ผลงานทางวิชาการ

DATA ANALYTICS SKILL AND AUDITING IN THE BIG DATA ERA
 

ฤทัย  อะโน

Ruethai  Ano

E-mail: ruethai.ano@gmail.com

นักศึกษาหลักสูตรบัญชีมหาบัณฑิต คณะบัญชี มหาวิทยาลัยศรีปทุม

บทคัดย่อ
          การเปลี่ยนแปลงอย่างรวดเร็วและรุนแรงด้วยเทคโนโลยีทำให้เกิดปริมาณข้อมูลจำนวนมากและหลากหลายรูปแบบ หรือเรียกว่า Big Data สำหรับการสอบบัญชีภายใต้สภาพแวดล้อมที่ Big Data เข้ามามีบทบาทสำคัญ ได้มีแนวทางการประยุกต์ใช้ประโยชน์จากข้อมูลเหล่านั้น โดยอาศัยทักษะการวิเคราะห์ข้อมูล (Data analytics skills) เพื่อช่วยในการวิเคราะห์ข้อมูลจากแหล่งข้อมูลขนาดใหญ่เพื่อมาประมวลผลให้อยู่ในรูปแบบที่เป็นประโยชน์ต่องานสอบบัญชี ซึ่งการวิเคราะห์ข้อมูลสามารถช่วยงานสอบบัญชีได้ตลอดช่วงของการตรวจสอบงบการเงิน ทำให้ผู้สอบบัญชีสามารถตรวจสอบรายการทางธุรกิจได้ร้อยละ 100 ของจำนวนรายการทางธุรกิจที่เกิดขึ้น ซึ่งแต่เดิมงานตรวจสอบบัญชีใช้วิธีการเลือกกลุ่มตัวอย่างเพื่อทำการทดสอบความถูกต้องครบถ้วนของรายการธุรกิจ ซึ่งประสิทธิภาพเทียบไม่ได้กับนวัตกรรมทางเทคโนโลยีที่มีอยู่ในปัจจุบัน นวัตกรรมทางเทคโนโลยีเป็นสิ่งสำคัญและจำเป็นต่อการตรวจสอบบัญชีมากขึ้น หากผู้สอบบัญชีไม่ปรับตัวอาจจะส่งผลต่อประสิทธิภาพงานตรวจสอบที่ลดลง และไม่สามารถตอบสนองต่อความต้องการของตลาดได้ ดังนั้น การสอบบัญชีในยุค Big Data ทักษะการวิเคราะห์ข้อมูล จึงเป็นทักษะสำคัญที่ผู้สอบบัญชีต้องเรียนรู้และพัฒนาให้ก้าวทันโลกการตรวจสอบสมัยใหม่ ทั้งนี้ศักยภาพและทักษะของผู้สอบบัญชีนับเป็นปัจจัยสำคัญที่ส่งผลต่อความสำเร็จในการปฏิบัติงานสอบบัญชี

คำสำคัญ : ทักษะการวิเคราะห์ข้อมูล, แหล่งข้อมูลขนาดใหญ่, การสอบบัญชี
 
Abstract
          Disruptive technology generates a large amount of data in various forms (Big Data). For audits in an environment where Big Data is a significant factor Based on data analysis skills, there has been a guideline for utilizing that data. To assist in the analysis of data from large data sources in order to process it in a format that is useful for the audit. Throughout the financial statement audit, data analysis can assist the auditor. This enables the auditor to examine 100 percent of the business transactions that occur. Previously, auditing work consisted of selecting a sample group to verify the accuracy and completeness of a business transaction. whose performance is unrivaled by current technological advancements. For more auditing, technological innovations are important and necessary. If the auditor does not adjust, the audit performance may suffer. In addition, they are unable to respond to market demands. As a result, data analysis skills are required for auditing in the Big Data era. As a result, auditors must learn and develop this skill in order to keep up with the modern auditing world. The competence and skills of auditors have a significant impact on the audit's success.

Keywords: Data analytics skills, Big Data, Audit

บทนำ
          สถานการณ์โควิด-19 ได้เป็นตัวเร่ง Megatrend ที่สำคัญ โดยเฉพาะเรื่อง Digital transformation ซึ่งเป็นการเปลี่ยนผ่านยุค Analogue เป็นยุค Digital ทำให้เกิดการเปลี่ยนแปลงอย่างรวดเร็วและรุนแรงด้วยเทคโนโลยี ซึ่งส่งผลกระทบทำให้เกิดการเปลี่ยนแปลงพฤติกรรมคนในสังคมที่มีการใช้เทคโนโลยีมากขึ้น ทั้งการดำเนินชีวิตประจำวันและสภาพแวดล้อมการทำงาน รูปแบบกิจกรรมต่าง ๆ ถูกปรับเปลี่ยนให้สามารถทำได้บนโลกออนไลน์มากขึ้น การเชื่อมโยงข้อมูลเกิดขึ้นอย่างรวดเร็ว ทำให้เกิดข้อมูลจำนวนมากและหลากหลายรูปแบบ หรือเรียกว่า Big Data หลายองค์กรจึงพัฒนานวัตกรรมใหม่ ๆ เพื่อปรับตัวและใช้ประโยชน์จากข้อมูลเหล่านั้นอย่างเป็นระบบและมีประสิทธิภาพ
          สำหรับการสอบบัญชีภายใต้สภาพแวดล้อมที่ Big Data เข้ามามีบทบาทสำคัญ ผู้สอบบัญชีจำเป็นต้องปรับตัวให้ก้าวทันโลกตรวจสอบสมัยใหม่ที่เต็มไปด้วยเทคโนโลยีล้ำสมัยและการเข้าถึงข้อมูลขนาดใหญ่ที่เปิดกว้างมากขึ้น และด้วยลักษณะของข้อมูลและการจัดเก็บข้อมูลที่อยู่ในรูปแบบดิจิทัล (Digital contents) ทักษะการวิเคราะห์ข้อมูล (Data analytics skills) จึงเป็นทักษะสำคัญที่จะช่วยใน
การวิเคราะห์ข้อมูลจากแหล่งข้อมูลขนาดใหญ่มาประมวลผลเพื่อให้อยู่ในรูปแบบที่เป็นประโยชน์ต่องานสอบบัญชี เพื่อช่วยเพิ่มประสิทธิภาพและประสิทธิผลของงานสอบบัญชี
         
วัตถุประสงค์
          เพื่อนำเสนอความรู้ความเข้าใจเกี่ยวกับ Big Data และการวิเคราะห์ข้อมูลในบริบทของการสอบบัญชี รวมถึงความสำคัญของทักษะการวิเคราะห์ข้อมูลของผู้สอบบัญชี
 
แนวคิดเกี่ยวกับ Big Data
          Big Data เป็นข้อมูลขนาดใหญ่ที่มีอยู่อย่างกระจัดกระจายทั้งภายในและภายนอกองค์กร เกิดจากการพัฒนาเทคโนโลยีและระบบต่างๆ อย่างก้าวกระโดดในยุคปัจจุบัน องค์กรต่าง ๆ ต้องเก็บข้อมูลไว้อย่างมากมาย แต่ข้อมูลอาจจะไม่ได้อยู่ในรูปแบบที่องค์กรสามารถนำไปใช้ได้ทันทีหรืออาจมีข้อมูลที่เป็นประโยชน์ต่อองค์กรบางอย่างแฝงอยู่ (ศูนย์ให้บริการและความรู้ Big Data, 2560) Big Data มีคุณสมบัติหลัก 3 ประการ คือ ปริมาณข้อมูลที่มีขนาดใหญ่มหาศาลเกินกว่าขีดความสามารถในการประมวลผลของระบบฐานข้อมูลธรรมดาที่จะรองรับได้ อัตราการเพิ่มของข้อมูลเป็นไปอย่างรวดเร็วมาก ข้อมูลมีรูปแบบที่หลากหลาย ทั้งรูปแบบที่มีโครงสร้าง กึ่งมีโครงสร้าง และไม่มีโครงสร้าง (Dumbill ,2012)
          สำหรับ Big Data ในบริบทของการสอบบัญชี โสภณ เพิ่มศิริวัลลภ (2559) ได้กล่าวว่า Big Data คือข้อมูลการบันทึกรายการทางธุรกิจและรายการทางบัญชีที่กิจการต่าง ๆ บันทึกอยู่ในบัญชีแยกประเภท (General Ledger) และบัญชีย่อย (Subsidiary Ledger) งบทดลองและงบการเงินของกิจการ รวมทั้งข้อมูลของกิจการอื่นๆ ที่อยู่ในอุตสาหกรรมเดียวกัน ข้อมูลของกิจการคู่แข่งหรือของธุรกิจที่มีลักษณะบางประการที่คล้ายคลึงกัน และ Connolly (อ้างถึงใน Alles and Gray, 2015) ให้นิยามของ Big Data ว่า หมายถึง ชุดของข้อมูลหลายประเภทที่มีความหลากหลาย ประกอบด้วย ข้อมูลที่เป็นตัวเงินและไม่ใช่ตัวเงิน ทั้งข้อมูลภายในและข้อมูลภายนอกที่ผู้สอบบัญชีให้ความสนใจ โดยจุดตั้งต้นของข้อมูล Big Data ในบริบทงานสอบบัญชี คือข้อมูลรายการค้า (Transactions) รวมกับข้อมูลปฏิสัมพันธ์ (Interactions) และข้อมูลจากการสังเกตการณ์ (Observation) แสดงเป็นสมการได้ดังนี้
          Big Data = Transaction + Interactions + Observations
          องค์ประกอบในสมการ อธิบายได้ดังนี้
          1. ข้อมูลรายการค้า (Transactions) คือข้อมูลที่มาจากระบบงานต่างๆ เช่น ระบบการจัดการทรัพยากรองค์กร (ERP) ระบบการจัดการโซ่อุปทาน (SCM) ระบบการจัดการลูกค้าสัมพันธ์ (CRM) เป็นข้อมูลที่มีลักษณะมีโครงสร้างที่ชัดเจนและจัดเก็บในระบบฐานข้อมูลขององค์กร
          2. ข้อมูลปฏิสัมพันธ์ (Interaction) คือข้อมูลที่แสดงการปฏิสัมพันธ์กันระหว่างบุคคลโดยเนื้อหามีความเกี่ยวข้องกับธุรกิจขององค์กร เช่น การแสดงความเห็นเกี่ยวกับคุณภาพสินค้าของบริษัทในสื่อสังคมออนไลน์
          3. ข้อมูลจากการสังเกตการณ์ (Observation) คือข้อมูลจากเทคโนโลยีอินเทอร์เน็ตที่เชื่อมต่ออุปกรณ์กับเครื่องมือต่าง ๆ เข้าไว้ด้วยกัน เช่น ข้อมูลจากระบบการติดตามรถขนส่งสินค้าด้วย GPS
 
แนวคิดเกี่ยวกับการวิเคราะห์ข้อมูล
          การวิเคราะห์ข้อมูล (Data Analytics) เป็นศาสตร์ของการวิเคราะห์ข้อมูลต่าง ๆ จาก Big Data เพื่อช่วยในด้านธุรกิจหรือตามวัตถุประสงค์อื่น ๆ ที่ต้องการ เริ่มจากความสามารถในการนำข้อมูลเหล่านั้นมาจัดการให้อยู่ในรูปแบบที่พร้อมจะประมวลผลได้โดยเทคโนโลยีหรือชุดคำสั่งและแบบจำลองที่สร้างขึ้นเพื่อนำข้อมูลที่ได้มาผ่านการวิเคราะห์แล้วนำมาใช้หรือแปลความหมาย (เยาวลักษณ์ ชาติบัญชาชัย และโสภณ เพิ่มศิริวัลลภ, 2559) โดยรูปแบบของการวิเคราะห์ข้อมูลแบ่งได้ดังนี้
          1. การวิเคราะห์ข้อมูลแบบพื้นฐาน (Descriptive Analytics) เป็นการวิเคราะห์เพื่อแสดงผลของรายการทางธุรกิจ เหตุการณ์หรือกิจกรรมต่าง ๆ ที่เกิดขึ้น หรืออาจกำลังเกิดขึ้นในลักษณะที่ง่ายต่อการเข้าใจหรือต่อการตัดสินใจ ตัวอย่างเช่น รายงานการขาย รายงานผลการดำเนินงาน
          2. การวิเคราะห์แบบเชิงวินิจฉัย (Diagnostic Analytics) เป็นการอธิบายถึงสาเหตุของสิ่งที่เกิดขึ้น ปัจจัยต่างๆ และความสัมพันธ์ของปัจจัยหรือตัวแปรต่างๆ ที่มีความสัมพันธ์ต่อกันของสิ่งที่เกิดขึ้น ตัวอย่างเช่น ความสัมพันธ์ระหว่างยอดขายต่อกิจกรรมทางการตลาดแต่ละประเภท ซึ่งเป็นก้าวใหม่ที่ช่วยเสริมให้ ตัดสินใจไปในทางที่ถูกต้อง
          3. การวิเคราะห์แบบพยากรณ์ (Predictive Analytics) เป็นการวิเคราะห์เพื่อพยากรณ์สิ่งที่กำลังจะเกิดขึ้นหรือน่าจะเกิดขึ้นโดยใช้ข้อมูลที่ได้เกิดขึ้นแล้วกับแบบจำลองทางสถิติหรือเทคโนโลยีปัญญาประดิษฐ์ต่างๆ (Artificial Intelligence) ตัวอย่างเช่นการพยากรณ์ยอดขายการพยากรณ์ผลประชามติ
          4. การวิเคราะห์แบบให้คำแนะนำ (Prescriptive Analytics) เป็นการวิเคราะห์ข้อมูลที่มีความซับซ้อนที่สุดเป็นทั้งการพยากรณ์สิ่งต่างๆ ที่จะเกิดขึ้นข้อดีข้อเสียสาเหตุและระยะเวลาของสิ่งที่จะเกิดขึ้นและการให้คำแนะนำทางเลือกต่างๆที่มีอยู่และผลของแต่ละทางเลือก

การวิเคราะห์ข้อมูลกับการสอบบัญชี
          สำหรับในบริบทของการสอบบัญชี American Institute of Certified Public Accountant (AICPA, 2015) ให้คำนิยามการวิเคราะห์ข้อมูลในบริบทของการสอบบัญชี ว่าเป็นการใช้ Data Analytic เพื่อให้ได้มาซึ่งหลักฐานการตรวจสอบ คือ ศาสตร์และศิลปะในการค้นพบและวิเคราะห์รูปแบบ การวิเคราะห์ การเบี่ยงเบน และความคลาดเคลื่อน รวมถึงการดึงข้อมูลที่เป็นประโยชน์อื่นๆ จากข้อมูลที่อ้างอิงหรือ เกี่ยวข้องกับเรื่องของการตรวจสอบ ผ่านการวิเคราะห์การสร้างแบบจำลองและการสร้างภาพข้อมูล (Data Visualization) ที่มีการผสมผสานระหว่างข้อมูลทางการเงินและข้อมูลอื่นๆ เพื่อจุดประสงค์ในการระบุและประเมินความเสี่ยงของการตรวจสอบและนำมาใช้ในการวางแผนและการปฏิบัติงานตรวจสอบต่อไป และได้ยกตัวอย่างการใช้การวิเคราะห์ข้อมูลเพื่อการตรวจสอบในแต่ละกระบวนการ ดังตารางที่  1 ดังนี้

ตารางที่  1 ตัวอย่างการนำการวิเคราะห์ข้อมูลมาใช้ในกระบวนการตรวจสอบ

กระบวนการ	Audit Data Analytic	การนำไปใช้ประโยชน์	ตัวอย่าง
1. การประเมินความเสี่ยงเพื่อ การจัดทำแผน การตรวจสอบ	Data Visualization Text and Data Mining	เห็นภาพรวมของธุรกิจได้อย่างชัดเจนภายในเวลาอันรวดเร็วมากกว่า การนำเสนอในรูปแบบข้อมูลตัวเลขส่งผลให้สามารถวิเคราะห์และประเมินความเสี่ยงของธุรกิจได้อย่างมีประสิทธิภาพได้ข้อมูลทั้งภายในและภายนอกองค์กรในรูปแบบที่หลากหลายทั้งในเชิงปริมาณและคุณภาพทำให้การประเมิน ความเสี่ยงครอบคลุมทุกมิติ	การทำแผนภาพเปรียบเทียบอัตรากำไรขั้นต้นของสินค้าในแต่ละสายผลิตภัณฑ์ หรือเปรียบเทียบกับกลุ่มอุตสาหกรรมการใช้ข้อมูลที่ได้จาก กระบวนการ Social Media Monitoringเกี่ยวกับภาพพจน์องค์กรในช่วงภาวะวิกฤต
2. การประเมินระบบการควบคุมภายใน	Process Mining of Event Logs	ได้ข้อมูลที่ครบถ้วนสำหรับการปฏิบัติตาม และการละเมิดระบบ การควบคุมภายใน	การตรวจหาร่องรอยการแก้ไขรายการที่มีความเสี่ยงสูง
3. การวิเคราะห์เปรียบเทียบเพื่อการตรวจสอบเนื้อหาสาระ	Cluster Analysis การใช้ตัวแบบทางสถิติ เช่น Regression      Analysis	ได้ข้อมูลที่เป็นหมวดหมู่ตรงตามวัตถุประสงค์ การตรวจสอบเฉพาะเรื่อง ทดสอบเพื่อค้นหารายการที่มีแนวโน้มผิดปกติ หรือขัดแย้งกับสมมติฐานที่ตั้งไว้ เช่น จำนวนคำร้องเรียนต่อสินค้าชนิดหนึ่งเพิ่มขึ้นอย่างมีสาระสำคัญ แต่ขณะเดียวกันก็มียอดขายเพิ่มขึ้นด้วย	การจัดกลุ่มลูกหนี้เพื่อการส่งหนังสือยืนยันยอดการจัดกลุ่มสินค้าคงเหลือเพื่อการสังเกตการณ์ตรวจนับ การทดสอบความสัมพันธ์ระหว่างจำนวนคำร้องเรียนกับยอดขายของสินค้าชนิดหนึ่ง
4. การทดสอบเนื้อหาสาระของรายการและยอดคงเหลือ	Traditional file Interrogation Machine Learning, Cognitive Computing	ค้นพบข้อผิดพลาดสิ่งผิดปกติจากรายการค้าทั้งหมดได้ภายในระยะ เวลาอันรวดเร็วประมวลผลและเคราะห์ ข้อมูลได้อย่างมีประสิทธิภาพเพื่อวัตถุประสงค์ในการวัดมูลค่าให้เป็นไปตามมาตรฐานการบัญชีบางเรื่องที่มีความซับซ้อน	การทดสอบการคำนวณค่าเสื่อมราคาสินทรัพย์ การคำนวณมูลค่าจากการใช้(value in use) ในกระบวน การทดสอบ การด้อยค่าของสินทรัพย์

          การวิเคราะห์ข้อมูลเชิงลึกทางการสอบบัญชี เป็นศาสตร์และศิลป์ในการค้นพบและวิเคราะห์รูปแบบ ระบุรายการที่ผิดปกติ รวมถึงการดึงข้อมูลที่เป็นประโยชน์อื่น ๆ จากข้อมูล ที่อ้างอิงหรือเกี่ยวข้องกับประเด็นที่ตรวจสอบผ่านการวิเคราะห์ การสร้างแบบจําลอง (Modeling) และการแสดงข้อมูล เป็นภาพ (Visualization) เพื่อวัตถุประสงค์ในการวางแผนและปฏิบัติงานตรวจสอบ ตัวอย่างการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบ (CPA Canada, 2017) เช่น
          1.  การวิเคราะห์รูปแบบข้อมูล (Pattern analysis) ได้แก่ การทำเหมืองข้อมูล (Data mining) เป็นกระบวนการ ในการค้นหารูปแบบและความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูล การวิเคราะห์แนวโน้ม (Trend analysis) และการวิเคราะห์ สมการถดถอย (Regression analysis) ซึ่งผู้สอบบัญชีจะใช้วิธีการดังกล่าวในการระบุความสัมพันธ์ที่ผิดปกติ และรายการ ที่อาจก่อให้เกิดข้อผิดพลาดที่เป็นสาระสำคัญได้ เพราะสามารถช่วยวิเคราะห์ข้อมูลได้ในเชิงลึก
          2.  การวิเคราะห์กลุ่มเทียบเคียง (Peer analysis) ผู้สอบบัญชีสามารถเปรียบเทียบข้อมูลของบริษัทที่ตรวจสอบกับ บริษัทอื่นที่อยู่ในกลุ่มอุตสาหกรรมเดียวกัน โดยอาจจะเปรียบเทียบเป็นช่วงเวลาหรือบางจุดของเวลา และเป็นการเปรียบ เทียบตำแหน่งหรือผลการดําเนินงานภายในประเภท ขนาด เวลา และสถานการณ์เดียวกัน
          3.  กระบวนการจับคู่เอกสารสามชนิด (Three-way match procedure) ผู้สอบบัญชีสามารถเปรียบเทียบฟิลด์ ข้อมูลหลักในเอกสารที่ออกหรือได้รับระหว่างงวดที่ตรวจสอบ เช่น เปรียบเทียบจำนวนสินค้า ราคาสินค้า และชื่อสินค้า ที่ระบุในใบสั่งซื้อ ใบแจ้งหนี้ และใบรับสินค้าว่าถูกต้องตรงกันหรือไม่ ซึ่งหากมีรายการที่จับคู่ไม่ได้ อาจจะแสดงให้เห็นถึง จุดอ่อนของระบบการควบคุมภายใน โดยกระบวนการจับคู่เอกสารนี้สามารถใช้ตรวจสอบเอกสารได้ครอบคลุมทุกรายการ และช่วยให้ข้อมูลในเชิงลึกที่เกี่ยวข้องกับการประเมินความเสี่ยงจากการควบคุม
          4.  การวิเคราะห์รายการทางบัญชีรายวัน (Journal entry analysis) ผู้สอบบัญชีสามารถตรวจสอบรายการทาง บัญชีทั้งหมดในช่วงระยะเวลาที่ตรวจสอบ โดยการวิเคราะห์ดังกล่าวจะสะท้อนให้เห็นถึงความสัมพันธ์และรูปแบบของ ข้อมูลเลขที่บัญชี ผู้ที่อนุมัติและบันทึกรายการทางบัญชี รวมถึงช่วงเวลาและจำนวนเงินของแต่ละรายการ
          5.  การวิเคราะห์การแบ่งแยกหน้าที่ (Segregation of duties analysis) ผู้สอบบัญชีสามารถตรวจสอบฟิลด์ข้อมูล ที่แสดงชื่อผู้ใช้งานระบบบัญชี ซึ่งจะช่วยระบุได้ว่ามีพนักงานที่ทำหน้าที่ผิดหลักการแบ่งแยกหน้าที่ตามระบบการควบคุม ภายในที่ดีหรือไม่ เช่น พนักงานที่บันทึกรายการขายสินค้า จะต้องไม่เป็นคนเดียวกันกับพนักงานที่ออกใบสั่งขาย หรือ พนักงานเก็บเงิน เป็นต้น
          6.  การทำเหมืองกระบวนการ (Process mining) ผู้สอบบัญชีสามารถใช้ซอฟต์แวร์ในการประเมินประสิทธิภาพของ ระบบการควบคุมภายใน โดยหนึ่งในวิธีที่ใช้กันทั่วไปคือผู้สอบบัญชีจะใช้ปมเหตุการณ์ (Event Logs) จากระบบสารสนเทศ ในการติดตามการทำงานของระบบ โดยผลลัพธ์ของการทำเหมืองกระบวนการจะช่วยให้ผู้สอบบัญชีสามารถมองเห็นความ สัมพันธ์ระหว่างกิจกรรมต่าง ๆ ของรายการบัญชีได้อย่างลึกซึ้งตั้งแต่ต้นจนจบกระบวนการธุรกิจ
          7.  การกระทบยอดบัญชีแยกประเภททั่วไป (General ledger account reconciliation) ผู้สอบบัญชีสามารถใช้ ซอฟต์แวร์มาช่วยในการตรวจสอบเพื่อกระทบยอดคงเหลือตามบัญชี เช่น การตรวจสอบว่ายอดยกไปตามบัญชีจะต้อง เท่ากับยอดยกมาตามบัญชีบวกด้วยรายการบัญชีทั้งหมดในระหว่างปี เป็นต้น
          8.  การวิเคราะห์ยอดคงเหลือของบัญชีแยกประเภททั่วไป (General ledger account balance analysis) ผู้สอบบัญชีสามารถใช้ซอฟต์แวร์มาช่วยในการระบุการเพิ่มขึ้นหรือลดลงที่สำคัญของยอดคงเหลือตามบัญชี โดยจะเปรียบ เทียบกับยอดคงเหลือปีก่อน รวมถึงใช้ในการวิเคราะห์แนวโน้มของการเพิ่มขึ้นหรือลดลงของยอดคงเหลือ ซึ่งแสดงผล ออกมาเป็นภาพกราฟิก ช่วยให้ผู้สอบบัญชีสามารถระบุประเด็นที่ต้องตรวจสอบเพิ่มเติมได้ทันที
                 การวิเคราะห์ข้อมูลช่วยงานสอบบัญชีได้ตลอดช่วงของการตรวจสอบงบการเงิน ตั้งแต่ขั้นตอนการประเมินความเสี่ยง การทดสอบการควบคุม และการตรวจสอบเนื้อหาสาระ ซึ่งการนําการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบให้ประโยชน์ในหลายด้าน เช่น ช่วยให้ผู้สอบบัญชีเข้าใจการดําเนินงานของบริษัทและความเสี่ยงที่เกี่ยวข้องได้ดีขึ้น และช่วยเพิ่มประสิทธิภาพ ในการตรวจพบข้อผิดพลาดในงบการเงิน เป็นต้น (International Federation of Accounting Profession, 2016) และทำให้ผู้สอบบัญชีสามารถตรวจสอบรายการทางธุรกิจ 100% ของจำนวนรายการทางธุรกิจที่เกิดขึ้น ซึ่งแต่เดิมงานตรวจสอบบัญชีใช้วิธีการเลือกกลุ่มตัวอย่างเพื่อทำาการทดสอบความถูกต้องครบถ้วนของรายการธุรกิจ ซึ่งประสิทธิภาพเทียบไม่ได้กับนวัตกรรมทางเทคโนโลยีที่มีอยู่ในปัจจุบัน การเข้ามาของ Data analytics ทำให้กฎเกณฑ์ต่าง ๆ จำเป็นต้องเปลี่ยนตามไปด้วยความระมัดระวัง นวัตกรรมทางเทคโนโลยีเป็นสิ่งสำคัญและจำเป็นต่อการตรวจสอบบัญชีมากขึ้น หากผู้สอบบัญชีไม่ปรับตัวตามนวัตกรรมทางเทคโนโลยีใหม่ ๆ ที่เข้ามา อาจจะส่งผลให้ความสามารถของผู้สอบบัญชีในการตอบสนองต่อความต้องการของตลาด และประสิทธิภาพด้อยลง (เยาวลักษณ์ ชาติบัญชาชัย และโสภณ เพิ่มศิริวัลลภ, 2559) และจากงานวิจัยของ วิไลลักษณ์ เอี่ยมจตุภัทร และ วชิระ บุณยเนตร (2562) ได้ศึกษาการประยุกต์โปรแกรมการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบ พบว่า ทักษะการวิเคราะห์ข้อมูลเชิงลึกสามารถนํามาประยุกต์ได้ในทุกขั้นตอนของการตรวจสอบเป็นอย่างดี ทั้งในขั้นตอนการวางแผนและประเมินความเสี่ยง การทดสอบการควบคุม และการตรวจสอบเนื้อหาสาระ ซึ่งรวมถึงการวิเคราะห์เปรียบเทียบ และการทดสอบรายละเอียดยอดคงเหลือ และผลจากการสัมภาษณ์ความคิดเห็นของผู้สอบบัญชีที่มีประสบการณ์แสดงให้เห็นว่าการวิเคราะห์ข้อมูลเชิงลึกสามารถเพิ่มคุณภาพงานตรวจสอบบัญชี และเพิ่มความเชื่อมั่นของผู้สอบบัญชีในการทดสอบรายการที่ครอบคลุมร้อยละ 100 ของข้อมูลทั้งหมด ซึ่งสามารถเพิ่มคุณภาพงานสอบบัญชีให้ดียิ่งขึ้น ตลอดจนช่วยลดต้นทุนและเวลาในการตรวจสอบ

สรุป
          การเปลี่ยนแปลงอย่างรวดเร็วและรุนแรงด้วยเทคโนโลยีในปัจจุบัน ทำให้ให้เกิดปริมาณข้อมูลจำนวนมากและหลากหลายรูปแบบ ที่มีอยู่อย่างกระจัดกระจายทั้งภายในและภายนอกองค์กร หรือเรียกว่า Big Data การสอบบัญชีจำเป็นอย่างยิ่งที่ต้องปรับเปลี่ยนรูปแบบการปฏิบัติงานเพื่อให้ก้าวทันโลกตรวจสอบสมัยใหม่ที่เต็มไปด้วยเทคโนโลยีล้ำสมัยและการเข้าถึงข้อมูลขนาดใหญ่ที่เปิดกว้างมากขึ้น เพื่อเพิ่มประสิทธิภาพงานสอบบัญชี และตอบสนองต่อความต้องการของตลาดในปัจจุบัน และด้วยลักษณะของข้อมูลและการจัดเก็บข้อมูลที่อยู่ในรูปแบบดิจิทัล (Digital contents) แนวทางการประยุกต์ใช้ประโยชน์จากข้อมูลเหล่านี้จึงต้องอาศัย ทักษะการวิเคราะห์ข้อมูล (Data analytics skills) ซึ่งจะช่วยในการวิเคราะห์ข้อมูลจากแหล่งข้อมูลขนาดใหญ่มาประมวลผลเพื่อให้อยู่ในรูปแบบที่เป็นประโยชน์ต่องานสอบบัญชี โดยการวิเคราะห์ข้อมูลสามารถช่วยงานสอบบัญชีได้ตลอดช่วงของการตรวจสอบงบการเงิน ตั้งแต่ขั้นตอนการประเมินความเสี่ยง การทดสอบการควบคุม และการตรวจสอบเนื้อหาสาระ เพิ่มคุณภาพงานตรวจสอบและช่วยลดต้นทุนและเวลาในการตรวจสอบ
          จะเห็นว่านวัตกรรมทางเทคโนโลยีเป็นสิ่งสำคัญและจำเป็นต่อการตรวจสอบบัญชีมากขึ้น หากผู้สอบบัญชีไม่ปรับตัวตามนวัตกรรมทางเทคโนโลยีใหม่ ๆ ที่เข้ามา อาจจะส่งผลให้ความสามารถของผู้สอบบัญชีในการตอบสนองต่อความต้องการของตลาดลดลง และประสิทธิภาพงานสอบบัญชีด้อยลง ดังนั้น ภายใต้สภาพแวดล้อมที่ Big Data เข้ามามีบทบาทสำคัญ ทักษะการวิเคราะห์ข้อมูลจึงเป็นทักษะสำคัญที่ผู้สอบบัญชีต้องเรียนรู้และพัฒนาให้ก้าวทันโลกการตรวจสอบสมัยใหม่ ทั้งนี้ศักยภาพและทักษะของผู้สอบบัญชีนับเป็นปัจจัยสำคัญที่ส่งผลต่อความสำเร็จในการปฏิบัติงานตรวจสอบ

บรรณานุกรม
เยาวลักษณ์ ชาติบัญชาชัย, และ โสภณ เพิ่มศิริวัลลภ. (2559). คำถามที่พบบ่อย (FAQ) เกี่ยวกับ Big data และ Data Analytics. Boardroom, 30-35.
โสภณ เพิ่มศิริวัลลภ. (2559). กระแสแห่งนวัตกรรมทางเทคโนโลยีกับวิชาชีพสอบบัญชี. วารสารวิชาชีพบัญชี, 59-62.
วิไลลักษณ์ เอี่ยมจตุรภัทร, และ วชิระ บุณยเนตร. (2562). การประยุกต์โปรแกรมการวิเคราะห์ข้อมูลเชิงลึกเพื่อการตรวจสอบบัญชี. วารสารสภาวิชาชีพบัญชี, ปีที่ 1 ฉบับที่ 2.
ศูนย์ให้บริการและความรู้ Big Data. (2560). Big Data: BIG DATA EXPERIENCE CENTER. เข้าถึงได้จาก BIG DATA EXPERIENCE CENTER: http://bigdataexperience.org/big-data/
Bibliography
Alles, M., & Gray, G. (2015). The Pros and Cons of Using Big Data in Auditing: A Synthesis of the Literature. Retrieved from http://jebcl.com/symposium/wpcontent/uploads/2015/09/The-Pros-and-Cons-of-Using-Big-Data-in-Auditing-A-Synthesis-of-the-Literature-UWCISA-Revised.pdf.
American Institute of Certified Public Accountant. (2015). Audit Analytics and Continuous Audit Looking Toward the Future. Retrieved from https://www.aicpa.org/interestareas/frc/assuranceadvisoryservices/downloadabledocuments/auditanalytics_lookingtowardfuture.pdf
CPA Canada . (2017). Update on the use of Audit Data Analytics and the evolution of the financial. Retrieved from https://www.cpacanada.ca/ en/business-and-accounting-resources/audit-and-assurance/canadian-auditing-standards-cas/publications/audit-data-analytics-alert-uw
Dumbill, E. (2017). What is Big Data? An introduction to the Big data landscape. Retrieved from www.oreilly.com/radar.
International Federation of Accountants,IFAC. (2016). Audit Data Analytics.