Data-analyysien vaikutus tilintarkastukseen
Kiminki, Miika-Matias (2016)
Pro gradu -tutkielma
Kiminki, Miika-Matias
2016
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2016102025436
https://urn.fi/URN:NBN:fi-fe2016102025436
Tiivistelmä
Suuret tilintarkastusyhteisöt ovat alkaneet suosia tarkastuksissaan data-analyysejä tavoitellen parempaa laatua ja kustannustehokkuutta. Tilintarkastuksen data-analyyseistä on viime vuosina tehty runsaasti akateemista tutkimusta, mutta aiheelle on selkeä tutkimusaukko Suomessa, jossa tilintarkastusrajat ja -käytännöt ovat huomattavasti erilaiset muihin maihin verrattuna. Tässä tutkimuksessa otetaan selvää siitä, miten data-analyysit ovat vaikuttaneet tilintarkastukseen suomalaisessa yritysmaailmassa. Ilmiötä tutkitaan kvalitatiivisella tutkimustavalla, jonka empiirinen aineisto on kerätty haastattelemalla viittä suuren tilintarkastusyrityksen asiantuntijaa. Tutkimuksessa havaitaan, että data-analyysien myötä tilintarkastusten laatu paranee selkeästi, mutta kustannussäästöjä on hankala saavuttaa. Tilintarkastustiimien rakenne ja tilintarkastajan työnkuva muuttuvat, ja uudet oheispalvelut tulevat mahdollisiksi. Haasteita data-analyyseissä aiheuttavat hitaasti uudistuvat tilintarkastusstandardit, datan käsittelytarve ja kasvava odotuskuilu. Tulevaisuudessa data-analyysejä voidaan tehostaa automatisoinnin avulla ja uudistamalla tilintarkastusprosessia data-analyysilähtöiseksi, minkä lisäksi big dataa voidaan sisällyttää analyyseihin. Big auditing companies have started to favor data analytics in their external audits, pursuing better quality and cost efficiency. Recently lots of academic research has been made of audit data analyses, yet there is a distinct research gap in the subject in Finnish context where limits for a mandatory financial statement audit are set to a low level and the audit profession has some special characteristics. This research finds out what effects data analyses have had on external audits in Finland. The phenomenon is examined with qualitative research methods, using interviews of five specialists in a major auditing firm. The research shows that data analyses raise the audit quality significantly but additional cost efficiency is difficult to achieve. Data analyses change how audit teams are constructed and how auditors perform their work. These new methods also make new non-audit services possible. Challenges in data analyses include slowly adapting professional standards, difficulties in processing data and a widening expectation gap. In the future data analyses can be improved through automation and by reshaping the audit process based on the needs of data analysis. Additionally, big data can be incorporated into the analyses.