Dalam era digital, auditor tidak lagi hanya memeriksa dokumen fisik, laporan keuangan, jurnal transaksi, atau bukti pembayaran secara manual. Saat ini, proses audit semakin banyak melibatkan data dari berbagai sistem, seperti ERP, aplikasi procurement, sistem payroll, e-faktur, perbankan digital, database pelanggan, hingga log aktivitas pengguna. Banyaknya sumber data tersebut membuat auditor harus lebih berhati-hati dalam menilai apakah data yang digunakan benar-benar akurat, lengkap, konsisten, dan dapat dipercaya.
Di sinilah konsep Veracity dalam Big Data menjadi sangat penting. Veracity mengacu pada tingkat kebenaran, akurasi, relevansi, dan kepercayaan terhadap data. Dalam Big Data, data yang besar dan cepat tidak selalu otomatis bernilai jika kualitasnya rendah atau mengandung kesalahan. Coursera menjelaskan bahwa veracity berkaitan dengan akurasi, relevansi, dan trustworthiness data, serta berpengaruh langsung terhadap keandalan insight yang dihasilkan.
Dalam dunia auditing, veracity menjadi aspek yang sangat krusial karena auditor mengambil kesimpulan berdasarkan bukti audit. Jika data yang digunakan tidak valid, tidak lengkap, atau tidak dapat dipercaya, maka hasil audit juga berpotensi menyesatkan. Oleh karena itu, memahami veracity bukan hanya penting bagi data engineer atau data analyst, tetapi juga sangat relevan bagi auditor modern.
Veracity dalam Big Data adalah karakteristik yang menunjukkan sejauh mana data dapat dipercaya. Data yang memiliki veracity tinggi adalah data yang akurat, relevan, konsisten, lengkap, dan berasal dari sumber yang kredibel. Sebaliknya, data dengan veracity rendah dapat mengandung kesalahan input, duplikasi, bias, informasi yang tidak lengkap, manipulasi, atau ketidaksesuaian antar sistem.
Dalam konteks Big Data, masalah veracity sering muncul karena data berasal dari banyak sumber dan diproses melalui berbagai sistem. Misalnya, data transaksi penjualan dapat berasal dari sistem kasir, marketplace, payment gateway, sistem inventory, dan general ledger. Jika setiap sistem memiliki format, waktu pencatatan, atau struktur data yang berbeda, maka risiko ketidaksesuaian data akan meningkat.
Bagi auditor, veracity berarti memastikan bahwa data yang dianalisis benar-benar mencerminkan kondisi sebenarnya. Auditor tidak cukup hanya menerima data dari sistem, tetapi perlu menilai apakah data tersebut valid, lengkap, dan dapat ditelusuri sumbernya. Hal ini sejalan dengan tantangan Big Data dalam audit, di mana data quality dan integrasi data menjadi isu penting dalam transformasi digital auditing.
