intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Tác động của những kỹ thuật đổi mới mang tính đột phá đối với lĩnh vực kiểm toán

Chia sẻ: Lệ Minh Vũ | Ngày: | Loại File: PDF | Số trang:13

Thêm vào BST
Báo xấu
5
lượt xem 1
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết "Tác động của những kỹ thuật đổi mới mang tính đột phá đối với lĩnh vực kiểm toán" đưa ra các kỹ thuật phổ biến nhằm mang lại đổi mới mang tính đột phá. Từ đó, các đổi mới duy trì phát triển với kinh nghiệm triển khai và phản hồi từ các bên liên quan sẽ là chìa khóa cho các hoạt động áp dụng trong thực tiễn và nghiên cứu ứng dụng trong tương lai. Mời các bạn cùng tham khảo!

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Tác động của những kỹ thuật đổi mới mang tính đột phá đối với lĩnh vực kiểm toán

  1. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 TÁC ĐỘNG CỦA NHỮNG KỸ THUẬT ĐỔI MỚI MANG TÍNH ĐỘT PHÁ ĐỐI VỚI LĨNH VỰC KIỂM TOÁN IMPACT OF DISRUPTIVE INNOVATION TECHNIQUES ON AUDITING AREA TS. Nguyễn Vĩnh Khương1, ThS.NCS. Nguyễn Trần Thái Hà2 1 Trường Đại học Kinh tế-Luật, Đại học Quốc gia TP.HCM; 2Trường Đại học Sài Gòn Ngày nhận bài: 25/9/2021 Ngày nhận kết quả phản biện: 15/10/2021 Ngày chấp nhận đăng: 15/11/2021 TÓM TẮT Kiểm toán viên đã áp dụng thành công một số ứng dụng công nghệ để giảm chi phí và nâng cao chất lượng kiểm toán, tuy nhiên kiểm toán viên khá thận trọng khi tiếp cận các công nghệ mới (Alles, 2015). Mục đích bài viết nhằm đánh giá những kỹ thuật có thể áp dụng trong lĩnh vực kiểm toán và mô hình lý thuyết nhằm hướng đến sự chấp nhận ứng dụng công nghệ thông tin phổ biến. Bài viết cũng được ra các kỹ thuật phổ biến nhằm mang lại đổi mới mang tính đột phá. Từ đó, các đổi mới duy trì phát triển với kinh nghiệm triển khai và phản hồi từ các bên liên quan sẽ là chìa khóa cho các hoạt động áp dụng trong thực tiễn và nghiên cứu ứng dụng trong tương lai. Từ khóa: Đổi mới duy trì; Đổi mới mang tính đột phá; Kiểm toán. ABSTRACT Auditors have successfully used a variety of technological applications to cut costs and enhance audit quality, but they are wary of new technologies (Alles, 2015). The aim of the article is to assess the approaches and theoretical models that may be used in the field of auditing to improve the acceptance of information technology applications. The article also discusses some of the most common methods for bringing about disruptive innovation. The key to future applied research and practice efforts will be sustaining innovations with implementation experience and stakeholder input. Keywords: Sustaining innovation; Disruptive innovation; Auditing. 1. Giới thiệu Công nghệ đang phát triển với tốc độ chưa từng có và đặt ra những thách thức và cơ hội đáng kể cho các công ty cũng như nghề kiểm toán. Những đổi mới trong công nghệ như hệ thống hoạch định Nguồn lực Doanh nghiệp, trí tuệ nhân tạo, phân tích dữ liệu lớn và điện toán đám mây nhanh chóng được các công ty áp dụng để đạt được lợi thế cạnh tranh (Brynjolfsson và Mcafee, 2017). Những công nghệ mới nổi như tự động hóa quy trình bằng robot, trí tuệ nhân tạo và xử lý ngôn ngữ tự nhiên cũng đang có tác động sâu sắc đến nghề kiểm toán (Moffitt và cộng sự, 2018; Yoon và cộng sự, 2015). Do đó, điều quan trọng là phía doanh nghiệp và các nhà nghiên cứu trong lĩnh vực kiểm toán phải hiểu được các tác động, cơ hội và pháh thức liên quan với các công nghệ này. Từ góc độ kiểm toán, các nhiệm vụ kiểm toán thủ công và lặp đi lặp lại như đối chiếu, kiểm 1273
  2. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 tra kiểm soát nội bộ và kiểm tra chi tiết có thể được tự động hóa. Do kết quả của tự động hóa này, kiểm toán viên sẽ có thể phân bổ nhiều nguồn lực hơn cho các khu vực kiểm toán có tính chất phức tạp (ví dụ: ước tính giá trị hợp lý) hoặc điều tra các hạng mục có sự bất thường tiềm tàng, cuối cùng dẫn đến chất lượng kiểm toán cao hơn. Ở khía cạnh lý thuyết, các nghiên cứu trước đây đều cố gắng giải thích hiện tượng này bằng cách kết hợp các mô hình áp dụng công nghệ như mô hình lý thuyết về chấp nhận và sử dụng công nghệ (UTAUT) từ nghiên cứu hệ thống thông tin quản lý (Curtis và Payne, 2008). Cũng có một số nhà nghiên cứu đưa ra mô hình khác có tính khả thi thông qua khái niệm công nghệ đổi mới mang tính đột phá (Alles, 2015). Tuy nhiên, có rất ít nghiên cứu đã được thực hiện để kết hợp lý thuyết công nghệ đổi mới mang tính đột phá trong việc phân tích việc áp dụng công nghệ trong nghề kiểm toán. Ở khía cạnh thực tiễn, việc tự động các thử nghiệm hay phân tích kiểm toán, công cụ phân tích, và hệ thống giấy tờ điện tử đã cải thiện được tính hiệu lực và hiệu quả của kiểm toán một cách rõ ràng. Tuy nhiên, các loại công nghệ này tập trung chủ yếu lên tự động hóa những công việc hay thử nghiệm nhất định, bỏ qua sự liên kết hay liên quan giữa các hệ thống hay các ứng dụng khác nhau để hoạt động một cách tổng thể bởi các kiểm toán viên, nên thực tế vẫn còn tốn nhiều nhân lực. Ứng dụng của RPA được xem như là bổ sung tính năng tự động cho các hệ thống thông tin để có thể sát nhập các công việc kiểm toán hay các phân tích qua những hệ thống phần mềm không liên quan gì đến nhau, và từ đó giải quyết được vấn đề. Blockchain là một trong những công nghệ mới nổi và có khả năng ảnh hưởng đáng kể đến lĩnh vực kế toán và kiểm toán. Về cơ bản, blockchain là cơ sở dữ liệu chia sẻ tự do công khai và công khai theo dõi các giao dịch và bảo vệ dữ liệu khỏi sự giả mạo (Lansiti và Lakhani, 2017). Khi một giao dịch được thực hiện thì sẽ không thể đảo ngược và không thay đổi được trừ khi đa số người sử dụng Blockchain thông đồng (Nakamoto, 2008). Công nghệ Blockchain cung cấp một phương pháp để chia sẻ cơ sở dữ liệu giữa các thành viên tham gia ngay cả khi họ không tin tưởng lẫn nhau và tạo ra thị trường để chuyển dịch các tài sản trong các mạng lưới mà không cần sự cho phép của cơ quan quản lý. Việc sử dụng dữ liệu lớn trong kiểm toán có thể làm tăng hiệu suất và hiệu quả của cuộc kiểm toán. Phân tích dữ liệu lớn có thể cho phép thu thập dữ liệu tự động, do đó giảm sự phụ thuộc vào dữ liệu do khách hàng cung cấp, do đó tăng cường độ tin cậy và mức độ phù hợp của dữ liệu kiểm toán. Hơn nữa, dữ liệu lớn cho phép phân tích toàn bộ dữ liệu. Điều này có nghĩa là kiểm toán viên có thể mở rộng nguồn dữ liệu và định dạng sang các dạng bằng chứng kiểm toán khác không có trong kiểm toán truyền thống (ví dụ: vị trí GPS, tệp âm thanh hay video). Kết luận là việc sử dụng dữ liệu lớn không chỉ làm tăng chất lượng bằng chứng kiểm toán, mà còn hiệu quả về chi phí và minh bạch hơn so với phương pháp kiểm toán truyền thống – thứ mà không thể đối phó với những tiến bộ công nghệ cũng như số lượng và độ phức tạp ngày càng tăng của dữ liệu (Brown-Liburd và Vasarhelyi, 2015). Từ các nhận định trên, bài viết được bố cục tiếp theo như sau: Phần tiếp theo cung cấp đánh giá nghiên cứu và định nghĩa về đổi mới duy trì và đổi mới mang tính đột phá trong lĩnh vực kiểm toán. Tiếp theo, mô hình lý thuyết tương ứng với tiếp cận đổi mới đổi mới mang tính đột phá trong lĩnh vực kiểm toán. Các kỹ thuật được sử dụng phổ biến nhằm đem lại đổi mới mang tính đột phá cũng được bài luận và kết luận về định hướng nghiên cứu ứng dụng trong tương lai. 1274
  3. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 2. Đổi mới mang tính đột phá 2.1. Khái niệm Khái niệm “đổi mới đột phá” được Christensen (1997) đề xuất lần đầu tiên trong cuốn sách “The innovator's dilemma: when new technologies cause great firms to fail.” Christensen (1997) đã phân loại công nghệ mới thành hai loại, duy trì và đổi mới mang tính đột phá. Công nghệ duy trì đề cập đến các công nghệ thúc đẩy cải tiến hiệu suất của các sản phẩm đã được thiết lập, phù hợp với giá trị của khách hàng phổ thông trên thị trường lớn. Ngoài ra, tùy thuộc vào mức độ cải tiến, các công nghệ duy trì có thể được phân loại thêm là không liên tục hoặc liên tục (Christensen, 1997). Hầu hết các công nghệ mới đều thuộc về danh mục duy trì. Mặt khác, đổi mới mang tính đột phá đề cập đến sự đổi mới ban đầu dẫn đến một sản phẩm kém hiệu quả cho một thị trường mới nổi nhưng cuối cùng lại vượt qua các sản phẩm đã có và đổi mới mang tính đột phá thị trường đã có tên tuổi (Christensen và Raynor, 2003). Sự đổi mới mang tính đột phá thể hiện đặc tính trong một quá trình chứ không phải tại một thời điểm (Christensen, 1997; Christensen và Raynor, 2003; Yu và Hang, 2010). Trong thị trường lâu đời, các công ty đương nhiệm liên tục phát triển và triển khai các công nghệ để cải thiện hiệu suất sản phẩm của họ và làm hài lòng khách hàng trên thị trường. Khi một công ty tham gia ủng hộ công nghệ đổi mới mang tính đột phá cố gắng tham gia thị trường, nó sẽ cung cấp các sản phẩm đáp ứng các yêu cầu tối thiểu hoặc chỉ số hiệu suất được khách hàng trên thị trường chính đánh giá cao (Danneels, 2004). Các sản phẩm như vậy được cung cấp với giá rẻ hơn cho khách hàng ở thị trường ngách, vốn thường bị các công ty đương nhiệm bỏ qua do tỷ suất lợi nhuận thấp. Theo thời gian, với sự đầu tư nhiều hơn vào nghiên cứu và phát triển, công nghệ đổi mới mang tính đột phá sẽ trở nên ở giai đoạn trưởng thành. Sau đó, công ty gia nhập có thể cung cấp các sản phẩm không chỉ đáp ứng yêu cầu của khách hàng phổ thông mà còn rẻ hơn, đơn giản hơn, nhỏ hơn và thuận tiện hơn để sử dụng. Các công ty đương nhiệm có thể duy trì lợi thế cạnh tranh trong sản phẩm cao cấp bằng cách phát triển những đổi mới duy trì. Tuy nhiên, họ sẽ mất hứng thú từ thị trường chính vì sản phẩm được cung cấp vượt quá nhu cầu của khách hàng và có giá cao. Cuối cùng, công nghệ đột phá sẽ thay thế công nghệ bền vững với các công ty gia nhập thay thế các công ty đương nhiệm (Yu và Hang, 2010). Sau khi quá trình gián đoạn hoàn thành, các giá trị thị trường chủ đạo được xác định lại và những phát triển tiếp theo trong quá trình gián đoạn công nghệ xuất hiện theo cách duy trì công nghệ (Christensen, 1997) Christensen (1997) cho rằng do lợi nhuận ban đầu thấp và sự không chắc chắn trên thị trường liên quan đến những đổi mới mang tính đột phá, những nỗ lực phát triển công nghệ đổi mới mang tính đột phá với phương pháp quản lý truyền thống hầu như luôn dẫn đến thất bại. Ông đề xuất rằng việc quản lý thành công các công nghệ đổi mới mang tính đột phá nên bao gồm các nguyên tắc sau: 1) đặt các dự án phát triển công nghệ đổi mới mang tính đột phá trong các tổ chức riêng biệt và độc lập đủ nhỏ để tập trung vào những thành tựu nhỏ; 2) có kế hoạch cho việc giảm thiểu chi phí cho những thất bại trong giai đoạn đầu; và 3) tập trung vào việc tìm kiếm thị trường phù hợp cho các thuộc tính hiện tại của công nghệ hơn là dựa vào các đột phá về công nghệ để thâm nhập vào thị trường đã có sẵn. Khái niệm đổi mới đột phá đã được áp dụng thành công để phân tích các mô hình kinh doanh và công nghệ mới trong các lĩnh vực khác nhau như chăm sóc sức khỏe, nhà trọ, taxi, giáo dục và thiết bị điện tử (Guttentag, 2015). 2.2 Mô hình chấp nhận và áp dụng công nghệ của các kiểm toán viên Những đổi mới trong công nghệ như hệ thống hoạch định nguồn lực doanh nghiệp, trí tuệ 1275
  4. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 nhân tạo, phân tích dữ liệu lớn và điện toán đám mây được các công ty nhanh chóng áp dụng để đạt được lợi thế cạnh tranh (Brynjolfsson và Mcafee, 2017). Với vai trò cung cấp sự đảm bảo hợp lý đối với báo cáo tài chính của khách hàng (PCAOB, 2015), kiểm toán viên phải có đủ hiểu biết về quy trình kinh doanh của công ty khách hàng, bao gồm cả các đổi mới công nghệ. Ngoài ra, việc áp dụng các công nghệ mới trong các thủ tục kiểm toán có thể mang lại lợi ích cho kiểm toán viên bằng cách giảm khối lượng công việc, nâng cao hiệu quả và hiệu lực kiểm toán cũng như nâng cao độ tin cậy của công việc kiểm toán (Curtis và Payne, 2008). Các công nghệ khác nhau đã được các nhà nghiên cứu đề xuất để nâng cao hiệu quả và hiệu quả kiểm toán. Appelbaum và Nehmer (2017) trình bày một khuôn khổ để tự động hóa các chức năng kiểm toán nhất định như kiểm tra hàng tồn kho bằng cách sử dụng các hệ thống máy bay không người lái. Tự động hóa quy trình bằng robot có thể hỗ trợ kiểm toán viên thực hiện các công việc thủ công lặp đi lặp lại trong việc đối chiếu doanh thu và thử nghiệm kiểm soát nội bộ (Moffitt và cộng sự, 2018). Vasarhelyi và Halper (1991) đề xuất ý tưởng tạo ra bằng chứng kiểm toán thông qua việc đo lường và giám sát liên tục các hệ thống của công ty và thiết lập khái niệm kiểm toán liên tục, có thể được áp dụng như một thành phần thiết yếu của kiểm toán trong tương lai (Dai và Vasarhelyi, 2016). Dai và Vasarhelyi (2017) đề xuất một hệ sinh thái kế toán dựa trên chuỗi khối để cho phép theo dõi và xác minh thời gian thực. Các nhà nghiên cứu cũng tập trung vào việc phát triển phân tích dữ liệu kiểm toán để kết hợp nhiều phương pháp học máy và dựa trên thông minh nhân tạo, chẳng hạn như phân cụm, khai phá quy trình, phân tích văn bản, phân tích dự đoán, dự đoán biến ngoại sinh, Dữ liệu lớn và trực quan hóa (Thiprungsri và Vasarhelyi, 2011; Yoon và cộng sự, 2015). Ngoài ra, sự phát triển trong phần mềm thương mại hóa như Caseware IDEA, Audit Command Language (ACL) và Tableau, làm giảm mức độ kiến thức tiên quyết để sử dụng công nghệ và cho phép kiểm toán viên kết hợp phân tích dữ liệu trong các quy trình kiểm toán với chi phí triển khai thấp hơn. Tuy nhiên, Sự tập trung vào các công nghệ tiên tiến được các doanh nghiệp và giới học thuật rất quan tâm, thì nghề kiểm toán dường như vẫn thận trọng và dè dặt trong việc áp dụng các công nghệ mới (Alles, 2015). Hầu hết các nghiên cứu đều cố gắng giải thích hiện tượng này bằng cách kết hợp mô hình áp dụng công nghệ như mô hình lý thuyết về chấp nhận và sử dụng công nghệ (UTAUT) từ nghiên cứu hệ thống thông tin quản lý (Curtis và Payne, 2008). Venkatesh và cộng sự (2003) đề xuất bốn yếu tố quyết định trực tiếp quan trọng đối với sự chấp nhận của người dùng đối với công nghệ trong mô hình UTAUT: (1) kỳ vọng kết quả thực hiện được, kỳ vọng của người dùng về cải thiện hiệu suất bằng cách sử dụng hệ thống; (2) kỳ vọng nỗ lực, mức độ cảm nhận của người dùng về mức độ dễ sử dụng hệ thống; (3) ảnh hưởng xã hội, nhận thức của người dùng về việc những người khác quan trọng có khuyến khích việc sử dụng hệ thống hay không; và (4) tạo điều kiện thuận lợi, kỳ vọng của người dùng về cơ sở hạ tầng kỹ thuật và tổ chức để hỗ trợ việc sử dụng hệ thống. Curtis và Payne (2008) kết luận rằng việc áp dụng công nghệ của kiểm toán viên có thể bị ảnh hưởng đáng kể bởi các yếu tố bao gồm kỳ vọng kết quả thực hiện được, kỳ vọng nỗ lực, ảnh hưởng xã hội, sự khác biệt của cá nhân và hạn chế ngân sách. 3. Một số kỹ thuật ứng dụng mang tính tính đột phá trong hoạt động kiểm toán Bảy công nghệ mới nổi có tính đột phá có thể được thực hiện trong kiểm toán được phân loại dựa trên cách mà chúng tác động đến các thủ tục kiểm toán trong Bảng 1. 1276
  5. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 Bảng 1. Phân loại một số công nghệ mới nổi Các thủ tục kiểm Các thủ tục Công nghệ mới nổi có tính đột phá toán hiện hành kiểm toán mới Chuỗi khối và hợp đồng thông minh ✓ Trực quan hóa dữ liệu tương tác ✓ ✓ Học máy ✓ ✓ Xử lý ngôn ngữ tự nhiên ✓ ✓ Khai phá dữ liệu ✓ ✓ Tự động hóa quy trình ✓ Phương tiện bay không người lái ✓ Nguồn: Alles (2015); Zhang (2019); Yan (2019) Mô hình đánh giá liên tục đang được quan tâm trong lĩnh vực kiểm toán. Đánh giá liên tục được định nghĩa là “một phương pháp để phát hành báo cáo đánh giá đồng thời hoặc một thời gian ngắn sau khi các sự kiện liên quan xảy ra” (AICPA 1999). Ban đầu nó được đề xuất là Hệ thống Kiểm toán Quy trình Liên tục (CPAS) để thực hiện các phân tích tự động, gần thời gian thực, trên toàn bộ hồ sơ (Vasarhelyi và Halper, 1991). Vasarhelyi và cộng sự (2004) đề xuất một khung lý thuyết về đánh giá liên tục và xác định khái niệm “đánh giá theo ngoại lệ”. Quy trình cơ bản của kiểm toán liên tục là sử dụng các quy tắc được xác định trước để liên tục theo dõi và đánh giá các giao dịch. Việc phát hiện vi phạm quy tắc sẽ dẫn đến các cảnh báo (tức là các trường hợp ngoại lệ) được gửi đến các chuyên gia đánh giá để kiểm tra thêm. Do đó, trọng tâm của công việc kiểm toán chuyển từ xác minh các giao dịch sang điều tra các ngoại lệ (Vasarhelyi và cộng sự, 2004). So với các kỹ thuật kiểm toán truyền thống, kiểm toán liên tục có thể được triển khai thường xuyên hơn để thu thập bằng chứng kiểm toán phù hợp và kịp thời hơn. Ngoài ra, kiểm toán liên tục có khả năng thực hiện kiểm tra toàn bộ dân số, điều này có thể nâng cao chất lượng của bằng chứng và giảm rủi ro kiểm toán (Brown và cộng sự, 2007). Kiểm toán liên tục cung cấp một loại bằng chứng kiểm toán khác nhau về cơ bản bằng cách kiểm tra các ngoại lệ. Nếu kiểm toán liên tục được áp dụng đầy đủ trong kiểm toán bên ngoài, các thủ tục kiểm toán phải được thiết kế lại để kiểm toán viên có thể thu thập bằng chứng kiểm toán từ các trường hợp ngoại lệ một cách hiệu quả và hiệu quả. Phân tích dữ liệu và chuỗi khối cũng có thể dẫn đến sự thay đổi ở phương pháp luận vì chuối khối có khả năng tạo ra một hệ thống kế toán minh bạch, có thể xác minh và chống giả mạo (Dai và Vasarhelyi, 2017), trong khi phân tích dữ liệu kiểm toán có thể được áp dụng để phân tích các giao dịch kinh doanh trong môi trường dữ liệu lớn (Appelbaum và cộng sự, 2017; Appelbaum và cộng sự, 2018). Quá trình về cách thức những đổi mới mang tính đột phá có thể tác động đến việc tạo ra bằng chứng kiểm toán tùy thuộc cấp độ ứng dụng công nghệ và cấp độ phương pháp luận được tóm tắt và thể hiện trong Hình 1 sau đây. 1277
  6. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 Hình 1. Mô tả tác động kỹ thuật mới đến lĩnh vực kiểm toán Nguồn: Zhang (2019); Yan (2019) Chuỗi khối Công nghệ Blockchain đã được chứng minh là khá hấp dẫn đối với các công ty trên toàn thế giới. Sidechains có thể làm giảm bớt quá tải từ blockchain chính bằng cách tập trung vào các hoạt động cụ thể tách biệt trên mỗi sidechain. Các mô hình kinh doanh chính của một blockchain sẽ không hoạt động tốt khi nó mở rộng quy mô. Với một sidechain, giải pháp mở rộng là rất đơn giản, được thực hiện một cách riêng biệt. Về mặt kỹ thuật, các sidechains (chuỗi bên) là riêng biệt nhưng có thể tương tác với blockchain chính. Bất kỳ lỗi kỹ thuật hoặc tấn công độc hại trên một sidechain sẽ không ảnh hưởng đến blockchain chính, do đó nó sẽ cung cấp một nền tảng an toàn để thiết kế, tùy chỉnh và thử nghiệm các sidechains riêng mà không ảnh hưởng đến mã cốt lõi của blockchain chính. Điều này cho phép kiểm soát blockchain cá nhân sẽ tập trung vào rủi ro hoạt động trong một hoặc nhiều điểm có vấn đề và có thể thu phí độc quyền đối với người sử dụng trong mạng lưới (Yermack, 2017). Ngoài sự thay đổi ở ở cấp độ công nghệ, blockchain cũng có khả năng đổi mới mang tính đột phá ở cấp độ phương pháp luận. Dai và Vasarhelyi (2017) đề xuất rằng blockchain có thể cho phép một hệ sinh thái kế toán theo thời gian thực, có thể xác minh và minh bạch, đồng thời tạo ra một hệ sinh thái kế toán chính xác hơn và hệ thống đảm bảo tự động kịp thời. Sự gián đoạn như vậy sẽ làm thay đổi các nguyên tắc cơ bản của các quy trình kiểm toán và ảnh hưởng đến tất cả các thủ tục kiểm toán. 1278
  7. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 Trực quan hóa Trực quan hóa dữ liệu tương tác (IDV) bao gồm ba yếu tố: tương tác, lựa chọn và đại diện. Tương tác đề cập đến thông tin liên lạc của người ra quyết định với hệ thống để khám phá dữ liệu và khám phá thông tin chi tiết mới. Các lựa chọn liên quan đến việc chọn một tập hợp con của dữ liệu được lấy từ các tập dữ liệu lớn hoặc phức tạp để hiển thị. Biểu diễn đề cập đến việc hiển thị dữ liệu trên máy tính, cho dù ở dạng văn bản hoặc nhiều định dạng đồ họa khác nhau (Dilla và cộng sự, 2010). Các nghiên cứu trước đây cho thấy rằng các công cụ IDV cho phép người dùng có nhiều khả năng xem xét nhiều yếu tố hơn, tạo điều kiện thuận lợi hơn cho các chiến lược xử lý bù đắp và dẫn đến các quyết định chính xác hơn (Lurie và Mason, 2007; Laplante và Vernon, 2021). Trực quan hóa dữ liệu tương tác đã được áp dụng để phân tích dữ liệu được tạo ra bằng hệ thống ERP và xác định các hoạt động gian lận (Dilla và Raschke, 2015). Kiểm toán viên có thể hưởng lợi từ IDV theo hai cách. Thứ nhất, IDV cung cấp cho kiểm toán viên khả năng hiểu rõ hơn về dữ liệu của khách hàng, điều này giúp cải thiện hiệu quả và hiệu lực của các thủ tục kiểm toán hiện hành. Từ góc độ này, IDV được coi là một sự đổi mới duy trì nhằm nâng cao các công nghệ được áp dụng trong quy trình kiểm toán hiện tại. Thứ hai, IDV có tiềm năng hỗ trợ kiểm toán viên áp dụng các kỹ thuật phân tích dữ liệu bằng cách làm cho kết quả phân tích dữ liệu dễ dàng hơn để kiểm toán viên hiểu và phân tích (Dilla và Raschke, 2015). Liu và cộng sự (2019) đề xuất một khuôn khổ để kiểm toán viên áp dụng IDV không chỉ như một kỹ thuật để hiểu rõ hơn về dữ liệu tài chính kích thước lớn mà còn là một phương pháp để thực hiện phân tích dữ liệu khám phá (Liu 2014). Do đó, IDV vừa có thể đổi mới mang tính đột phá các công nghệ trực quan được áp dụng trong các thủ tục đánh giá hiện tại, vừa tạo ra tiềm năng của các thủ tục đánh giá mới. Học máy Học máy là tập hợp con của trí tuệ nhân tạo, nhằm mục đích sử dụng các hệ thống máy tính để học từ dữ liệu, xác định các mẫu và đưa ra quyết định với sự can thiệp tối thiểu của con người (Bishop, 2006). Các nhà nghiên cứu kế toán và kiểm toán đang chứng minh một quan tâm đáng kể đến học máy và đã khám phá để áp dụng học máy trong các lĩnh vực khác nhau như phát hiện gian lận, dự đoán phá sản, đánh giá mối quan tâm, và dự báo điều kiện tài chính (Wang, 2010; Foster và Stine, 2004; Anandarajan và Anandarajan, 1999; Ding và cộng sự, 2008). Thiprungsri và Vasarhelyi (2011) áp dụng phân tích cụm để hỗ trợ kiểm toán viên lọc các yếu tố bất thường và các yêu cầu bảo hiểm nhân thọ đáng ngờ và đề xuất rằng phân cụm có thể được sử dụng để tự động lọc gian lận trong quá trình kiểm tra. Học máy cũng có thể được kết hợp bởi đánh giá viên dưới dạng hệ thống hỗ trợ đánh giá hoặc hệ thống chuyên gia (Sutton và cộng sự, 2016). Ngoài ra, một ứng dụng chính của máy trong kiểm toán là thông qua phân tích dữ liệu kiểm toán. Phân tích dữ liệu kiểm toán (ADA) được định nghĩa là “việc phân tích dữ liệu cơ bản của báo cáo tài chính, cùng với thông tin tài chính hoặc phi tài chính liên quan, nhằm mục đích xác định các sai sót tiềm ẩn hoặc rủi ro có sai sót trọng yếu” (Stewart, 2015). ADA có thể được thông qua không chỉ để cải thiện hiệu quả trong các thủ tục kiểm toán hiện tại mà còn là một giải pháp tiềm năng cho các kiểm toán viên để thích ứng với môi trường nơi dữ liệu khách hàng thể hiện đa dạng, tốc độ cao và khối lượng khổng lồ, hoặc được gọi là Dữ liệu lớn (Appelbaum và cộng sự, 2017). Do đó, học máy được coi là một sự đổi mới đột phá có thể cải thiện các thủ tục kiểm toán hiện tại, tạo ra các thủ tục kiểm toán mới và mang lại các cuộc cách mạng về cấp độ phương pháp luận cho kiểm toán. Xử lý ngôn ngữ tự nhiên Xử lý ngôn ngữ tự nhiên (NLP) là “một loạt các kỹ thuật tính toán được thúc đẩy về mặt lý 1279
  8. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 thuyết để phân tích và biểu diễn các văn bản xuất hiện tự nhiên ở một hoặc nhiều cấp độ phân tích ngôn ngữ nhằm mục đích đạt được khả năng xử lý ngôn ngữ giống như con người cho một loạt các nhiệm vụ hoặc ứng dụng” (Fisher và cộng sự, 2016). NLP và các kỹ thuật khai phá văn bản đã thu hút sự chú ý của các học giả và các nhà thực hành vì khả năng trích xuất thông tin hữu ích từ văn bản phi cấu trúc. Các nhà nghiên cứu cho rằng kiểm toán viên có thể sử dụng xử lý ngôn ngữ tự nhiên để xác định các tín hiệu gian lận và đánh giá rủi ro gian lận (Goel và cộng sự, 2010; Goode và Lacey, 2011). Cecchini và cộng sự. (2010) sử dụng xử lý ngôn ngữ tự nhiên để phân tích đoạn phỏng vấn với ban giám đốc nhằm xác định các công ty có khả năng gian lận hoặc phá sản. Các nhà nghiên cứu đã gợi ý rằng việc khai phá văn bản sẽ được các kiểm toán viên sử dụng để cung cấp những bổ sung có giá trị cho bằng chứng kiểm toán truyền thống trong tương lai (Yoon và cộng sự, 2015). Hơn nữa, NLP có thể dẫn đến những cải tiến trong hệ thống quản lý- kiểm soát, quy trình lập ngân sách, chất lượng dữ liệu kế toán và hoàn thiện các tiêu chuẩn kế toán trong báo cáo tài chính (Warren và cộng sự,. 2015). NLP cũng có thể được sử dụng để kiểm toán viên thực hiện kiểm tra toàn bộ tổng thể trên các hợp đồng và chứng từ. Những ví dụ này chứng minh rằng NLP có thể được sử dụng như một công nghệ đột phá cho các thủ tục đánh giá (ví dụ: kiểm tra tài liệu) mà còn để tạo ra các loại thủ tục đánh giá mới (ví dụ: thu thập bằng chứng từ phương tiện truyền thông xã hội). Khai phá quy trình Khai phá quy trình là một kỹ thuật trích xuất kiến thức bằng cách phân tích nhật ký sự kiện được ghi lại bởi một hệ thống thông tin (Jans và cộng sự, 2013). Nhật ký sự kiện được định nghĩa là “một bản ghi theo thứ tự thời gian về các hoạt động của hệ thống máy tính được lưu vào một tệp trên hệ thống” (Jans và cộng sự, 2014). Do đó, khai phá quy trình nhằm mục đích phân tích thông tin được hệ thống công nghệ thông tin của công ty ghi lại tự động. Jans và cộng sự (2013) cho rằng kiểm toán viên nên tận dụng các khả năng của khai phá quy trình bởi vì: (1) khai phá quy trình phân tích toàn bộ dữ liệu thử nghiệm chứ không phải là một mẫu; (2) khai phá quá trình tập trung vào dữ liệu nhật ký sự kiện, được ghi lại tự động bởi hệ thống công nghệ thông tin và độc lập hơn với các hành động của bên được đánh giá; (3) khai phá quy trình cung cấp các cách để thực hiện các hướng dẫn và quy trình phân tích; và (4) khai phá quy trình cho phép kiểm toán viên thực hiện các phân tích như xác định các quy trình giao dịch không thể thực hiện được với các công cụ kiểm toán hiện có. Cụ thể, khai phá quy trình có thể được sử dụng làm công cụ kiểm toán để khám phá quy trình, kiểm tra sự phù hợp, phân tích hiệu suất, phân tích mạng xã hội, khai phá và xác minh quyết định. Chiu và Jans (2017) áp dụng khai phá quy trình để phân tích dữ liệu từ một ngân hàng lớn ở Châu Âu nhằm đánh giá hiệu quả của kiểm soát nội bộ và xác định các hồ sơ bất thường. Do đó, khai phá quy trình không chỉ có thể nâng cao hiệu quả của các nhiệm vụ kiểm toán hiện tại mà còn tạo ra quy trình kiểm toán mới để điều tra thông tin nhật ký của các giao dịch. Tự động hóa quy trình Trước khi thuật ngữ RPA trở thành xu hướng chính và được định nghĩa hẹp lại, việc tự động hóa các nhiệm vụ kiểm toán đã được thực hiện bằng cách sử dụng một loạt các công cụ, có thể được sử dụng độc lập hoặc kết hợp với nhau. Bảng 1 mô tả một loạt các công cụ do nhà cung cấp và nguồn mở cung cấp để tự động hóa các nhiệm vụ kiểm toán (bao gồm RPA). Mặc dù Excel không thể thiếu trong các nhiệm vụ kiểm toán, làm thế nào Excel sẽ được sử dụng để tự động hóa đòi hỏi một số cân nhắc. Hiện tại, kiểm toán viên sử dụng Excel để chọn mẫu, chạy thử nghiệm và làm thủ tục kiểm toán. Trong những trường hợp này, các mẫu Excel yêu cầu người dùng chỉnh 1280
  9. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 sửa thủ công để nhập dữ liệu, thực hiện tính toán. Như đã thảo luận ở trên, macro Excel là một tiện ích có thể tự động hóa các chức năng công việc kiểm toán lặp đi lặp lại. Với các macro Excel, người dùng có khả năng lập trình sẵn các chức năng thực hiện các nhiệm vụ kiểm toán theo tuần tự. Tương tự, phần mềm CaseWare IDEA để kiểm tra và giám sát có các khả năng kiểm toán được lập trình sẵn cho phép kiểm toán viên nhập dữ liệu và chọn một nhiệm vụ kiểm toán để thực hiện từ giao diện người dùng. Python và R là ví dụ về các ngôn ngữ có thể viết kịch bản có thể cho phép tự động hóa trong kiểm toán, mặc dù sử dụng chúng đòi hỏi các nhà phát triển phải có kinh nghiệm và mức độ tùy biến cao. Những công cụ này sử dụng miễn phí và chúng cung cấp sự linh hoạt hơn Excel hoặc IDEA để tự động hóa các nhiệm vụ kiểm toán. Ngoài việc cho phép các tính năng có thể so sánh với các macro Excel và IDEA, các khả năng liên quan đến kiểm toán khác bao gồm quét trang web, nhập và xuất dữ liệu. Các khả năng bổ sung để tự động hóa một loạt các nhiệm vụ kiểm toán bao gồm: • Sử dụng Python để viết mã nhập các tệp kiểm toán từ nhiều nguồn khác nhau và tải vào IDEA hoặc Excel. • Sử dụng IDEA hoặc Excel để chạy các chức năng kiểm toán được lập trình sẵn nhằm đối chiếu. • Yêu cầu IDEA hoặc Excel tạo tài liệu mới với kết quả của quy trình kiểm toán trên. Kịch bản trên giả định nhiều loại công cụ được sử dụng cùng nhau, tuy nhiên, một khả năng khác là sử dụng các công cụ RPA để hoàn thành tất cả các nhiệm vụ. Các nhà cung cấp RPA như UiPath và Blue Prism cung cấp các khả năng tự động hóa tương tự như Excel, IDEA, Python và R, nhưng không yêu cầu lập trình ở giao diện cấp người dùng. Bảng 2. Ứng dụng RPA trong thủ tục kiểm toán Công cụ Cách thức Nhiệm vụ có thể thực hiện trong kiểm toán Thực hiện theo nguyên tắc Excel Macros Bảng chỉnh hợp định sẵn Thủ tục phân tích IDEA Tính toán Thử nghiệm kiểm soát Thử nghiệm chi tiết Thực hiện theo nguyên tắc Python Bảng chỉnh hợp định sẵn Tính toán Thủ tục phân tích R Cào dữ liệu từ Web Thử nghiệm kiểm soát Thử nghiệm chi tiết UiPath/Blue Nhập dữ liệu Đầu vào: thu thập dữ liệu từ nhiều nguồn Prism Xuất dữ liệu Đầu ra: Tổng hợp kết quả phân tích Nguồn: Bharadwaj (2018); Rozario và Vasarhelyi (2018) Cuối cùng, nhóm kiểm toán nên quản lý và theo dõi hoạt động của RPA. Bảng điều khiển thường được tích hợp trong phần mềm RPA. Kiểm toán viên có thể có được thông tin liên quan đến độ chính xác (chẳng hạn như tỉ lệ lỗi sai của những bất thường chưa được xác định) và tính 1281
  10. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 hiệu quả (chẳng hạn như thời gian xử lý, khối lượng thời gian mà RPA không sử dụng, và thời gian duy trì) của một chương trình RPA đơn lẻ một cách liên tục trong lĩnh vực kiểm toán (Bharadwaj, 2018; Eilifsen và cộng sự, 2020). Phương tiện bay không người lái Phương tiện bay không người lái được sử dụng rộng rãi trong cơ sở hạ tầng, nông nghiệp, giao thông, an ninh, truyền thông và giải trí, bảo hiểm, nhiếp ảnh, khai thác mỏ và khoa học tự nhiên (PricewaterhouseCoopers, 2016). Máy ảnh, bộ theo dõi RFID, cảm biến và thiết bị định vị địa lý có thể được kết hợp với máy bay không người lái để cung cấp nguồn cấp dữ liệu hình ảnh, video và cảm biến. Appelbaum và Nehmer (2017) đề xuất rằng kiểm toán viên có thể sử dụng máy bay không người lái để thu thập bằng chứng trong việc kiểm tra và quan sát thực tế. Cụ thể, máy bay không người lái có thể được sử dụng để thực hiện đánh giá, quan sát, kiểm tra và thống kê lại bản kiểm kê thực tế. Ngoài ra, bài báo này cũng đề xuất một khuôn khổ để tích hợp máy bay không người lái trong môi trường kiểm toán liên tục thông qua việc tự động hóa các nhiệm vụ kiểm toán nhất định (Appelbaum và Nehmer, 2017). Các lợi ích của việc sử dụng máy bay không người lái để thực hiện kiểm tra thực tế bao gồm giảm chi phí và cải thiện độ chính xác, được coi là sự thay đổi ở của các thủ tục kiểm toán hiện tại. Mặc dù, vấn đề lợi ích chi phí đang là rào của của hoạt động này nhưng công nghệ máy bay không người lái có khả năng sẽ thay đổi phương pháp luận kiểm toán trong tương lai. 4. Thảo luận và khuyến nghị Đối với thị trường năng động như thị trường kiểm toán và nhu cầu cấp thiết từ khách hàng, việc kiểm toán viên sẽ cần ưu tiên cách tiếp cận phân tích dữ liệu sẽ từ đánh giá "truyền thống" đến "theo hướng dữ liệu". Các vấn đề ra quyết định trong suốt quá trình cuộc kiểm toán sẽ được tư vấn bởi các công nghệ mới nhằm tối ưu hóa chuyên môn, kinh nghiệm của kiểm toán viên. Để đảm bảo quá trình sớm áp dụng các công nghệ này trong cuộc kiểm toán thì vai trò quan trọng của đào tạo và cập nhật thường xuyên cần nhấn mạnh. Vai trò cập nhật thường xuyên sẽ xuất phát từ hiệp hội nghề nghiệp trong việc cung cấp các khóa học phân tích dữ liệu, áp dụng các kỹ thuật mới cho các hội viên. Bên cạnh đó, các công ty kiểm toán cần cung cấp các khóa đào tạo nội bộ để đảm bảo nhân viên của họ được đào tạo đầy đủ. Ngoài ra, bản chất phát triển nhanh chóng của các công nghệ phân tích dữ liệu tiên tiến sẽ yêu cầu đào tạo liên tục. Theo thời gian, điều này sẽ nâng cao lòng tin công chúng đối với chất lượng cuộc kiểm toán khi các kiểm toán viên hướng tới các ứng dụng như vậy và tự tin khi sử dụng các kỹ thuật này. Vai trò các trường đại học đóng một vai trò quan trọng trong việc cung cấp loại hình giáo dục nào trong quá trình học đại học và sau đại học cho các kiểm toán viên tương lai. Xu hướng tích hợp các môn học về phân tích dữ liệu trở thành một môn học bắt buộc, vì nhiều nghề nghiệp liên quan khối ngành kế toán, kiểm toán được hưởng lợi nếu nhân viên có kiến thức như vậy. Do đó, phân tích dữ liệu đang trở thành một phần mở rộng cần thiết trong bộ kỹ năng của kiểm toán viên. Cần phải đảm bảo kiểm toán viên có khả năng áp dụng xét đoán chuyên môn và thái độ hoài nghi, đặt câu hỏi và đánh giá nghiêm túc các kết quả phân tích dữ liệu. 5. Kết luận Công nghệ đang phát triển với tốc độ chưa từng có và đã tác động đáng kể đến các kiểm toán viên trong vài thập kỷ qua. Trong khi các nhà nghiên cứu đang tập trung vào việc áp dụng các mô hình áp dụng công nghệ để phân tích việc chấp nhận các công nghệ mới nổi của kiểm toán 1282
  11. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 viên, bài viết cung cấp góc nhìn thêm về phân loại một số công nghệ mới có tác động trực tiếp đến lĩnh vực kiểm toán. Nghiên cứu trong tương lai có thể tập trung vào việc cải thiện định nghĩa về đổi mới duy trì và đột phá trong kiểm toán và cung cấp phân loại chi tiết hơn về các công nghệ mới. Các nghiên cứu trong tương lai với một loạt các thử nghiệm hoặc khảo sát về hành vi để kiểm tra mô hình lý thuyết ứng dụng công nghệ và so sánh thái độ của kiểm toán viên đối với các đổi mới duy trì và đột phá. TÀI LIỆU THAM KHẢO [1] Alles, M. G. (2015). Drivers of the use and facilitators and obstacles of the evolution of Big Data by the audit profession, Accounting Horizons, 29(2), 439-449. [2] Anandarajan, M., and A. Anandarajan. (1999). A comparison of machine learning techniques with a qualitative response model for auditor’s going concern reporting. Expert Systems with Applications 16 (4):385-392. [3] Appelbaum, D. A., A. Kogan, and M. A. Vasarhelyi. (2018). Analytical procedures in external auditing: A comprehensive literature survey and framework for external audit analytics. Journal of accounting literature 40:83-101. [4] Appelbaum, D., A. Kogan, and M. A. Vasarhelyi. (2017). Big Data and analytics in the modern audit engagement: Research needs. Auditing: A Journal of Practice & Theory 36 (4):1-27. [5] Appelbaum, D., and R. A. Nehmer. (2017b). Using drones in internal and external audits: An exploratory framework. Journal of emerging technologies in Accounting 14 (1):99-113. [6] Appelbaum, D., and R. Nehmer. (2017a). Designing and Auditing Accounting Systems Based on Blockchain and Distributed Ledger Principles. Feliciano School of Business. [7] Bharadwaj, R., 2018. Robotic process automation (RPA) in finance – current applications. https://emerj.com/ai-sector-overviews/robotic-process-automation-rpa-finance-current- applications/. [8] Bishop, C. M. (2006). Pattern recognition and machine learning: springer. [9] Brown, C. E., J. A. Wong, and A. A. Baldwin. (2007). A review and analysis of the existing research streams in continuous auditing. Journal of emerging technologies in Accounting 4 (1):1-28. [10] Brown-Liburd, H., & Vasarhelyi, M. A. (2015). Big Data and audit evidence. Journal of Emerging Technologies in Accounting, 12(1), 1-16. [11] Brynjolfsson, E., and A. Mcafee. (2017). The business of artificial intelligence. Harvard business review. [12] Cecchini, M., H. Aytug, G. J. Koehler, and P. Pathak. (2010). Detecting management fraud [13] Curtis, M. B., and E. A. Payne. (2008). An examination of contextual factors and individual characteristics affecting technology implementation decisions in auditing. International Journal of Accounting Information Systems 9 (2):104-121. [14] Chiu, T., and M. J. Jans. (2017). Process mining of event logs: a case study evaluating internal control effectiveness. Available at SSRN 3136043. [15] Christensen, C. (1997). The innovator's dilemma: when new technologies cause great firms to fail: Harvard Business Review Press. 1283
  12. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 [16] Christensen, C., and M. Raynor. (2003). The innovator's solution: Creating and sustaining successful growth: Harvard Business Review Press. [17] Dai, J., and M. A. Vasarhelyi. (2016). Imagineering Audit 4.0. Journal of emerging technologies in Accounting 13 (1):1-15. [18] Dai, J., and M. A. Vasarhelyi. (2017). Toward blockchain-based accounting and assurance. Journal of Information Systems 31 (3):5-21. [19] Danneels, E. (2004). Disruptive technology reconsidered: A critique and research agenda. Journal of Product Innovation Management 21 (4):246-258. [20] Dilla, W. N., and R. L. Raschke. (2015). Data visualization for fraud detection: Practice implications and a call for future research. International Journal of Accounting Information Systems 16:1-22. [21] Dilla, W., D. J. Janvrin, and R. Raschke. (2010). Interactive data visualization: New directions for accounting information systems research. Journal of Information Systems 24 (2):1-37. [22] Ding, Y., X. Song, and Y. Zen. (2008). Forecasting financial condition of Chinese listed companies based on support vector machine. Expert Systems with Applications 34 (4):3081- 3089. [23] Eilifsen, A., Kinserdal, F., Messier, W. F., & McKee, T. E. (2020). An exploratory study into the use of audit data analytics on audit engagements. Accounting Horizons, 34(4), 75-103. [24] Fisher, I. E., M. R. Garnsey, and M. E. Hughes. (2016). Natural language processing in accounting, auditing and finance: A synthesis of the literature with a roadmap for future research. Intelligent Systems in Accounting, Finance and Management 23 (3):157-214. [25] Foster, D. P., and R. A. Stine. (2004). Variable selection in data mining: Building a predictive model for bankruptcy. Journal of the American Statistical Association 99 (466):303-313. [26] Goel, S., J. Gangolly, S. R. Faerman, and O. Uzuner. (2010). Can linguistic predictors detect fraudulent financial filings? Journal of emerging technologies in Accounting 7 (1):25-46. [27] Guttentag, D. (2015). Airbnb: disruptive innovation and the rise of an informal tourism accommodation sector. Current issues in Tourism 18 (12):1192-1217. [28] in public companies. Management science 56 (7):1146-1160. [29] Jans, M., M. Alles, and M. Vasarhelyi. (2013). The case for process mining in auditing: Sources of value added and areas of application. International Journal of Accounting Information Systems 14 (1):1-20. [30] Jans, M., M. G. Alles, and M. A. Vasarhelyi. (2014). A field study on the use of process mining of event logs as an analytical procedure in auditing. The Accounting Review 89 (5):1751-1773. [31] Lansiti, Marco and Karin R. Lakhani. (2017). The Truth about Blockchain. Harvard Business Review 95 (1): 119-127. [32] Lansiti, Marco and Karin R. Lakhani. 2017. The Truth about Blockchain. Harvard Business Review 95 (1): 119-127. [33] Laplante, S. K., & Vernon, M. E. (2021). Incorporating Data Analytics in a Technical Tax Setting: A Case Using Excel and Tableau to Examine a Firm's Schedule M-3 and Tax Risk. Issues in Accounting Education, 36(2), 129-139. [34] Liu, Q. (2014). The application of exploratory data analysis in auditing, Rutgers UniversityGraduate School-Newark. 1284
  13. Kỷ yếu Hội thảo Khoa học Quốc gia về Kế toán và Kiểm toán – VCAA 2021 [35] Liu, Q., L. Zhang, and H. Lee. (2019). Visual Audit Exploratory Data Analysis: Framework and Demonstration. Working Paper, Rutgers University. [36] Lurie, N. H., and C. H. Mason. (2007). Visual representation: Implications for decision making. Journal of marketing 71 (1):160-177. [37] Moffitt, K. C., A. M. Rozario, and M. A. Vasarhelyi. (2018). Robotic process automation for auditing. Journal of emerging technologies in Accounting 15 (1):1-10. [38] Nakamoto, Satoshi. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System. [39] Nakamoto, Satoshi. 2008. Bitcoin: A Peer-to-Peer Electronic Cash System. [40] PCAOB. (2015). Auditing Standard (AS) 1001: Responsibilities and Functions of the Independent Auditor. Available at: https://pcaobus.org/Standards/Auditing/Pages/AS1001.aspx. [41] PricewaterhouseCoopers. (2016). Clarity from Above. Available at: http://www.pwc.pl/en/publikacje/2016/clarity-from-above.html. [42] Stewart, T. (2015). Data analytics for financial-statement Audits, Chapter 5 in AICPA, Audit Analytics and Continuous Audit: Looking Toward the Future. American Institute Of Certified Public Accountants. [43] Sutton, S. G., M. Holt, and V. Arnold. (2016). “The reports of my death are greatly exaggerated”—Artificial intelligence research in accounting. International Journal of Accounting Information Systems 22:60-73. [44] Thiprungsri, S., and M. A. Vasarhelyi. (2011). Cluster analysis for anomaly detection in accounting data: An audit approach. [45] Vasarhelyi, M. A., and F. B. Halper. (1991). The Continuous Audit of Online Systems. Auditing: A Journal of Practice & Theory 10 (1):110-125. [46] Vasarhelyi, M. A., M. G. Alles, and A. Kogan. (2004). Principles of analytic monitoring for continuous assurance. Journal of emerging technologies in Accounting 1 (1):1-21. [47] Wang, S. (2010). A comprehensive survey of data mining-based accounting-fraud detection research. Paper read at 2010 International Conference on Intelligent Computation Technology and Automation. [48] Warren Jr, J. D., K. C. Moffitt, and P. Byrnes. (2015). How Big Data will change accounting. Accounting Horizons 29 (2):397-407. [49] Yan, Z. (2019). Three essays on the adoption and application of emerging technologies in accounting (Doctoral dissertation, Rutgers University-Graduate School-Newark). [50] Yermack, D. (2017). Corporate governance and blockchains. Review of Finance, 21(1), 7-31. [51] Yermack, D. (2017). Corporate governance and blockchains. Review of Finance, 21(1), 7-31. [52] Yoon, K., L. Hoogduin, and L. Zhang. (2015). Big Data as Complementary Audit Evidence. Accounting Horizons 29 (2):431-438. [53] Yoon, K., L. Hoogduin, and L. Zhang. (2015). Big Data as Complementary Audit Evidence. Accounting Horizons 29 (2):431-438. [54] Yu, D., and C. C. Hang. (2010). A reflective review of disruptive innovation theory. International journal of management reviews 12 (4):435-452. [55] Zhang, C. (2019). Intelligent process automation in audit. Journal of emerging technologies in accounting, 16(2), 69-88. 1285
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
14=>2