Utvikling av Audit Data Analytics-verktøy for revisjon av inntekter i mindre revisjonsselskaper

Abstract

Digitalisering av revisjonen har lenge vært på agendaen i bransjen og hos standardsettere. De store revisjonsselskapene har utviklet egne verktøy for Audit Data Analytics (ADA), og til og med begynt å bruke kunstig intelligens. Det samme har ikke skjedd i de mindre revisjonsselskapene. Dette kan skyldes manglende kompetanse og investeringsvegring. Det er i ferd med å utvikle et digitalt gap mellom de store og de små revisjonsselskapene. Denne masteroppgaven forsøker å gjøre noe med dette gapet, ved å utvikle et enkelt ADA-verktøy til bruk i mindre revisjonsselskap.

Forskningen kan vise til mange fordeler ved bruk av ADA, men det er også funnet flere utfordringer ved implementering av disse. Denne masteroppgaven vil ta for seg utvikling av enkle ADA-moduler for mindre revisjonsselskap og har forsøkt å hensynta disse, blant annet ved å legge til veiledning, stor grad av automasjon og visualisering av resultater. Siden det kan være utfordrende å revidere inntekter grunnet forhøyet mislighetsrisiko oppgitt i revisjonsstandardene, og siden Finanstilsynet opptil flere ganger har påpekt svakheter i inntektsrevisjonen, er det valgt å begrense oppgavens ADA til dette området. Videre er brukerbehov kartlagt for å finne frem til et hensiktsmessig verktøy.

Masteroppgaven baserer seg på at å utvikle et digitalt verktøy for revisjon av inntekter, er et bidrag til å dekke behovet for økt digitalisering av mindre revisjonsselskap og bygger på metoden Design Science Research.

Utviklingen av en applikasjon med fire moduler med ADA er gjennomført i Power BI, disse er testet og presentert til testgruppen. Testingen avslørte videre utviklingsbehov for en av moduler for at den lettere kan tas i bruk. Tre av fire moduler skapte positiv respons hos alle i brukergruppen. Det ble også identifisert flere andre typer ADA som vil være interessante å utvikle i fremtiden.

The digitization of auditing has long been on the agenda in the industry and among standard setters. The major audit firms have developed their own Audit Data Analytics tools (ADA) and have even begun to use artificial intelligence. The same has not happened in smaller audit firms. This may be due to a lack of expertise and reluctance to invest. One can say there now is a growing digital gap between large and small audit firms. This thesis seeks to address this by developing a simple ADA tool for use in the smaller audit firms.

Research has found many benefits in using ADA, but several challenges have also been identified, mostly in implementing them. In developing ADA for this thesis, these found challenges have been addressed, by providing guidance, a high degree of automation, and visualization of results.

Since revenues can be challenging to audit due to increased fraud risk as stated in the standards, and since the Financial Supervisory Authority has repeatedly pointed out weaknesses in revenue auditing, the tool that has been developed is for use in revenue auditing. Furthermore, the solution is intended for use in smaller audit firms, and the needs of the users have been mapped out to find a tool they can use in their daily work.

The thesis is based on the premise that developing a tool for revenue auditing is contributing to a solution for increased digitization of smaller audit firms, and the thesis is based on the Design Science Research method.

The development of four applications on ADA has been carried out in Power BI. The applications have been tested and presented to a test group. Testing revealed further development needs for one of the applications to ensure easier use. Three out of four applications received positive feedback from all members of the test group. Several other types of ADA were also identified as relatively easy to develop in the future.