Data-analytiikan hyödyntäminen sisäisessä tarkastuksessa : kuntasektorin näkökulma
Tella-Pätäri, Eija (2022)
Diplomityö
Tella-Pätäri, Eija
2022
School of Engineering Science, Tuotantotalous
Kaikki oikeudet pidätetään.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2022100461118
https://urn.fi/URN:NBN:fi-fe2022100461118
Tiivistelmä
Kuntien toimintaympäristö on monimutkaistunut ja digitalisaation myötä käytettävissä olevan datan määrä on kasvanut. Toimintaympäristön muuttuessa myös riskit muuttuvat, mikä sisäisen tarkastuksen on huomioitava toiminnassaan ja suunnitelmissaan. Tämän tutkielman tavoitteena on kuvata data-analytiikan hyödyntämismahdollisuuksia sisäisessä tarkastuksessa erityisesti kuntasektorilla. Teoreettisen viitekehyksen avulla tutkimuskysymyksiin haetaan vastauksia yleisesti sisäisen tarkastuksen näkökulmasta, kun taas kuntasektorin näkökulmaa varten toteutetaan laadullinen tutkimus, jossa haastatellaan kunta-alan sisäisen tarkastuksen asiantuntijoita.
Data-analytiikkaa hyödynnetään kuntasektorin sisäisessä tarkastuksessa monin eri tavoin. Data-analytiikan avulla voidaan lisätä tarkastusten kattavuutta, ja tietoja yhdistelemällä tarkastuksiin voidaan sisällyttää laajoja datajoukkoja. Visualisointia hyödynnetään sekä datan hahmottamisessa että raportoinnissa. Sisäisen tarkastuksen toiminnan suunnittelussa ja yksittäisissä tarkastuksissa hyödynnetään data-analytiikkaa. Analysoitavaa dataa saadaan organisaation sisäisten tietojärjestelmien lisäksi myös ulkoisista tietolähteistä. Erityisesti kuntasektorilla on mahdollista hyödyntää yhteisesti kerättyjä aineistoja ja tilastoja, joista dataa on saatavilla raakadatana, jalostettuina kokonaisuuksina ja/tai dynaamisina raportteina.
Ennustavan ja ohjaavan analytiikan hyödyntäminen sisäisessä tarkastuksessa on vähäisempää, vaikkakin sisäinen tarkastus voi hyötyä myös edistyneemmistä data-analytiikan menetelmistä, joita voidaan hyödyntää esimerkiksi jatkuvassa tarkastuksessa. Tekstianalytiikkaa on mahdollista hyödyntää minkä tahansa tekstien analysointiin. Prosessilouhinnan avulla voidaan puolestaan tuottaa kuvaus siitä, miten jokin prosessi todellisuudessa toimii ja verrata sitä siihen, miten sen on ollut tarkoitus toimia. The operating environment of municipalities has become more complicated, and the amount of available data has increased due to digitalization. As the operating environment changes, so do the risks, which internal auditing must take into account in audit planning. The aim of this thesis is to describe the possibilities of using data analytics in internal audit, especially in the municipal sector. With the help of the theoretical framework, answers to the research questions are sought from the perspective of internal audit in general. For the perspective of the municipal sector, a qualitative study is carried out, in which experts from the internal audit of the municipal sector are interviewed.
Data analytics is utilized in the municipal sector's internal audit in several ways. It can be used to increase the audit coverage, and extensive data can be included in audits by joining datasets. Visualization is utilized both in exploring datasets and improving reporting of the audit results. Data analytics is utilized in the planning of internal audit activities and in individual audits. The data to be analyzed can be obtained not only from the organization's internal information systems, but also from external data sources. Especially in the municipal sector it is possible to utilize commonly collected data and statistics, from which data is available as raw data, refined entities and/or dynamic reports.
Predictive and prescriptive analytics is not widely utilized in internal audit activities, although internal auditing can also benefit from more advanced data analytics methods, which can be used e.g. in continuous auditing. It is also possible to use text mining for analyzing any text, whereas process mining can be used to produce a description of how a pro-cess works in reality and compare it to how it was intended to work.
Data-analytiikkaa hyödynnetään kuntasektorin sisäisessä tarkastuksessa monin eri tavoin. Data-analytiikan avulla voidaan lisätä tarkastusten kattavuutta, ja tietoja yhdistelemällä tarkastuksiin voidaan sisällyttää laajoja datajoukkoja. Visualisointia hyödynnetään sekä datan hahmottamisessa että raportoinnissa. Sisäisen tarkastuksen toiminnan suunnittelussa ja yksittäisissä tarkastuksissa hyödynnetään data-analytiikkaa. Analysoitavaa dataa saadaan organisaation sisäisten tietojärjestelmien lisäksi myös ulkoisista tietolähteistä. Erityisesti kuntasektorilla on mahdollista hyödyntää yhteisesti kerättyjä aineistoja ja tilastoja, joista dataa on saatavilla raakadatana, jalostettuina kokonaisuuksina ja/tai dynaamisina raportteina.
Ennustavan ja ohjaavan analytiikan hyödyntäminen sisäisessä tarkastuksessa on vähäisempää, vaikkakin sisäinen tarkastus voi hyötyä myös edistyneemmistä data-analytiikan menetelmistä, joita voidaan hyödyntää esimerkiksi jatkuvassa tarkastuksessa. Tekstianalytiikkaa on mahdollista hyödyntää minkä tahansa tekstien analysointiin. Prosessilouhinnan avulla voidaan puolestaan tuottaa kuvaus siitä, miten jokin prosessi todellisuudessa toimii ja verrata sitä siihen, miten sen on ollut tarkoitus toimia.
Data analytics is utilized in the municipal sector's internal audit in several ways. It can be used to increase the audit coverage, and extensive data can be included in audits by joining datasets. Visualization is utilized both in exploring datasets and improving reporting of the audit results. Data analytics is utilized in the planning of internal audit activities and in individual audits. The data to be analyzed can be obtained not only from the organization's internal information systems, but also from external data sources. Especially in the municipal sector it is possible to utilize commonly collected data and statistics, from which data is available as raw data, refined entities and/or dynamic reports.
Predictive and prescriptive analytics is not widely utilized in internal audit activities, although internal auditing can also benefit from more advanced data analytics methods, which can be used e.g. in continuous auditing. It is also possible to use text mining for analyzing any text, whereas process mining can be used to produce a description of how a pro-cess works in reality and compare it to how it was intended to work.