Fra tal til indsigt - Brugen af dataanalyse i revision

From numbers to insight - The use of data analytics in audit

Dørr, Mia Østergaard ; Bendix-Pedersen, Simone Harding

4. semester

Revision (cand.merc.aud.), Kandidat

2026

Specialet undersøger, hvordan implementering af dataanalyse påvirker revisionsprocessen med særligt fokus på revisionsbevis. I lyset af øget digitalisering og voksende datamængder beskrives dataanalyse som et alternativ til traditionelle stikprøver ved at muliggøre test af hele populationer. For at belyse effekter, udfordringer og muligheder kombinerer specialet flere metoder: semistrukturerede interviews med erfarne revisorer, udviklere af dataanalyseværktøjer og kvalitetskontrollanter samt en gennemgang af relevante revisionsstandarder, regulering og sekundær litteratur. Resultaterne indikerer, at dataanalyse potentielt kan højne revisionskvaliteten, hvis revisionsmetoden tilpasses, men specialet finder ikke grundlag for at konkludere, at effekten altid er positiv eller at dataanalyse bør anvendes i alle sager. Empirien peger på både barrierer og klare fordele for kvalitet og proces. På den baggrund anbefales målrettet uddannelse, videreudvikling af værktøjer, udformning af nye standarder til dataanalyse samt at gøre dataanalyse obligatorisk, hvor den er hensigtsmæssig. Afslutningsvis skitseres, hvordan dataanalyse og digitale værktøjer kan forme fremtidens revision, herunder revisionshold og værktøjslandskab.

This thesis examines how the implementation of data analytics affects the audit process, with a particular focus on audit evidence. Against the backdrop of digitalization and growing data volumes, data analytics is presented as an alternative to traditional sampling by enabling full-population testing. To explore impacts, challenges, and opportunities, the study combines several methods: semi-structured interviews with experienced auditors, developers of data analytics tools, and audit quality reviewers, alongside a review of relevant audit standards, regulations, and secondary literature. The findings indicate that data analytics can potentially enhance audit quality if the audit approach is adapted, but the thesis does not conclude that effects are universally positive or that analytics should be used in every engagement. The empirical work identifies both barriers and clear benefits for audit quality and process. Based on these insights, the thesis recommends targeted training, further tool development, creation of new standards tailored to data analytics, and making analytics mandatory where appropriate. It also outlines how data analytics and digital tools may shape the future of auditing, including audit teams and tool design.

[Dette resumé er genereret med hjælp fra AI direkte fra projektet fuldtekst]

Download PDF
Vis denne rapport i AAU Studenterprojekter

Dørr, Mia Østergaard:

• Lagerbeskatning af fast ejendom (2023)