ویژگی های نظام داده در حوزه های اطمینان بخشی و تعیین سنجه های عملکرد شرکت – با تمرکز بر بزرگ داده ها

نوع مقاله : مقاله ترویجی

نویسندگان

1 استادیار، گروه حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران.

2 کارشناس ارشد، گروه حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

چکیده

هدف: هدف این پژوهش عبارت است از دانش افزایی نسبت به دو حوزه اصلی نظام داده کاوی در حسابرسی متشکل از شیوه استخراج و طبقه بندی داده ها برای تعیین سنجه های کسب و کار، اقدامات اطمینان بخشی و بررسی ابزارهای مورد استفاده برای کسب این اهداف شامل: فرایند اتوماسیون رباتیک ، یادگیری ماشینی ، زنجیره بلوکی ، و علم تجزیه و تحلیل داده .
روش: با اتکا به روش پژوهش کتابخانه ای تحقیقات پیشین مورد مطالعه و نتایج آنها مورد تجزیه و تحلیل و بررسی قرار گرفته است.
یافته ها: نتایج حاصل از این پژوهش نمایانگر اهمیت و جایگاه بزرگ داده ها و ضرورت تدوین نظام داده کاوی در حرفه حسابرسی است.
نتیجه گیری: حسابرسان برای تثبیت جایگاه خود و ارتقاء آن باید ضمن آشنایی با منابع، تکنولوژی ها و سازوکار و روش های مرتبط با بزرگ داده ها، دانش لازم برای ارائه خدمات حرفه ای در این زمینه را فرا گیرند. همچنین در مراحل بعدی تدوین نظام مسنجم برای برخورد صحیح با بزرگ داده ها در حرفه حسابرسی ایران می تواند گامی مؤثر در این راستا باشد. طبعاً، پیش نیاز شناخت چنین سازوکاری آشنایی با ویژگی های بزرگ داده ها، ابزارهای استخراج و طبقه بندی و تجزیه و تحلیل آنها در محیط های گوناگون کسب و کار همچون حسابرسی است.
دانش افزایی: معرفی اجمالی ویژگی های بزرگ داده ها، نظام داده کاوی و ابزارهای تجزیه و تحلیل داده در حسابرسی.

کلیدواژه‌ها

عنوان مقاله [English]

The Characteristics of Data Ecosystem for Assurance and Determination of Business Measurement – Focusing on Big Data

نویسندگان [English]

  • Mozaffar Jamalianpour 1
  • Ali Alipourfallahpasand 2
1 Assistant Professor, Department of Accounting, Faculty of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran
2 M.Sc. Department of Accounting, Faculty of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran
چکیده [English]

Purpose: The purpose of this research is to provide a comprehensive viewpoint and mechanism on areas related to data analysis in audit and assurance ecosystems such as recognition of data ecosystem and how to extract and classify data.
Methodology: For collecting data, learning, and understanding them, a library research technique was used.
Findings: To obtain the best use of Big Data, a distinctive ecosystem is required. The next step is to use technologies such as the Robotic Automation Process, Machine Learning, Blockchain, and Data Analytics for data extraction and analysis. The prerequisite of this is to design a harmonious system in which Big Data can be recognized, analyzed, and used on a national scale. Of course, having such a system requires an acceptable level of comprehension of the characteristics of data, methods for extraction, analysis, and available tools and techniques in this regard.
Results: The results of this study ascertain the significance and role of Big Data in the audit and assurance environments.
Knowledge Accrual: Preliminary introduction of Big Data features, data mining systems, and data analytics in auditing.

کلیدواژه‌ها [English]

  • Data Ecosystem
  • Big Data
  • Robotic Automation Process
  • Blockchain
  • and Data Analytics

مراجع

ثقفی، علی. جمالیان‏‏ پور، مظفر. (۱۳۹۷). فناوری، بلاک چین و آینده حسابداری و حسابرسی. نشریه حسابدار، ۳ (۲-۳۱۴): ۹.
ثقفی، علی. جوانی قلندری، موسی. (۱۳۹۵). داده های بزرگ چگونه حسابداری مالی را تغییر خواهند داد؟. حسابداری و منافع اجتماعی، ۶ (۳): ۳۵-۵۰.
جمالیان پور، مظفر. (۱۳۹۴). داده های بزرگ، پارادایمی جدید در حوزه سیستم های اطلاعاتی جدید. ماهنامه بورس،  (۴) ۱۲۸: ۲۴.
جمالیان پور, مظفر, علی پور فلاح پسند, علی. (۱۳۹۹). بررسی تأثیر قراردادهای هوشمند بر حرفه حسابداری و حسابرسی. مطالعات حسابداری و حسابرسی، ۹ (۳۵): ۸۹-۱۰۲.
جمالیان پور، مظفر و علی پور فلاح پسند، علی. (۱۳۹۸). مبادی کنترل های عمومی فناوری اطلاعات در حسابرسی زنجیره بلوکی (ترجمه و گردآوری)، هفدهمین همایش ملی حسابداری ایران، قم.
رهنمای رودپشتی، ف. (۱۳۹۱). داده کاوی و کشف تقلب های مالی. دانش حسابداری و حسابرسی مدیریت، ۱ (۳): ۳۴-۱۷.
علی پورفلاح پسند، علی. (۱۳۹۹). شناخت ابزارهای فناورانه در عرصه حسابرسی، اولین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری، ساری، https://civilica.com/doc/1045801
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.
Alles, M. G., Kogan, A., & Vasarhelyi, M. A. (2002). Feasibility and economics of continuous assurance. Auditing: A Journal of Practice & Theory, 21(1), 125-138.
Alipourfallahpasand, Ali. (2020). Recognition of Innovative Technologies In Auditing. The First International Conference on Challenges and New Solutions in Industrial Engineering and Management and Accounting. Sari. Iran. (In Persian).
American Institute of Certified Public Accountants (AICPA). (2015). Audit Analytics and Continuous Audit: Looking Towards the Future. AICPA.
American Institute of Certified Public Accountants (AICPA). (2012). Evolution of Auditing: From the Traditional Approach to the Future Audit. AICPA.
Cao, M., Chychyla, R., & Stewart, T. (2015). Big data analytics in financial statement audits. Accounting Horizons, 29(2), 423-429.
Cho, S., Vasarhelyi, M. A., & Zhang, C. (2019). The forthcoming data ecosystem for business measurement and assurance. Journal of Emerging Technologies in Accounting, 16(2), 1-21.
Dai, J. (2017). Three essays on audit technology: audit 4.0, blockchain, and audit app (Doctoral dissertation, Rutgers University-Graduate School-Newark).
Dai, J., & Vasarhelyi, M. A. (2017). Toward blockchain-based accounting and assurance. Journal of Information Systems, 31(3), 5-21.
Drescher, Daniel. (2017). Blockchain basics, Apress. 1st Edition.
Finogeev, A. G., Parygin, D. S., & Finogeev, A. A. (2017). The convergence computing model for big sensor data mining and knowledge discovery. Human-centric computing and information sciences, 7(1), 1-16.
FORBES, G. (2013). $16.1 Billion Big Data Market: 2014 Predictions from IDC and IIA.
Giannakis, M., & Louis, M. (2016). A multi-agent based system with big data processing for enhanced supply chain agility. Journal of Enterprise Information Management.
IBM. (2012). the four V’s of big data. Available at: http://www.ibmbigdatahub.com/infographic/four-vs-big-data.
Jamalianpour, Mozaffar. (2015). Big Dara, an Emerging Paradigm in New Information Technology Field. Bourse Magazine. Vol. 128 and 129. PP. 24–26. (In Persian).
Jamalianpour. Mozaffar; Alipourfallahpasand, Ali. (2020). Exploring The Impacts of Smart Contracts on Accounting and Auditing Professions. Journal of Accounting and Auditing Studies. Vol. 9, Issue 35. PP. 89-102. (In Persian).
Jamalianpour. Mozaffar; Alipourfallahpasand, Ali. (2019). Fundamentals of IT General Controls in Blockchain Auditing. Journal of Accounting and Auditing Studies. 17th Iranian National Accounting Conference, Accounting and Emerging Technologies. Qom, Iran. (In Persian(.
Laney, D. (2001). 3D data management: Controlling data volume, velocity and variety. META group research note, 6(70), 1.
Nakamoto, S. (2008). Bitcoin: A peer-to-peer electronic cash system. Decentralized Business Review, 21260.
Rahnamay Roodposhti, F. (2012). Data Mining & Financial Fraud. Journal of Accounting Knowledge and Management Auditing, 1(3), 17-33. https://www.sid.ir/en/journal/ViewPaper.aspx?id=332298. (In Persian).
Saghafi, Ali; Jamalianpour, Mozaffar. (2018). Blockchain and Futute of Accountancy and Audit. Hesabdar Professional Journal. Vol. 314. PP. 9–15. (In Persian).
Saghafi, A., Javani Ghalandari, M. (2016). How Big Data will Change Financial Accounting? Journal of Accounting and Social Interests, 6(3), 35-50. doi: 10.22051/ijar.2016.2530. (In Persian).
Tapscott, D., & Tapscott, A. (2016). Blockchain revolution: how the technology behind bitcoin is changing money, business, and the world. Penguin.
Tysiac, K. (2018). How blockchain might affect audit and assurance. Journal of Accountancy, 15.
Vasarhelyi, M.A. and Halper, F. B., 1991, the Continuous Audit of Online Systems, Auditing: A Journal of Practice and Theory, 10(1), 110-125.
Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big data in accounting: An overview. Accounting Horizons, 29(2), 381-396.
Warren Jr, J. D., Moffitt, K. C., & Byrnes, P. (2015). How big data will change accounting. Accounting horizons, 29(2), 397-407.
Zhang, J., Yang, X., & Appelbaum, D. (2015). Toward effective big data analysis in continuous auditing. Accounting Horizons, 29(2), 469-476.
 

فایل ها

سابقه مقاله

  • تاریخ دریافت: 26 آذر 1399
  • تاریخ بازنگری: 15 خرداد 1401
  • تاریخ پذیرش: 18 خرداد 1401

هم رسانی

ارجاع به این مقاله

آمار