; if so, which one? People 48) How challenging is it to source analytical skills in general? no issues in finding skilled resources somewhat challenging challenging very difficult to find or hire impossible to find or hire sufficient resources 49) Data science is a discipline, still somewhat loosely defined, that incorporates applying varying degrees of statistics, data visualizations, computer programming, data mining, machine learning, and database engineering to solve complex data problems. Are you hiring or planning to hire Data Scientists? Yes No 50) How challenging is it to source Data Scientists? no issues in finding skilled resources somewhat challenging challenging very difficult to find or hire impossible to find or hire sufficient resources 51) How are you getting Data Scientist skills into your organization? (check all that apply) Training existing analytics professionals Hiring new people Hiring professional services firm with Big Data analytic expertise Using product vendors professional services team 52) Where are you looking and finding Data Scientists to hire? (check all that apply)

Other companies within your industry Silicon Valley, e.g., Facebook, Google Wall Street quant groups Recent PhDs in Math, Sciences or Engineering Recent graduates (BS or MS level) in Math, Sciences or Engineering Other 53) How challenging is it to source IT Data management skills in general, and Big Data skills in particular? no issues in finding skilled resources somewhat challenging challenging very difficult to find or hire impossible to find or hire sufficient resources 54) How are you getting Big Data IT skills into your organization? (check all that apply) Training existing IT professionals Hiring new people Hiring professional services firm with Big Data expertise Using product vendors professional services team 5) How challenging is it to find business managers and executives who can identify and leverage the business opportunities in Big Data? no issues in finding skilled resources somewhat challenging challenging very difficult to find or hire impossible to find or hire sufficient resources Execution 56) How are your Big Data initiatives staffed and managed? (check one) All internal Mostly internal, with some help from third parties Mostly third parties under our direction and supervision All third parties with minimal supervision Don’t know Other: _________________ 57) Do you manage your Big Data initiatives using the same Project Management and Development Lifecycle standards as other application development or system integration projects? Yes, the same No, different Don’t know 58) How are you thinking about Big Data capabilities with respect to Advanced Analytics (data mining, predictive modeling, etc.) initiatives? (check one) Big Data is a part of the Advanced Analytics toolbox

Big Data and Advanced Analytics are separate things Big Data is unproven while Advanced Analytics is a part of core business operations Don’t know Other: _________________ 59) How are your thinking about Big Data with respect to overall Data Management activities? (check one) Big Data is an integral part of overall Data Management Big Data and Data Management activities are separate but somewhat coordinated Big Data and our Data Management practices are separate. Don’t know Other: _________________ 60) Do your Big Data applications stand on their own or are they tightly integrated or embedded with any major systems? (check one) Enterprise applications (ERP, CRM) Business processes (BPM) Business rules (BRE) No other system Other major system: _________________ Don’t know Investment 61) Approximately what is the total budget for Big Data initiatives? (check one) < $100,000 $100,000 - $1 Million $1 Million - $10 Million >$10 Million 62) Is this incremental new spending or reallocation? Incremental Reallocation 64) In 3 years what is likely to be the total budget for Big Data initiatives? (check one) < $100,000 $100,000 - $1 Million $1 Million - $10 Million >$10 Million 65) In 3 years, will this be incremental new spending or reallocation? Incremental Reallocation Thank You! The NewVantage Team

PHỤ LỤC 2: DANH SÁCH CÁC KTV VÀ CÔNG TY KIỂM TOÁN

THAM GIA KHẢO SÁT

Tên công ty STT Tên KTV

Công ty TNHH Ernst & Young Việt Nam 01 Nguyễn Phương Nga

Công ty TNHH Hãng Kiểm toán AASC 02 Trần Quốc Minh

Công ty TNHH Hãng Kiểm toán AASC 03 Nguyễn Minh Châu

04 Nguyễn Thị Cúc Công ty TNHH Dịch vụ Tư vấn TCKT và Kiểm toán Nam Việt (AASCN)

05 Tạ Quang Tạo Công ty TNHH dịch vụ Tư vấn Tài chính Kế toán và kiểm toán Phía Nam (AASCs)

Công ty TNHH Kiểm toán FAC 06 Điền Văn Châu

Công ty TNHH Kiểm toán FAC 07 Hoàng Lam

Công ty TNHH Kiểm toán FAC 08 Nguyến Quang Thông

09 Nguyễn Thanh Sang Công ty TNHH Kiểm toán và Tư vấn Chuẩn Việt

10 Đào Vũ Thiên Long Công ty TNHH Kiểm toán và Tư vấn Chuẩn Việt

11 Vũ Lâm Công ty TNHH Kiểm toán Crowe Horwath Việt Nam

Công ty TNHH Kiêm toán Nhân Tâm Việt 12 Nguyễn Thị Hải Vân

13 Phan Dũng Công ty TNHH Kiểm toán và Tư vấn Phan Dũng

14 Nguyễn Ngọc Thùy Dung Công ty TNHH Kiểm toán AFC Việt Nam (AFC Việt Nam)

15 Nguyễn Thị Thùy Trang Công ty TNHH Kiểm toán AFC Việt Nam (AFC Việt Nam)

16 Hoàng Lam Công ty TNHH Kiểm toán AFC Việt Nam (AFC Việt Nam)

17 Nguyến Quang Thông Công ty TNHH Kiểm toán AFC Việt Nam (AFC Việt Nam)

Tên công ty STT Tên KTV

Công ty TNHH Kiểm toán AAGroup 18 Trần Ngọc Dũng

Công ty TNHH DFK Việt Nam 19 Đinh Thị Minh Trinh

Công ty TNHH Kiểm toán NEXIA STT 20 Nguyễn Thanh Ngọc Trâm

Công ty TNHH Kiển toán AGS 21 Nguyễn Bùi Minh Trang

Công ty TNHH Kiển toán AGS 22 Ngô Bá Phong

23 Phạm Trinh Hiếu Công ty TNHH Kiểm toán MAZARS Việt Nam

24 Nguyễn Thúy Hải Công ty TNHH Kiểm toán MAZARS Việt Nam

25 Nguyễn Thị Thùy Ngân Công ty TNHH Kiểm toán MAZARS Việt Nam

Công ty TNHH Kiểm toán Sao Việt 26 Nguyễn Mạnh Quân

Công ty TNHH Kiểm toán Sao Việt 27 Lê Thị Hồng Phương

Công ty TNHH Kiểm toán Sao Việt 28 Trấn Phương Yến

Công ty TNHH Kiểm toán Việt Nhất 29 Nguyễn Lâm Giang

Công ty TNHH Kiểm toán và Kế toán Hà Nội 30 Tô Quang Tùng

31 Trần Ngọc Mai Công ty TNHH Kiểm toán và Thẩm định giá M&H

32 Lê Công Thạnh Công ty TNHH Kiểm toán – Tư vấn Tài chính DNP

33 Lê Hùng Dũng Công ty TNHH Kiểm toán và dịch vụ tin học Hồ Chí Minh

34 Hứa Viết Minh Công ty TNHH Kiểm toán độc lập quốc gia Việt Nam

35 Đỗ Việt Hà Công ty TNHH Tư vấn Kiểm toán Hoàng gia Việt Nam

Công ty TNHH Kiểm toán Đông Nam 36 Trần Thái Phong

Tên công ty STT Tên KTV

Công ty TNHH Kiểm toán Tư vấn Khang Việt 37 Võ Duy Trung

38 Phạm Thị Mai Thanh Công ty TNHH Kiểm toán và Định giá Vạn An

39 Nguyễn Thị Hoài Thư Công ty TNHH Kiểm toán và Tư vấn Tài chính Toàn Cầu

40 Ngô Hoàng Thành Công ty TNHH Kiểm toán và Tư vấn Tài chính Toàn Cầu

PHỤ LỤC 3: BẢNG CÂU HỎI KHẢO SÁT

Xin chào Anh/chị Như Anh/chị đã biết, sự thay đổi nhanh chóng về công nghệ hiện nay chính là thực tế của môi trường kinh doanh mới, cùng với sự phát triển của internet, điện toán đám mây hay việc sử dụng thiết bị di động phổ biến cho phép kiểm toán viên (KTV) thực hiện những công việc của mình trong môi trường kết nối toàn cầu. Chính công nghệ sẽ mang lại những thay đổi trong kiểm toán, không chỉ nâng cao hiệu quả mà còn mang lại khá nhiều thách thức cho KTV. Mặt khác, khi nhắc đến cuộc cách mạng công nghiệp lần thứ tư (4.0), chắc hẳn những thông tin liên quan về Big Data (là thuật ngữ dùng để chỉ một tập hợp dữ liệu rất lớn và rất phức tạp đến nỗi những công cụ, ứng dụng xử lí dữ liệu truyền thống không thể nào đảm đương được) cũng như cách thức sử dụng Big Data trong kiểm toán là vô cùng cần thiết và hữu ích. Xin Anh/chị dành chút thời gian trả lời một số câu hỏi nghiên cứu của đề tài “Phân tích ảnh hưởng của Big Data đến quá trình phân tích dữ liệu tại các doanh nghiệp kiểm toán lớn của Việt Nam”. Câu trả lời của Anh/chị chỉ nhằm mục đích nghiên cứu, do vậy mọi thông tin cá nhân đều được bảo mật. Chân thành cảm ơn Anh/chị đã dành thời gian quý báu để đóng góp cho nghiên cứu của tôi. Nếu có vấn đề gì, xin đừng ngại liên lạc với tôi qua email: vothibichha@tckt.edu.vn Cám ơn sự hợp tác của Anh/chị! PHẦN I: THÔNG TIN CHUNG

Công ty kiểm toán: .............................................................................................. Tên nhân viên: .................................................................................................... Số năm kinh nghiệm: .......................................................................................... 1. Phản hồi của Anh/chị cho cuộc khảo sát này phản ánh trực tiếp lĩnh vực kiến thức hoặc trách nhiệm trong tổ chức mà Anh/chị đang nắm giữ. Vậy Anh/chị đại diện cho phần nào trong công ty của mình trong cuộc khảo sát này?

 Cho toàn bộ công ty  Cho chức năng:........................................................................................... 2. Anh/chị đánh giá như thế nào khi tiếp cận đến tính phù hợp, chính xác và

đúng thời điểm của dữ liệu tại doanh nghiệp Anh/chị hiện nay?

 Chỉ ở mức tối thiểu  Chưa đầy đủ  Khá đầy đủ  Rất đầy đủ

 Được xem như chuyên nghiệp

3. Anh/chị đánh giá như thế nào về khả năng phân tích dữ liệu của doanh

nghiệp Anh/chị hiện nay?

 Chỉ ở mức tối thiểu  Chưa đầy đủ  Khá đầy đủ  Rất đầy đủ  Được xem như chuyên nghiệp

4. Anh/chị đánh giá như thế nào về khả năng của các nhà điều hành và lãnh đạo doanh nghiệp về việc sử dụng dữ liệu và khả năng phân tích để cải thiện hoặc chuyển đổi doanh nghiệp?

 Chỉ ở mức tối thiểu  Chưa đầy đủ  Khá đầy đủ  Rất đầy đủ  Được xem như chuyên nghiệp

5. Người sử dụng dữ liệu và phân tích dữ liệu được xem là quan trọng nhất

thuộc chức năng nào tại doanh nghiệp Anh/chị? (Chọn những phương án phù hợp)

 Thương mại điện tử  Marketing  Quản lý gian lận  Phân tích thị trường và khách hàng  Dịch vụ khách hàng  Phát triển/Quản lý sản phẩm  Công nghệ thông tin  Quản lý hoạt động  Quản lý rủi ro  Nguồn nhân lực  Khác, ......................................................................................................... 6. Khoảng bao nhiêu nhân viên trong doanh nghiệp Anh/chị có năng lực chuyên môn về phân tích, mô hình hóa, khai thác dữ liệu (không bao gồm báo cáo thường niên)?

 50 hoặc ít hơn  51-100  101-250  251-500

 501-1000  Trên 1000

PHẦN II: DỮ LIỆU - BIG DATA

7. Theo Anh/chị kích thước dữ liệu như thế nào thì được xem là Big Data?

(Chọn những phương án phù hợp)

 Dữ liệu < 1 terabyte (1012 bytes)  Dữ liệu từ 1 terabyte – 100 terabytes  Dữ liệu từ 100 terabyte – 1 petabytes  Dữ liệu > 1 petabyte (1015 bytes)  Kiểu dữ liệu mới (văn bản, mối quan hệ, chuỗi thời gian), dữ liệu trực tuyến  Dữ liệu đến từ nhiều nguồn khác nhau

8. Loại dữ liệu nào Anh/chị đang cho rằng thuộc công nghệ Big Data? (đánh số

theo thứ tự những lựa chọn từ quan trọng nhất đến ít quan trọng nhất)

 Các giao dịch nghiệp vụ  Lịch sử thông tin từ dòng đường dẫn dữ liệu đã truy cập (clickstream)  Những nội dung không có cấu trúc như email, tài liệu văn phòng…  Tệp tin ghi âm/ Dữ liệu âm thanh  Thông tin xã hội (Facebook, Twitter…)  Dữ liệu của phần tử/ máy móc/ thiết bị  Dữ liệu về vị trí/ không gian địa lý  Dữ liệu khoa học/ hệ gen  Dữ liệu hình ảnh

9. Anh/chị nghĩ loại dữ liệu nào sẽ là điểm khởi đầu tốt nhất để sử dụng Big

Data trong doanh nghiệp? .................................................................................................................................. .................................................................................................................................. .................................................................................................................................. 10. Tên miền dữ liệu nào Anh/chị cho rằng tập trung nhiều nhất trong Big Data?

(chọn những phương án phù hợp)

 Dữ liệu khách hàng/ khách hàng tiềm năng  Các giao dịch với khách hàng  Dữ liệu về thị trường và cạnh tranh  Dữ liệu về sản phẩm/dịch vụ cung ứng  Phát hiện gian lận  Những dữ liệu chuyên ngành, cụ thể: ........................................................

11. Tại doanh nghiệp Anh/chị, tiêu chuẩn và cấu trúc dữ liệu nào được quan tâm đặc biệt khi nói về Big Data (đánh số theo thứ tự những lựa chọn từ quan trọng nhất đến ít quan trọng nhất)

 Flat file (các ứng dụng lưu trữ dữ liệu lên các tập tin dạng văn bản)  Relational (cho phép dữ liệu được lưu trữ trong nhiều bảng ở dạng tập tin

đơn lẻ có quan hệ với nhau bằng các trường dữ liệu dùng chung gọi là khoá)

 Dữ liệu phi cấu trúc (chỉ những dữ liệu không nằm trong cơ sở dữ liệu cột

hàng truyền thống, thường bao gồm nội dung văn bản và đa phương tiện)

 Chuỗi thời gian  Biểu đồ  Ngôn ngữ/ ngôn ngữ đánh dấu mở rộng (XML - mục đích tạo ra các ngôn ngữ đánh dấu khác, có thể mô tả nhiều loại dữ liệu khác nhau nên rất hữu ích trong việc chia sẻ dữ liệu giữa các hệ thống)

 Đa phương tiện  Độc quyền

12. Big Data là thuật ngữ dùng để mô tả bộ dữ liệu quá lớn, quá phức tạp hoặc đòi hỏi quá trình xử lý nhanh vì vậy khá khó khăn hoặc không thể sử dụng các công cụ quản lý cơ sở dữ liệu chuẩn hoặc các công cụ phân tích truyền thống, việc thao tác trên Big Data thường đòi hỏi nhiều phần mềm chạy song song với hàng chục, hàng trăm, thậm chí hàng ngàn máy chủ. Sự tăng trưởng Big Data thể hiện qua sự bùng nổ của phương tiện truyền thông xã hội, video, hình ảnh, văn bản phi cấu trúc thu thập được từ các thiết bị cảm biến phổ biến bao gồm cả điện thoại thông minh. Những khó khăn liên quan đến Big Data có thể kể đến như lưu trữ, tìm kiếm, chia sẻ, phân tích và hình dung dữ liệu. Có thể nói, dữ liệu khi được xem là Big Data thì có thể khác nhau tùy thuộc vào năng lực của từng doanh nghiệp.

Vậy tại doanh nghiệp Anh/chị có những định nghĩa về Big Data nào khác so với

định nghĩa ở trên không?  Không  Có, ............................................................................................................ .................................................................................................................................. .................................................................................................................................. .................................................................................................................................. .................................................................................................................................. 13. Vai trò của Big Data tại doanh nghiệp Anh/chị là gì? (chọn phương án phù

hợp)

 Chỉ lập kế hoạch

 Bằng chứng cho những khái niệm về đánh giá  Sandbox (công nghệ bảo vệ máy tính) khi thực hiện các phân tích ngẫu

nhiên (ad-hoc analytics)

 Nền tảng của BI (Business intelligence – tri thức kinh doanh) hay phân

tích liên quan đến báo cáo sản xuất

 Là một phần quan trọng của hệ thống hoạt động kinh doanh  Hệ thống sản xuất tự động với khả năng sẵn sàng 24/7  Khác, ......................................................................................................... 14. Những lợi ích mà Anh/chị mong muốn Big Data mang lại cho doanh nghiệp là gì? (đánh số theo thứ tự những lựa chọn từ quan trọng nhất đến ít quan trọng nhất)

 Cải thiện những trải nghiệm cho khách hàng  Tăng doanh số  Chất lượng sản phẩm và dịch vụ cung cấp tốt hơn  Cải tiến nhiều sản phẩm mới  Hoạt động kinh doanh hiệu quả hơn  Việc ra quyết định tốt hơn, có cơ sở hơn  Giảm thiểu rủi ro

15. Những thách thức dữ liệu nào Anh/chị nghĩ cần giải quyết khi sử dụng Big Data (đánh số theo thứ tự những lựa chọn từ quan trọng nhất đến ít quan trọng nhất)

 Tính đa dạng vì tích hợp nhiều dạng dữ liệu khác nhau  Đánh mất dữ liệu  Phải kết hợp với những dữ liệu hiện tại và quá khứ  Lưu trữ một khối lượng lớn dữ liệu  Sử dụng nhiều dữ liệu phi cấu trúc, yêu cầu dữ liệu chi tiết hơn  Phải có sự hiểu biết về dữ liệu trực tuyến

16. Theo Anh/chị, cơ hội lớn nhất khi doanh nghiệp sử dụng Big Data là gì? .................................................................................................................................. .................................................................................................................................. 17. Theo Anh/chị, thách thức lớn nhất khi doanh nghiệp sử dụng Big Data là gì? .................................................................................................................................. .................................................................................................................................. .................................................................................................................................. 18. Theo Anh/chị, mối quan tâm về Big Data thực sự đáng kể với những lĩnh

vực được liệt kê dưới đây? (chọn một phương án phù hợp)

 Bảo mật

 Quyền riêng tư  Rủi ro hoạt động  Rủi ro thực hiện  Khác, cụ thể: .............................................................................................. 19. Anh/chị sẽ đánh giá sự thành công khi ứng dụng Big Data trong doanh

nghiệp dựa trên những thang đo nào? (chọn những phương án phù hợp)

 Các thước đo định lượng gắn liền với hiệu quả kinh doanh (ví dụ: EVA,

ROI…)

 Các thước đo định tính gắn liền với hiệu quả kinh doanh (ví dụ: hiệu suất

hoạt động của nhân viên…)

 Các thước đo định lượng gắn liền với hiệu suất công nghệ thông tin (ví

dụ: số lượng người dùng/truy cập vào phần mềm…)

 Các thước đo định tính gắn liền với hiệu suất công nghệ thông tin (ví dụ:

sự hài lòng của người dùng với những thông tin thu thập được từ phần mềm…)

 Không có phương pháp đo lường cụ thể

PHẦN III: NHÂN SỰ

20. Tại doanh nghiệp Anh/chị, tư duy chiến lược – mối quan tâm về Big Data

được thể hiện từ cấp lãnh đạo nào? (chọn một phương án phù hợp)

 Giám đốc / Tổng giám đốc  Chủ nhiệm kiểm toán  Kiểm toán viên chính  Trợ lý kiểm toán

21. Tại doanh nghiệp Anh/chị, những vấn đề về nghiên cứu - phát triển - ứng

dụng liên quan đến Big Data đến từ bộ phận nào? (chọn một phương án phù hợp)

 Chủ yếu từ bộ phận công nghệ thông tin (IT)  Hợp tác của bộ phận IT và những bộ phận khác  Chủ yếu từ nhân viên của những bộ phận khác không phải bộ phận IT  Không có nhân viên nào

22. Tại doanh nghiệp Anh/chị, cụ thể thì ai là người chỉ đạo những vấn đề liên

quan đến Big Data? (chọn một phương án phù hợp)

 Giám đốc / Tổng giám đốc  Trưởng phòng công nghệ thông tin (IT)  Chủ nhiệm kiểm toán  Kiểm toán viên

23. Tại doanh nghiệp Anh/chị, việc tìm kiếm nhân sự có kỹ năng phân tích dữ

liệu gặp thách thức như thế nào?

 Không gặp khó khăn trong việc tìm kiếm nguồn nhân lực thay thế  Hơi khó khăn nhưng vẫn tuyển dụng được  Khó khăn trong việc tìm kiếm  Rất khó tìm hoặc thuê nhân sự mới  Không thể tìm hoặc thuê nguồn lực thay thế

24. Những kỹ năng về khoa học dữ liệu trong doanh nghiệp Anh/chị đến từ đâu?

 Đào tạo các chuyên gia phân tích hiện có  Thuê người mới  Thuê công ty dịch vụ chuyên nghiệp với chuyên gia phân tích Big Data  Sử dụng những sản phẩm từ những đội ngũ dịch vụ chuyên nghiệp

25. Những nhà khoa học về dữ liệu mà doanh nghiệp Anh/chị đang tìm kiếm đến

từ đâu? (chọn những phương án phù hợp)

 Các công ty khác trong cùng ngành  Thung lũng Silicon, ví dụ Facebook, Google…  Nhóm thống kê từ phố Wall  Những tiến sĩ Toán/Khoa học/Kỹ thuật  Sinh viên mới tốt nghiệp về các chuyên ngành Toán/Khoa học/Kỹ thuật  Khác, ......................................................................................................... 26. Tại doanh nghiệp Anh/chị, nguồn lực về kỹ năng quản lý IT nói chung và kỹ

năng về Big Data nói riêng có gặp thách thức không?

 Không gặp khó khăn trong việc tìm kiếm nguồn lực có chuyên môn  Ít thách thức  Thách thức  Rất khó tìm hoặc thuê  Không thể tìm hoặc thuê được

27. Tại doanh nghiệp Anh/chị, làm cách nào để ứng dụng những công nghệ mới

từ Big Data vào trong doanh nghiệp?

 Đào tạo những chuyên gia công nghệ thông tin hiện có  Thuê người mới  Thuê doanh nghiệp dịch vụ chuyên nghiệp với chuyên gia về Big Data  Sử dụng những sản phẩm từ những đội ngũ dịch vụ chuyên nghiệp

28. Tại doanh nghiệp Anh/chị, việc tìm kiếm những nhà quản lý kinh doanh/ giám đốc điều hành có thể nhận dạng và tận dụng các cơ hội kinh doanh từ Big Data có gặp thách thức không?

 Không gặp khó khăn trong việc tìm kiếm nguồn lực có chuyên môn  Ít thách thức

 Thách thức  Rất khó tìm hoặc thuê  Không thể tìm hoặc thuê được

PHẦN IV: PHÂN TÍCH DỮ LIỆU TỪ BIG DATA

29. Theo Anh/chị, lợi ích mà Big Data mang lại trong phân tích dữ liệu là gì?

(đánh số theo thứ tự những lựa chọn từ quan trọng nhất đến ít quan trọng nhất)

 Việc phân tích được thực hiện nhanh hơn một cách đáng kể  Có nhiều mô hình chính xác hơn và thông tin chi tiết hơn  Có nhiều nhận thức và khám phá mới

30. Anh/chị thường sử dụng Big Data đối với loại phân tích nào? (chọn những

phương án phù hợp)

 Đưa ra những cảnh báo và phân tích về thời gian thực  Phân tích dữ liệu dạng văn bản  Phân tích các mối quan hệ  Phân tích những bộ dữ liệu rất lớn  Phân tích nhiều bộ dữ liệu khác nhau  Phân tích dữ liệu thu thập được bên ngoài doanh nghiệp  Khác, ......................................................................................................... 31. Anh/chị đang sử dụng công cụ phân tích nào? (chọn những phương án phù

hợp)  Các gói thống kê hoặc toán học  Các sản phẩm diễn họa dữ liệu (một cách thể hiện dữ liệu theo phong cách

đồ họa hơn, trực quan hơn để thông tin có thể được truyền tải tốt nhất có thể)

 Các gói sản phẩm phân tích theo đơn đặt hàng cụ thể  Khác, .......................................................................................................... 32. Những chức năng phân tích nào là quan trọng nhất với Anh/chị khi phân tích

Big Data? (chọn những phương án phù hợp)

 Thuật toán phân tích nâng cao  Diễn họa dữ liệu  Thực hiện các thuật toán hiện có nhanh hơn  Phân tích văn bản  Phân tích mạng xã hội  Thực hiện các thuật toán hiện có trên bộ dữ liệu lớn hơn  Khác, .......................................................................................................... 33. Tại doanh nghiệp của Anh/chị có dự định sử dụng ứng dụng của bên thứ ba

hay phát triển các ứng dụng phân tích riêng? (chọn những phương án phù hợp)

 Mua từ bên thứ ba  Đặt hàng từ đối tác  Tự phát triển các sản phẩm đáp ứng nhu cầu  Khác, ......................................................................................................... 34. Những phát kiến mới về Big Data trong doanh nghiệp Anh/chị được bố trí và

quản lý như thế nào? (chọn một phương án phù hợp)

 Toàn bộ doanh nghiệp (nội bộ)  Chủ yếu trong nội bộ, với sự giúp đỡ của bên thứ ba  Chủ yếu từ bên thứ ba với sự chỉ đạo và giám sát của doanh nghiệp  Từ bên thứ ba với sự giám sát tối thiểu  Không biết  Khác, ......................................................................................................... 35. Anh/chị nghĩ như thế nào về khả năng của Big Data so với các phát kiến phân tích nâng cao (Advanced Analytics – là loại phân tích có thể được sử dụng để thúc đẩy những thay đổi và cải tiến trong thực tiễn kinh doanh) như khai phá dữ liệu, mô hình tiên đoán…? (chọn một phương án phù hợp)

 Big Data là một phần của Advanced Analytics  Big Data và Advanced Analytics là những thứ riêng biệt  Big Data chưa được kiểm chứng trong khi Advanced Analytics là một

phần của kinh doanh cốt lõi  Không biết  Khác, .......................................................................................................... 36. Anh/chị nghĩ như thế nào về Big Data so với các hoạt động quản lý dữ liệu

tổng thể? (chọn một phương án phù hợp)

 Big Data là một phần không thể tách rời của quản lý dữ liệu tổng thể  Big Data và quản lý dữ liệu tổng thể là những thứ riêng biệt nhưng thỉnh

thoảng vẫn có phối hợp

 Big Data và quản lý dữ liệu tổng thể là những thứ riêng biệt  Không biết  Khác, ......................................................................................................... 37. Tổng ngân sách doanh nghiệp Anh/chị đầu tư cho các công cụ phân tích Big

Data dự kiến hoặc đã thực hiện là bao nhiêu?

……………………………………………………………………………………

Rất cảm ơn Anh/chị đã dành thời gian trả lời cho bảng khảo sát này. Câu trả lời của Anh/chị rất có giá trị cho nghiên cứu của chúng tôi nhằm đánh giá đúng tầm

quan trọng của Big Data trong quá trình phân tích dữ liệu khi kiểm toán các doanh nghiệp tại Việt Nam!

Luận văn Thạc sĩ Kinh tế: Phân tích ảnh hưởng của Big Data đến quá trình phân tích dữ liệu tại các doanh nghiệp kiểm toán của Việt Nam

Luận văn chỉ tập trung nghiên cứu ảnh hưởng của Big Data và phân tích dữ liệu đến hoạt động KTĐL của các doanh nghiệp kiểm toán, không nghiên cứu trong các loại hình kiểm toán khác như kiểm toán nhà nước hay kiểm toán hoạt động.

VÕ THỊ BÍCH HÀ

PHÂN TÍCH ẢNH HƯỞNG CỦA BIG DATA ĐẾN

QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC

DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

Tp. Hồ Chí Minh – Năm 2018

VÕ THỊ BÍCH HÀ

PHÂN TÍCH ẢNH HƯỞNG CỦA BIG DATA ĐẾN

QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC

DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

LUẬN VĂN THẠC SĨ KINH TẾ

NGƯỜI HƯỚNG DẪN KHOA HỌC

TS. TRẦN KHÁNH LÂM

Tp. Hồ Chí Minh – Năm 2018

LỜI CAM ĐOAN

MỤC LỤC

DANH MỤC CÁC TỪ VIẾT TẮT

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, SƠ ĐỒ

DANH MỤC CÁC BẢNG BIỂU, HÌNH VẼ, SƠ ĐỒ

PHẦN MỞ ĐẦU

CHƯƠNG 1: TỔNG QUAN VỀ BIG DATA VÀ PHÂN TÍCH DỮ LIỆU TRONG KIỂM TOÁN

KẾT LUẬN CHƯƠNG 1

CHƯƠNG 2: THỰC TRẠNG ẢNH HƯỞNG CỦA BIG DATA

ĐẾN QUÁ TRÌNH PHÂN TÍCH DỮ LIỆU TẠI CÁC DOANH

NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

Hình 2.4: Những chức năng trong doanh nghiệp sử dụng Big Data và phân tích dữ liệu

5,0% 2,5%

12,5%

80,0%

Hình 2.26: Đánh giá khả năng tìm kiếm nhân sự có kỹ năng phân tích dữ liệu

0,0%

7,5%

22,5%

37,5%

32,5%

KẾT LUẬN CHƯƠNG 2

CHƯƠNG 3: GIẢI PHÁP NÂNG CAO TÍNH HỮU ÍCH CỦA

BIG DATA VÀ PHÂN TÍCH DỮ LIỆU KIỂM TOÁN TẠI

CÁC DOANH NGHIỆP KIỂM TOÁN CỦA VIỆT NAM

KẾT LUẬN CHƯƠNG 3

KẾT LUẬN

TÀI LIỆU THAM KHẢO

PHỤ LỤC

Có thể bạn quan tâm

Bài giảng Chính sách hàng hóa xuất nhập khẩu

Luận án Tiến sĩ: Nâng cao chất lượng cơ sở vật chất các trường đại học tư thục trên địa bàn thành Hà Nội

Luận án Tiến sĩ: Nghiên cứu các yếu tố ảnh hưởng tới sự thành công trong khởi sự kinh doanh của phụ nữ khu vực miền Bắc

Luận án Tiến sĩ: Kiểm soát nội bộ tại Tập đoàn xăng dầu Việt Nam

Tóm tắt Luận án Tiến sĩ: Năng lực cạnh tranh của doanh nghiệp nhỏ và vừa trên địa bàn tỉnh Phú Thọ

Tóm tắt Luận án Tiến sĩ: Ảnh hưởng của chính sách thuế đến phát triển bền vững doanh nghiệp nhỏ và vừa tại Việt Nam

Tóm tắt Luận án Tiến sĩ: Các yếu tố ảnh hưởng đến quyết định sử dụng dịch vụ logistics chuỗi lạnh: trường hợp doanh nghiệp nông sản tại vùng Đông Nam Bộ

Tóm tắt Luận án Tiến sĩ: Nghiên cứu các yếu tố ảnh hưởng tới sự thành công trong khởi sự kinh doanh của phụ nữ khu vực miền Bắc

Tóm tắt Luận án Tiến sĩ: Quản trị rủi ro trong đào tạo nghề tại các trường cao đẳng thuộc Bộ Công thương

Tóm tắt Luận án Tiến sĩ: Nghiên cứu nâng cao năng lực quản trị ở doanh nghiệp lữ hành tại thành phố Hà Nội

Nhập môn thống kê hướng tới máy học - Phạm Minh Hoàng

Bài giảng Điều tra và dự báo logistics - TS. Nguyễn Thị Thanh Hương

Bài tập lớn: Quản trị công nghệ

Giải pháp tăng cường hoạt động marketing dịch vụ giáo dục đại học tại trường Đại học Thành Đông

Phân tích trắc lượng thư mục yếu tố nội sinh thúc đẩy năng lực đổi mới sáng tạo của doanh nghiệp và một số hàm ý cho doanh nghiệp vừa và nhỏ tại Việt Nam

Bài giảng Bán lẻ điện tử

Các yếu tố tác động đến sự sẵn sàng khởi nghiệp của phụ nữ Việt Nam: Vai trò điều tiết của Đề án Chính phủ về “Hỗ trợ phụ nữ khởi nghiệp giai đoạn 2017- 2025”

Bài giảng Tin học thống kê (Phần 3): Chương 1 - Giới thiệu môn học

Bài giảng Tin học thống kê (Phần 3): Chương 2 - Tổng hợp và trình bày dữ liệu thống kê

Bài giảng Tin học thống kê (Phần 3): Chương 5 - Phân tích dữ liệu, thống kê bằng Excel

Tài liêu mới

Luận án Tiến sĩ: Nghiên cứu xây dựng thuật toán thích nghi và học tăng cường cấu trúc Actor - Critic điều khiển bám quỹ đạo cho robot di động đa hướng mecanum

Luận án Tiến sĩ: Cơ cấu bệnh tim mạch và chất lượng cuộc sống của người cao tuổi mắc suy tim, rung nhĩ điều trị tại Bệnh viện Thống Nhất, thành phố Hồ Chí Minh

Tóm tắt Luận án Tiến sĩ: Nghiên cứu hiện tượng nứt dăm đê sông vùng đồng bằng sông Hồng và dự báo khả năng bị nứt của một số đoạn đê

Tóm tắt Luận án Tiến sĩ: Nghiên cứu xây dựng giải pháp đảm bảo an toàn thông tin cho quá trình học liên kết dựa trên mật mã

Tóm tắt Luận án Tiến sĩ: Phát triển năng lực đánh giá công nghệ cho học sinh trong dạy học môn Công nghệ 11 ở trường trung học phổ thông

Tóm tắt Luận án Tiến sĩ: Nghiên cứu phân loại chi cầu diệp – Bulbophyllum Thouars (Orchidaceae) ở vùng Tây Nguyên bằng phương pháp hình thái và phân tử

Tóm tắt Luận án Tiến sĩ: Nghiên cứu đặc điểm phân bố và dinh dưỡng của các loài lưỡng cư ở Vườn Quốc gia Bến En và Khu bảo tồn thiên nhiên Pù Luông, tỉnh Thanh Hóa

Luận án Tiến sĩ: Tổng hợp luật dẫn và điều khiển cho một lớp tên lửa đối hải trên cơ sở ứng dụng mạng nơ ron và hệ mờ

Luận án Tiến sĩ: Nghiên cứu tổng hợp hệ điều khiển góc Pitch tua bin gió trong điều kiện có nhiễu tác động

Luận án Tiến sĩ: Nghiên cứu hóa học lipid của hai loài san hô thủy tức Millepora dichotoma và Millepora platyphylla ở Việt Nam

Luận án Tiến sĩ: Nghiên cứu kiểm soát phân phối công suất kéo trên cầu chủ động của ô tô con bằng ABS

Luận án Tiến sĩ: Ứng dụng phản ứng Domino vào tổng hợp các dẫn xuất Podophyllotoxin, Pyrimidine và đánh giá hoạt tính sinh học của các chất tổng hợp được

Luận án Tiến sĩ: Nghiên cứu thành phần hóa học và một số hoạt tính sinh học của cây chùm ngây (Moringa oleifera)