Auditor dapat menilai veracity data melalui beberapa pendekatan. Pertama, auditor perlu melakukan validasi sumber data. Data yang berasal langsung dari sistem utama perusahaan, seperti ERP atau core banking system, biasanya lebih dapat dipercaya dibandingkan data yang telah banyak dimodifikasi secara manual. Namun, auditor tetap perlu memahami kontrol atas sistem tersebut. 

Kedua, auditor dapat melakukan rekonsiliasi antar sumber data. Misalnya, data penjualan dari sistem accounting dibandingkan dengan data invoice, data pengiriman, data penerimaan kas, dan laporan pajak. Jika data dari berbagai sumber menunjukkan hasil yang konsisten, maka tingkat veracity meningkat. 

Ketiga, auditor perlu melakukan data cleansing dan data profiling. Proses ini bertujuan untuk menemukan data kosong, data duplikat, format yang tidak konsisten, nilai ekstrem, atau transaksi yang tidak sesuai pola. Dalam audit analytics, tahap ini sangat penting sebelum auditor menarik kesimpulan dari hasil analisis. 

Keempat, auditor perlu menilai kontrol internal atas data. Veracity data sangat dipengaruhi oleh siapa yang memiliki akses untuk membuat, mengubah, menyetujui, atau menghapus data. Jika akses sistem tidak dikendalikan dengan baik, maka risiko manipulasi data akan meningkat. 

Kelima, auditor perlu memastikan adanya audit trail. Data yang memiliki jejak perubahan yang jelas akan lebih mudah diverifikasi. Auditor dapat melihat kapan data dibuat, siapa yang mengubah, alasan perubahan, dan apakah perubahan tersebut telah disetujui. 

Meskipun veracity sangat penting, penerapannya dalam audit tidak selalu mudah. Tantangan pertama adalah banyaknya sistem yang digunakan perusahaan. Data accounting, procurement, inventory, payroll, tax, dan banking sering berada dalam sistem yang berbeda. Perbedaan struktur dan format data dapat menyulitkan auditor dalam melakukan validasi. 

Tantangan kedua adalah adanya data manual. Walaupun perusahaan sudah menggunakan sistem digital, masih banyak proses yang melibatkan spreadsheet, upload manual, atau adjustment manual. Data manual lebih rentan terhadap kesalahan input, perubahan tanpa otorisasi, dan duplikasi. 

Tantangan ketiga adalah kualitas master data. Jika data vendor, pelanggan, akun, karyawan, atau produk tidak dikelola dengan baik, maka seluruh transaksi yang bergantung pada master data tersebut juga dapat bermasalah. 

Tantangan keempat adalah kemampuan auditor dalam memahami teknologi. Auditor modern perlu memiliki pemahaman tentang sistem informasi, database, data analytics, dan kontrol teknologi. Tanpa kemampuan ini, auditor akan kesulitan menilai apakah data digital benar-benar dapat dipercaya. 

Pada akhirnya, veracity menunjukkan bahwa dalam Big Data, ukuran data yang besar tidak cukup. Data harus benar, dapat dipercaya, dan relevan. Bagi dunia auditing, data yang memiliki veracity tinggi adalah fondasi utama untuk menghasilkan audit yang berkualitas, objektif, dan bernilai bagi organisasi.