Dalam penerapan professional sceptism memiliki beberapa Langkah dan cara tersendiri, diantaranya;
- Skeptis terhadap Sumber Data
Langkah pertama adalah memastikan bahwa sumber data yang digunakan dapat dipercaya.
Dalam lingkungan perusahaan modern, data dapat berasal dari berbagai sumber seperti:
- ERP
- Sistem payroll
- Sistem procurement
- Database pelanggan
- Marketplace
- Payment gateway
- Data perbankan
- Data perpajakan
Professional skepticism mendorong akuntan untuk tidak langsung menganggap semua data valid. Mereka perlu memastikan bahwa terdapat kontrol yang memadai atas proses input, penyimpanan, dan perubahan data.
Misalnya, sebelum menggunakan data transaksi untuk analisis profitabilitas, seorang accountant perlu memastikan bahwa seluruh transaksi telah tercatat secara lengkap dan tidak terdapat data yang hilang atau terduplikasi.
- Skeptis terhadap Output Analitik
Big Data Analytics mampu menghasilkan berbagai insight secara otomatis. Namun output tersebut bukanlah kebenaran mutlak. Contohnya: Sebuah machine learning model memprediksi bahwa risiko gagal bayar pelanggan sangat rendah. Seorang finance analyst yang skeptis tidak akan langsung menerima prediksi tersebut. Sehingga ia akan mengecek kembali data yang diambil olehnya.
- Skeptis terhadap Anomali yang Ditemukan Sistem
Audit Data Analytics sering digunakan untuk menemukan pola dan anomali transaksi. Namun tidak semua anomali menunjukkan adanya kesalahan atau fraud. Contohnya: Sistem mendeteksi pembayaran vendor sebesar Rp500 juta sebagai transaksi tidak wajar. Maka akuntan atau auditor yang skeptis akan melakukan investigasi lebih lanjut.
- Skeptis terhadap Visualisasi Data
Dashboard dan visualisasi data sering membuat informasi terlihat lebih sederhana dan mudah dipahami. Namun visualisasi juga dapat menimbulkan bias interpretasi.
- Skeptis terhadap Otomatisasi dan Artificial Intelligence
Semakin banyak perusahaan menggunakan AI dan sistem otomatis untuk membantu proses accounting dan finance. Contoh penggunaannya meliputi:
- Prediksi cash flow
- Fraud detection
- Account reconciliation
- Expense classification
- Risk assessment
Pada akhirnya, nilai terbesar dari Big Data bukan berasal dari banyaknya data yang dimiliki perusahaan, melainkan dari kemampuan profesional dalam menilai apakah data tersebut benar, relevan, dan dapat dipercaya. Di sinilah professional skepticism berperan sebagai jembatan antara teknologi dan kualitas keputusan bisnis, menjadikannya salah satu kompetensi utama yang harus dimiliki oleh akuntan modern.
