Escolar Documentos
Profissional Documentos
Cultura Documentos
Painel 1 - 10 Forum de Auditoria de Sistemas - Miklos Vasarhelyi - Universidade de Rutgers
Painel 1 - 10 Forum de Auditoria de Sistemas - Miklos Vasarhelyi - Universidade de Rutgers
BYU. For many years now, the Accounting Information Systems (AIS) group at
RBS has led the world in the application of information technology to the
audit profession. We are very proud to announce that the just-released BYU
rankings for 2019 confrm again the continued success of Rutgers Business
School in both AIS and audit research:
1
Digital Library
Content
• Undergraduate, Graduate, PhD, & Audit Analytics Content
4
QUESTÃO DE PESQUISA
• Design Science Research: Build and evaluate artifacts to meet business needs, and
the goal is utility (Hevner et al., 2014)
1. Identifcar problemas únicos de negócios
– Melhoria da garantia dos processos de negócios
– Evitar perdas e reduzir o custo da conformidade com monitoramento
contínuo proativo e inteligente
– Aliviar a sobrecarga cognitiva do gerenciamento de informações
2. Artefatos de design
– Um design sistemático de artefato de CM de dupla fnalidade dentro de uma estrutura
Avaliação de risco: operação abrangente de alto nível e resumo de violação de controle
8
ILUSTRAÇÃO DO DESIGN DO CM
• Trabalhamos com uma empresa de auditoria e um de seus clientes na Austrália
para assurance sobre folha de pagamento, no ano fnanceiro de 2019 com a
estrutura de CM proposta
• O cliente da área de saúde está altamente motivado para implementar a estrutura
de CM na folha de pagamento
• O sistema de folha de pagamento do nosso hospital parceiro é muito
representativo com desafos únicos que os sistemas de folha de pagamento de
saúde enfrentam.
• Despesas com folha de pagamento que representam 70% de custos operacionais totais
– O Hospital tem quase 10.000 funcionários em várias profssões e disciplinas, com alta
rotatividade de pessoal, altos custos de subsídios para preencher turnos vagos, horas
extras, licenças remuneradas e feriados
10
ESTÁGIO 3: DESENVOLVIMENTO DO MODELO CM
1. Reavaliação de risco com painel de operação e violação
Propósito: A gestão obtenha conhecimento aprofundado sobre as situações operacionais corporativas
e fraquezas de controle
Ferramenta: Tableau (Anoshin et al., 2019), visualização interativa baseada em interface de usuário
amigável
Etapas: Confgurar painel, importar dados do sistema ERP, exibir resumos do índice de desempenho
do processo de negócios e controlar violações de verifcação. Com recursos de classifcação, fltragem
e detalhamento
2. Painel de detecção de anomalias para identifcação de itens notáveis
Propósito: Fornece uma plataforma de trabalho para inspeção de anomalias
Ferramenta: Tableau, programação Python, biblioteca pyod
Etapas: Exibir violações de verifcação de controle em um nível individual. Utilizado o KNN e o
codifcador automático para produzir anomalias imparciais e manualmente indetectáveis. Redefnindo
a frequência de monitoramento e realocando o esforço manual de acordo com a necessidade.
3. Confirmação de materialidade e escopo de inspeção e exame de item notável
Propósito: Confrmação de materialidade e escopo de inspeção e exame de item notável 11
DETECÇÃO DE ANOMALIA DE SEGUNDA FASE
Métodos de detecção de anomalias
– Métodos baseados em regras
Falso Positivo (escala de pagamento diferente, condições que evoluem com o
tempo)
Falha ao capturar fraude
– Métodos baseados em dados
Aprendizado com o comportamento comum dos dados
Dimensões latentes (não está claro o que constitui anomalias)
DETECÇÃO DE ANOMALIA DE SEGUNDA FASE
Propósito
– Detectar pagamentos extremos e outros indices anormais de
pagamento
Algoritmo de detecção de anomalias
– K-NN Clustering:
Um tipo de técnica de machine learning não supervisionada baseada em proximidade
Absolute basic
pay amount
Normaized
basic pay
amount
13
Normalized other pay Absolute other pay
DETECÇÃO DE ANOMALIA DE SEGUNDA FASE
Algoritmo de detecção de anomalias
– Propósito:
Detectar séries de pagamentos anormais
– Auto-encoder:
Um tipo de rede neural: ajuste hiperparâmetros para A estrutura de Auto-
encoder
recriar a sequência de pagamento de entrada
As anomalias são as que apresentam maior perda de re-
criação
Sequência Sequência gerada por
Próxima etapa: Processo generativo latente para mais
original modelo
interpretação
Um exemplo de
payment
anomalia
Um baixo nível de
pagamento constante
antes de COVID não é
típico
14
Pay cycle Pay cycle
ETAPA 4: IMPLEMENTAÇÃO E AVALIAÇÃO DO MODELO
15
AUDITAR COM A FERRAMENTA CM (METODOLOGIA
MADS)
Pagamento de itens notáveis para cada filtro
• Painel de controle do
CM: nova evidência
– Auditoria externa: teste de
controle interno
Abordagem de amostragem
tradicional
Uma amostra de 69 e
nenhuma anomalia
detectada
Os controles internos que
cobrem o fator de risco 3,4
podem não ser efcazes
Itens notáveis: 15.496
transações
16
AVALIACAO POR PARTE DO AUDITOR
EXTERNO
• 1. Oportunidades
• Aplicacao de auditoria analitica em controles internos:
auditoria continua
• Quando foi executada a auditoria (o tempo inteiro)
• Evidencia mais confavel
• Menos trabalho manual
• 2. Difculdades
• Auditoria analitica requer alta competencia tecnologica
17
OBRIGADO POR PARTICIPAR
MEU CONTATO
MIKLOSV@RUTGERS.EDU
18