Data Analytics: vantagem competitiva ou imperativo de evolução?

por Malik Amirali

Executive Director, Assurance, Ernst & Young, Lda.

Focado na melhoria e aprendizagem contínua. Curioso por natureza. Procura criar impacto sustentável. Valoriza o tempo passado em família. Gosta de ler e pratica caminhadas regularmente.

2 minutos de leitura 15 abr 2021

Num ambiente de crescente utilização dos dados, torna-se imperativo que a Função de Auditoria Interna (FAI), pela sua visão holística sobre as organizações, invista no processo de data analytics (DA) para que possa transformar os dados em insights pertinentes, completos e prospetivos, aportando valor ao negócio.

O processo de DA pode ser definido como a manipulação de populações de dados com o intuito de fornecer informação que apoie as organizações a melhorar o seu desempenho, mitigar os seus riscos e maximizar o valor do seu negócio. O nível de maturidade na utilização de DA pode ser avaliado em função do valor aportado à organização. Por ordem crescente (de valor):

  • Descriptive – identificação de tendências e observações históricas relevantes;
  • Predictive – simulação de cenários com base em tendências passadas para antecipar comportamentos e riscos do negócio;
  • Prescriptive – definição de planos de ação que possam impactar favoravelmente o futuro do negócio.

O processo de DA deve estar integrado em todo o ciclo de auditoria:

  1. Avaliação de risco – Identificação dinâmica dos riscos mais relevantes e eventuais riscos desconhecidos, bem como o seu potencial impacto no negócio da organização;
  2. Plano de auditoria – Avaliação e identificação dos benefícios de DA para maximizar a abrangência e pertinência de cada auditoria planeada, permitindo introduzir, através de Key Performance Indicator (KPIs), uma perspectiva quantitativa ao processo de definição do plano de auditoria e oferecendo maior confiança quanto à utilização eficiente de recursos e foco nos tópicos chave para a organização;
  3. Execução – Desenvolvimento de ações de auditoria que combinem análises completas às populações, análises amostrais e, ainda, simulações de cenários, permitindo, também, a mais rápida execução de tarefas repetitivas, a mitigação do risco de erros humanos e a execução mais eficiente das tarefas, criando um grande potencial de economia de custos;
  4. Reporting – As ferramentas de DA devem permitir a produção automática e sistematizada de reportes sobre a actividade da FAI, o acompanhamento dos findings e dos respectivos impactos e a transformação os dados em insights para a identificação de problemas e das respectivas causas.
  5. Planos de acção – A identificação de tendências, riscos e oportunidades possibilita a recomendação de planos de ação que sustentem decisões atempadas e efetivas;
  6. Monitorização – Acompanhamento contínuo de indicadores de desempenho, risco e controlo, que possibilite a identificação tempestiva de comportamentos desviantes e de riscos emergentes.

Uma incorporação eficaz de DA na FAI requer a definição do âmbito de utilização das actividades que deverão ser sujeitas a estas técnicas, devendo deve passar pela identificação do universo auditável que representa um maior retorno/benefício face ao investimento a realizar, definição das competências necessárias para utilização eficaz das ferramentas de DA e priorização da formação dos colaboradores.

Resumo

A revisão das metodologias de auditoria alavancadas em data analytics é uma evolução inevitável para reforçar a relevância da FAI no seio das organizações.

Sobre este artigo

por Malik Amirali

Executive Director, Assurance, Ernst & Young, Lda.

Focado na melhoria e aprendizagem contínua. Curioso por natureza. Procura criar impacto sustentável. Valoriza o tempo passado em família. Gosta de ler e pratica caminhadas regularmente.

Tópicos relacionados Assurance Digital EY Digital Audit