La aplicación del Big Data y el

Data Analytics en auditoría

Adriana Baravalle

Adriana Baravalle

1. Contexto actual2. Introducción: Cuarta Revolución Industrial3. Big Data, Data Warehousing y Data Mining4. Aplicaciones: Detección de fraudes5. Escenarios futuros

Adriana Baravalle

• Globalización vs. Movimientos altersistema

• Ciberespacio

• Cuarta Revolución Industrial

• Estrategias, Políticas y Planes (IA) : Concientización, capacitación, uso ético, centrado en el hombre, riesgos y oportunidades

• Marco regulatorio

• Impacto Trabajo, Educación, Salud, CyT

• Pandemia

Adriana Baravalle

“Las tecnologías exponenciales o disruptivas son aquellas capaces de cambiar o transformar modelos de negocio.’’

Características:

• siguen un patrón de crecimiento exponencial en un corto tiempo

• el precio y complejidad de este tipo de tecnologías exponenciales va disminuyendo y, al mismo tiempo, su capacidad y el número de aplicaciones que las aprovechan van creciendo de forma exponencial

Adriana Baravalle

https://www.techvshuman.com

Adriana Baravalle

• La informática, conlleva ciberseguridad, seguridad informática, computación en la nube, etc.

• Computación cuántica

• La impresión 3D

• La robótica

• La inteligencia artificial (IA)

• La biotecnología

• La nanotecnología

• Los drones

• Las tecnologías blockchain

• IoT

Adriana Baravalle

Según los autores del libro “Exponential Organizations”: SalimIsmail, Michael S. Malone y Yuri Van Geest

“Una Organización Exponencial (ExO) es aquella cuyo impacto (o producción) es desproporcionadamente grande, al menos

10 veces más en comparación con sus pares debido al uso de nuevas tecnologías que aprovechan las tecnologías de

aceleración.”

Adriana Baravalle

Nathan Myhrvold (ex directivo de Microsoft)

“.. afirma que gracias a las tecnologías exponenciales se aumentará y mucho la productividad (lo que reduciría el coste de la energía, el conocimiento, etc.), por lo que la

riqueza y el bienestar se difundirían por todo el mundo.”

Adriana Baravalle

“Colección grande y compleja de datos, difícil de procesar a través de herramientas de gestión y procesamiento

tradicionales.”

Desafíos: información privada, seguridad de datos, datos no estructurados, dinámicos, normas internacionales,

calidad, procesamiento paralelo.

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

https://www.idc.com/about

30% CHINA

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

• Estructura organizacional: Gobierno de Datos (Data Gobernance)

• Infraestructura (Hardware – Seguridad - Software)

• Arquitectura (Data Warehousing)

• Análisis de Datos : Equipo de Ciencia de Datos con formación y habilidades (multi e intradisciplinario)

• Proceso de análisis de datos

• Metodologías

• Técnicas de análisis (Data Mining)

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

• Software para identificar tendencias y excepciones significativas en el análisis de grandes cantidades de datos.

• Se puede utilizar para el análisis de datos básicos, hasta la interrogación de datos complejos en miles de millones de transacciones, así como para evaluar el rendimiento del control y los informes de excepciones, entre otras aplicaciones.

• Una encuesta reciente de Deloitte mostró que solo alrededor de un tercio de los EIS (Executive Information Systems) utilizan el análisis de datos a un nivel intermedio o avanzado. Los dos tercios restantes de las EIS utilizan análisis básicos ad hoc (por ejemplo, hojas de cálculo) o no utilizan ningún análisis.

Adriana Baravalle

Data Consulting. http://www.dataconsulting.co.uk/

Adriana Baravalle

Adriana Baravalle

Objetivo: detectar errores en los datos de los procesos o irregularidad en informes financieros

Tareas:

• Evaluaciones periódicas de riesgos y controles basados en muestras de poblaciones

• Evaluaciones continuas utilizando una mayor proporción de transacciones

El uso de análisis inteligente de datos permite a los auditores evaluar al 100% de las poblaciones.

Adriana Baravalle

• Automatización de actividades rutinarias del proceso de auditoría interna

• Mayor eficiencia (al evitar el análisis manual repetido)

• Mayor efectividad (pruebas de toda la población en lugar de muestreos aleatorios o de juicio)

• La empresa puede captar las tendencias y los temas emergentes y ser más ágiles con su monitoreo de riesgos

Adriana Baravalle

• Mayor seguridad (reduce el margen de error humano en el análisis de grandes conjuntos de datos y permite una mayor precisión en la evaluación del desempeño operativo)

• Un mayor enfoque en los riesgos estratégicos alejándose de las tareas más rutinarias

• Mayor cobertura de auditoría

• Ahorros significativos de tiempo y dinero a largo plazo.

Adriana Baravalle

Adriana Baravalle

Modelo de detección

Entrena y evalua mediante un modelo de Random Forest para clasificar lastransacciones como fraudulentas o no fraudulentas.

Si la probabilidad de fraude, basada en las reglas previamente establecidas, es mayor a 0.3 se clasifica el registro como fraudulento.

Modelo de desarrollo

Lee el modelo entrenado, así como la nueva transacción y aplica el modelo para clasificarlo. Al igual que en el flujo de trabajo de entrenamiento, usamos un nodo Rule Engine para aplicar el umbral personalizado. En caso de que una

transacción se clasifique como fraudulenta, el flujo de trabajo envía un correo electrónico al departamento de fraude.

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

Adriana Baravalle

https://www.techvshuman.com

Adriana Baravalle

• La globalización y el crecimiento de las compañías llevan a que los procesos sean cada día más abstractos y complejos. En respuesta a esta realidad, las nuevas tecnologías se presentan como una oportunidad, brindando la capacidad de procesar y analizar grandes volúmenes de información. En el caso particular de los auditores el desafío se presenta a la hora de verificar que la información sea fiel a la realidad.

• En la actualidad las nuevas tecnologías ofrecen grandes soluciones, para las tareas de auditoría, su uso adecuado se presenta como un desafío. El análisis de fraude y la auditoría continua son ejemplos de áreas donde la población total a menudo se prueba y luego los valores atípicos se someten a pruebas más detalladas.

Adriana Baravalle

• Existen además técnicas relacionadas con la inteligencia artificial o “machine learning”, utilizadas para el monitoreo de operaciones en tiempo real, que permite el control o auditoría constante de los procesos.

• Estas tecnologías contribuyen a la obtención de evidencias y la detección de incidencias, siendo un camino eficiente para mitigar riesgos.

• Es necesario contar con la regulación de las mismas, que junto con el juicio profesional del auditor permitirán mantener la calidad del trabajo de auditoría en un escenario nuevo y cambiante.

Adriana Baravalle

Adriana Baravalle