Big Data

yang dimaksud big data yaitu istilah umum untuk segala himpunan data (dataset) dalam jumlah yang sangat besar,rumit dan tak terstruktur sehingga menjadikannya sukar ditangani apabilahanya menggunakan perkakas manajemen basis data biasa atau aplikasi pemroses data tradisional belaka.  Big data juga dapat diartikan juga sebagai pertumbuhan data dan informasi yang eksponensial dengan kecepatan dalam pertambahannya dan memiliki data yang bervariasi sehingga menyebabkan tantangan baru dalam pengolahan sejumlah data besar yang heterogen dan mengetahui bagaimana cara memahami semua data tersebut.

Big Data memiliki 3 karakteristik:

  1. Volume: big data memiliki jumlah data yang sangat besar sehingga dalam proses pengolahan data dibutuhkan suatu penyimpanan yang besar dan dibutuhkan analisis yang lebih spesifik.
  2. Velocity/kecepatan: big data memiliki aliran data yang cepat dan real time.
  3. Variasi: big data memiliki variasi bentuk format data yang beragam baik terstruktur ataupun tidak terstruktur dan bergantung pada banyaknya sumber data.

Big Data Analytics

Pertumbuhan data yang sangat cepat serta aksesibilitas yang semakin mudah merupakan keuntungan yang sangat besar bagi para penggunanya. Namun, data hanya sekadar data dan tidak bisa digunakan apabila tidak “diterjemahkan”. Tantangan yang dihadapi auditor sebagai salah satu pengguna big data adalah bagaimana data yang besar tersebut disimpan, dikelola, dan dimanfaatkan? Jawabannya adalah dengan melakukan big data analytics, yaitu strategi menganalisis big data untuk mengungkap pola dan koneksi yang mungkin tidak terlihat sehingga dapat memperoleh wawasan dan informasi berharga untuk kemudian menjadi sebuah insight dan membantu dalam membuat keputusan.

Big data analytics atau analisis big data adalah proses pengujian set data yang besar untuk menemukan pola yang tersembunyi, korelasi yang tidak diketahui, tren pasar, preferensi pelanggan dan informasi bisnis lainnya yang berguna. Temuan analitis tersebut dapat membuat pemasaran menjadi lebih efektif, peluang pendapatan baru, layanan pelanggan yang lebih baik, meningkatkan efisiensi operasional, keunggulan kompetitif dan keuntungan bisnis lainnya. “Developing a successful big data strategy for your business” atau dapat dikatakan mengembangkan strategi dalam mengelola bisnis. Jadi, dengan pengelolaan data yang baik perusahaan akan mampu untuk bersaing serta mengembangkan bisnis dalam industrinya. Dampak big data juga telah merambah ke kehidupan sehari-hari, seperti hasil pencarian Internet khusus yang dihasilkan oleh umpan balik big data. Aplikasi big data yang efektif dapat memungkinkan organisasi mengidentifikasi hambatan umum, memahami perilaku pelanggan, dan meningkatkan kinerja.

Dengan adanya big data analytics, manfaat apa yang lantas diterima auditor? Tidak lagi terbatas pada pengujian berbasis sampel, big data memungkinkan population-based audit. Hal ini merupakan potensi yang amat berguna, bahkan mampu mengubah pelaksanaan audit. Melakukan pengujian terhadap objek audit secara menyeluruh akan memberikan hasil audit yang lebih relevan, sebab dapat menghilangkan bias dan risiko dalam pemilihan sampel. Selain itu, volume data yang besar memungkinkan auditor untuk mengelompokkan data-data berdasarkan perbedaan variabel (seperti jumlah transaksi, waktu, dan lokasi) untuk menemukan pola atau anomali yang kemudian menjadi dasar pengujian yang lebih mendalam.

Saat ini, dunia pekerjaan audit mulai dipenuhi dengan klien yang menggunakan big data dalam operasi bisnis mereka. Auditor tanpa pengetahuan dan keterampilan analytics yang memadai akan kesulitan memahami bisnis klien dan memberikan jaminan akan hasil auditnya sebab penerapan big data dalam fungsi operasional klien memengaruhi cara kerja audit. Informasi akuntansi yang akan diuji bukan lagi hanya sekadar transaksi, tapi juga berbagai format (misalnya, audio, gambar, video) yang terkait. Misalnya, panggilan penjualan yang dilakukan ke pelanggan mungkin digabungkan dengan angka pendapatan untuk memberikan catatan lengkap aktivitas penjualan. Demikian pula, video pengawasan dapat digabungkan dengan data inventaris, yang mengharuskan auditor untuk menggunakannya secara efektif sebagai bukti audit komplementer.

Big Data dalam Audit

Big data memberikan kontribusi penting di bidang audit. Ini berguna untuk auditor dengan meningkatkan kualitas bukti audit dan memfasilitasi pendeteksian kecurangan. Salah satu potensi penggunaan big data yang paling berguna adalah kemampuannya untuk menyediakan audit berbasis populasi, yang hasilnya harus menghasilkan bukti audit yang lebih relevan. Misalnya, jika auditor memiliki akses ke catatan lengkap piutang klien, pemeriksaan menyeluruh (mis., Keberadaan, konfirmasi, koleksi) dapat dilakukan untuk mengurangi bias dari pengambilan sampel. Selain itu, volume tinggi seperti itu memungkinkan perusahaan audit untuk stratifikasi piutang berdasarkan variabel perbedaan (mis., Jumlah transaksi, waktu, lokasi) dan membuat perbandingan di seluruh kelompok yang bertingkat untuk menemukan pola dan memperoleh wawasan yang lebih bermakna.

Selain itu, big data dapat meningkatkan efisiensi analitisis data secara keseluruhan, termasuk analisis deskriptif, diagnostik, prediktif, dan preskriptif. Analisis ini dapat memberikan statistik deskriptif pada seluruh populasi, menawarkan bukti audit pada skala yang lebih besar dan lebih lengkap, membangun koneksi antara laporan keuangan dan operasi bisnis aktual, dan mengidentifikasi potensi tanda bahaya. Audit internal juga dapat memanfaatkan data besar dengan memanfaatkan informasi yang lebih tidak terstruktur dan nonkeuangan untuk mengendalikan risiko. Integrasi aktual data besar ke dalam audit masa depan akan membutuhkan pertimbangan lebih lanjut.

Mengintegrasikan Big Data ke dalam Proses Audit

Sementara potensi big data mungkin sangat menarik bagi auditor, tetapi secara actual integrasi big data ke dalam audit belum cukuo matang. Terdapat beberapa elemen yang harus diperbaiki. Pertama, integrasi big data dimulai dengan kombinasi data tradisional dan big data. Kedua sumber ini sama pentingnya dengan prosedur audit, karena keduanya menyiratkan berbagai jenis informasi. Sementara data akuntansi tradisional sebagian besar kuantitatif dan terstruktur, big data juga mencakup data tidak terstruktur dan semi-terstruktur yang menawarkan lebih banyak bukti pendukung dan informasi rinci. dalam memverifikasi informasi pengiriman, dokumen pengiriman tradisional adalah bukti utama terjadinya. Data besar tambahan, seperti data GPS, dapat memberikan verifikasi yang lebih solid. Singkatnya, auditor pertama-tama harus mengidentifikasi big data yang berpotensi relevan dan berguna, kemudian mengumpulkan dan menggabungkan data.

Meskipun demikian, agregasi data pada tingkat ini menghadapi tantangan serius, sebagian besar karena ketidakcocokan data; big data tidak terstruktur dan tidak memiliki pengidentifikasi umum. Pertimbangkan skenario di mana auditor, dalam upaya memverifikasi pendapatan dari perusahaan energi, ingin menggabungkan rincian panggilan telepon dari setiap instalasi layanan dengan jumlah penjualan.  Melakukan tugas ini membutuhkan pemahaman menyeluruh dari dua set data dan kompetensi yang memadai dalam pemrograman data, yang menunjuk ke dua komponen lain yang diperlukan dalam integrasi data besar: sumber daya manusia dan teknologi.

Masalah serius lainnya dengan masuknya data besar adalah keamanan terkait dengan penyimpanan data. Karena data besar agregat dapat mencakup informasi sensitif, menangani kerahasiaan penting bagi klien dan regulator. Mungkin juga menimbulkan kekhawatiran tentang independensi ketika auditor eksternal tahu terlalu banyak tentang klien mereka. Elemen kedua dari menintegrasikan big data adalah proses pelatihan. Hasil akhir dari integrasi big data sebagian besar tergantung pada kompetensi orang yang mengelolanya. Bahkan dengan sistem otomatis, patut dipertanyakan apakah tenaga kerja akan berkurang secara signifikan, karena integrasi data besar akan menuntut keahlian yang lebih besar. Misalnya, seorang auditor yang biasanya memeriksa bukti audit tradisional mengenai inventaris sekarang harus mengumpulkan bukti relevan lainnya yang didukung oleh data besar dan menganalisanya. Oleh karena itu profesional audit mungkin perlu menjadi ahli di bidang audit dan teknologi informasi (TI).

Metode audit tradisional membantu pekerjaan auditor selama beberapa dekade terakhir, namun seiring kemajuan teknologi dan permintaan klien yang semakin berkembang, auditor harus terus berinovasi dan bertransformasi. Kondisi ini menjadikan analytics skill sebagai kunci penting bagi auditor sekaligus menjadi alasan bagi kita untuk menguasainya.

Big Data dan General Audit Software (GAS)

Dalam dunia auditing, ide untuk menggunakan data yang tersedia dari berbagai sumber bukan merupakan hal yang baru bagi auditor. Auditor telah dipersiapkan untuk mampu mengidentifikasi pola dan menganalisis data dalam proses audit, namun sebagian besar aktifitas ini biasanya masih menggunakan fungsi yang terdapat pada Microsoft Excel. Dengan perkembangan bisnis yang semakin pesat dan trend data yang semakin besar pula, maka para auditor kini dituntut pula untuk menguasai metode big data analytics melalui software yang dianggap mumpuni, sehingga proses menemukan kecurangan, kesalahan data atau bahkan mengkaji kemungkinan peningkatan kinerja melalui data analytics semakin efektif dan efesien. Bahkan beberapa Lembaga profesi sendiri telah merekomendasikan penggunaan big data analytics dalam pelaksanaan audit.

Lembaga profesi audit telah menyadari kebutuhan akan hal tersebut, sejak beberapa tahun terakhir dengan spesifik dalam menggunakan Audit Command Langguage (ACL) sebagai aplikasi pendukung audit. Penggunaan ACL sebagai salah software yang mendukung Big Data Analytics saat ini merupakan suatu hal wajib digunakan dalam setiap penugasan. Beberapa kelebihan penggunaan software data analytics ini antara lain :

  1. Universal Data Access, yaitu dapat mengakses data dari hampir semua jenis database yang ada (DBF, XLS, Text File, report file, Oracle, SQL, DB2, AS/400 FDF, COBOL, dsb) dan semua platform(PC, minicomputer, dan mainframe).
  2. Jumlah Data Besar, yaitu kemampuan dalam mengakses dan memproses data dalam jumlah yang sangat besar (hingga ratusan juta record).
  3. Kecepatan Waktu Proses, kemampuannya untuk memproses dalam waktu yang singkat walaupun data yang diproses dalam jumlah yang besar.
  4. Integritas Data, dengan kemampuan mengakses database 100% (tanpa metode sampling) serta data yang bersifat Read Only yang dapat menjamin orisinalitas, keamanan dan integritas data untuk pengolahan menjadi informasi yang bermanfaat bagi user dan manajemen.
  5. Automasi, pembuatan aplikasi audit yang sangat cepat dan mudah untuk melakukan automasi analisis data untuk efisiensi proses kerja.
  6. Multi File Process, dapat digunakan untuk menangani beberapa file sekaligus, tanpa mengganggu operasional teknologi informasi yang dijalankan oleh perusahaan.
  7. Log File Navigation, dilengkapi dengan log file untuk pencatatan proses analisis yang telah dilakukan sehingga menghasilkan suatu audit trail yang komprehensif.
  8. Fungsi Analisis yang Lengkap, dilengkapi fungsi-fungsi analisis yang sangat lengkap yang dapat dengan mudah dikombinasikan dalam menghasilkan temuan-temuan yang tidak pernah terkirakan sebelumnya.

Referensi:

  1. FEB-UI. 2020. Big Data Analytics: The Future of Auditing
  2. Kemenkeu Learning Center. 2020. Audit – Auditor dan Tantangan Big Data
  3. 2020. Mengintegrasikan Big Data dengan Audit Process.
  4. Source Image, Google Image. 2020

IER.