تاثیر استفاده از تحلیل داده های بزرگ بر اثربخشی فرایند حسابرسی مستقل

سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 104

فایل این مقاله در 11 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IICMOCONF16_108

تاریخ نمایه سازی: 16 اردیبهشت 1405

چکیده مقاله:

رشد سریع فناوری های داده محور و افزایش پیچیدگی محیط های کسب وکار ضرورت بازنگری در شیوه های سنتی حسابرسی را برجسته کرده است. با توجه به اینکه حسابرسی داده محور در بسیاری از کشورها توسعه یافته، در ایران هنوز شواهد تجربی درباره نقش تحلیل کلان داده ها در اثربخشی حسابرسی مستقل محدود است. این پژوهش با هدف پرکردن این خلا و ارائه بینشی نو، به بررسی تجربی تاثیر به کارگیری تحلیل کلان داده ها بر عملکرد حسابرسی مستقل می پردازد. شکاف اصلی ادبیات در نبود پژوهش هایی است که تاثیر BDA را بر کل فرآیند حسابرسی در محیط های در حال توسعه بررسی کرده باشند. مطالعه حاضر نخستین تلاش نظام مند در ایران است که این رابطه را از منظر حسابرسان مستقل تحلیل می کند. روش تحقیق توصیفی - پیمایشی بوده و داده ها از طریق پرسشنامه استاندارد از ۲۵۰ حسابرس شاغل در موسسات حسابرسی معتبر گردآوری شده است. تحلیل داده ها با استفاده از مدل سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی انجام شده است. یافته ها نشان داد استفاده از BDA به طور معناداری موجب بهبود ارزیابی ریسک، افزایش کیفیت شواهد حسابرسی، تقویت کارایی آزمون های اثباتی و ارتقای اثربخشی کل فرآیند حسابرسی می شود. نتایج همچنین بیان می کند که شکاف قابل توجهی میان آشنایی نظری حسابرسان با BDA و استفاده عملی از آن وجود دارد و زیرساخت های فناورانه ناکافی و نبود استانداردهای روشن مانع بهره برداری کامل از این ظرفیت شده است. تطبیق نتایج با مطالعات اخیر نشان داد یافته های پژوهش حاضر همسو با شواهد بین المللی درباره نقش مثبت BDA است، اما به واسطه انجام در ایران، ارزش افزوده بومی و علمی جدیدی ایجاد می کند. به طور کلی، نتایج نشان می دهد که سرمایه گذاری در زیرساخت های دیجیتال، تدوین استانداردهای ملی و تقویت مهارت های تحلیلی حسابرسان می تواند نقش BDA را در افزایش کیفیت و کارایی حسابرسی مستقل تقویت کند. پیشنهاد می شود تحقیقات آینده از داده های عملیاتی پروژه های حسابرسی و مدل های ترکیبی مبتنی بر یادگیری ماشین برای تحلیل دقیق تر کارکردهای BDA استفاده کنند.

کلیدواژه ها:

نویسندگان

محمدرضا اردستانی رستمی

دانشجوی دکتری رشته حسابداری، دانشگاه آزاد اسلامی واحد تنکابن، مازندران، ایران