Dalam beberapa tahun terakhir, proses audit mengalami transformasi besar seiring dengan meningkatnya pengadopsani data analytics dalam dunia akuntansi. Jika sebelumnya auditor hanya mengandalkan metode pengujian berbasis sampel dan data historis, namun saat ini auditor mampu menganalisis seluruh populasi data secara menyeluruh dan real-time. Data analytics mampu memberikan hasil yang terbaik untuk mendeteksi “anomali”, pola tidak wajar, dan potensi fraud secara lebih cepat dan akurat dibandingkan metode tradisional. Perubahan ini tidak hanya meningkatkan efisiensi dan efektivitas audit, tetapi juga memperluas cakupan dan kedalaman pengujian yang dapat dilakukan auditor. Dengan demikian, pemanfaatan data analytics dalam proses audit tidak lagi menjadi opsi tambahan, melainkan kebutuhan strategis dalam membangun proses audit yang lebih responsif, adaptif, dan bernilai tambah bagi pemangku kepentingan.

Penggunaan audit data analytics (ADA) telah memberikan banyak kontribusi secara signifikan, terutama pada peningkatan kualitas dan efisiensi dalam proses audit. Studi di Thailand mengungkap bahwa auditor menggunakan tools analytics terutama pada tahap audit planning dan substantive testing, dengan fokus pada deteksi “anomali” dan pengujian pernyataan manajemen (management assertions), yang secara keseluruhan dapat memperkuat manajemen proses audit dan keyakinan auditor dalam menyimpulkan audit opinion. Hasil survei di Mesir juga memperkuat hal tersebut, dimana penggunaan big data & data analytics terbukti secara langsung mampu meningkatkan kualitas audit dan kompetensi auditor, meskipun ada hal yang tidak berpengaruh signifikan terhadap audit fees. Selain itu, di Thailand, ADA juga terbukti dapat meningkatkan kontinuitas review audit (audit review continuity) serta kualitas audit secara keseluruhan, terutama saat dipadukan dengan aspek keamanan siber sebagai moderating factor.

Lebih lanjut, literatur review menyatakan bahwa data analytics dapat memungkinkan penerapan continuous auditing dengan kemampuan analisis data secara real-time terhadap seluruh populasi transaksi perusahaan dan bukan hanya sampel terbatas, sehingga meningkatkan ketepatan dan jangkauan audit evidence serta memberikan pemahaman lebih mendalam terhadap resiko operasional dan keuangan. Studi kualitatif dari praktik audit juga menunjukkan bahwa teknologi seperti AI dan machine learning mampu mengotomasi tugas rutin yang sifatnya berulang, serta mampu mengidentifikasi outlier dengan presisi, dan memberikan wawasan tentang peluang peningkatan proses organisasi.

Dari sisi implementasi praktik, audit firm besar (contoh seperti: Big 4) yang telah mulai mengadopsi analytics dalam audit planning, risk assessment, dan substantive

testing. Meskipun penggunaan ADA masih terbatas pada tahap awal dan belum sepenuhnya diaplikasikan pada bagian audit internal control testing atau pada tahap finalisasi kesimpulan, penekanan yang utama tetap pada pemanfaatannya untuk menyaring hal yang “anomali” dan memperkuat audit judgment berbasis data.

Penggunaan data analytics dalam proses audit telah merevolusi cara auditor merancang, melaksanakan, dan mengevaluasi prosedur audit. Dengan kemampuan untuk menganalisis seluruh populasi data secara cepat dan akurat, auditor kini dapat mengidentifikasi risiko secara lebih proaktif, meningkatkan kualitas bukti audit, serta mempercepat proses pengambilan keputusan. Meskipun masih terdapat tantangan seperti keterbatasan kompetensi teknis, integrasi sistem, dan isu etika penggunaan data, tren menunjukkan bahwa audit berbasis data analytics akan menjadi standar baru dalam praktik audit modern. Oleh karena itu, penting bagi profesi auditor untuk terus beradaptasi, meningkatkan literasi digital, dan memanfaatkan teknologi ini secara optimal guna menjaga relevansi, akuntabilitas, dan nilai tambah dari layanan audit di era transformasi digital.

 

Referensi:

  • Sanoran, K.; Ruangprapun, J. Initial Implementation of Data Analytics and Audit Process Management. Sustainability 2023, 15, 1766 https://doi.org/10.3390/su15031766
  • Ahmed Saad Abdelwahed, Ahmad Abd El Salam Abu-Musa, Hebatallah Abd El Salam Badawy, Hosam Moubarak; Investigating the impact of adopting big data and data analytics on enhancing audit quality. Journal of Financial Reporting and Accounting 20 March 2025; 23 (2): 472–495. https://doi.org/10.1108/JFRA-12-2023-0724
  • Kanthana Ditkaew, Muttanachai Suttipun; The impact of audit data analytics on audit quality and audit review continuity in Thailand. Asian Journal of Accounting Research 15 June 2023; 8 (3): 269–278. https://doi.org/10.1108/AJAR-04-2022-0114
  • Sanoran, K., & Ruangprapun, J. (2023). Initial Implementation of Data Analytics and Audit Process Management. Sustainability, 15(3), 1766. https://doi.org/10.3390/su15031766
  • Olanipekun, C. T. (2025). Revolutionizing Audit Quality Process: The Dynamic Influence of Big Data Analytics on the Digital Transformation of Deposit Money Banks in Nigeria. International Journal of Research and Innovation in Social Science (IJRISS), 9(4), 6030–6045. https://doi.org/10.19030/ijriss.v9i4.6030
  • 6. Celestin D. Mbonigaba. (2023). Digital Transformation and the Audit Process: How Technology Is Changing Auditor Roles and Audit Quality. International Journal of Computer Auditing.