Implementering af dataanalyse i revisionen af SMV-segmentet
Oversat titel
Implementing Data Analytics in the Audit of the SME-Segment
Forfatter
Bentzen, Daniel Nimand
Semester
4. semester
Uddannelse
Udgivelsesår
2023
Antal sider
96
Resumé
Afhandlingen undersøger, hvordan dataanalyse kan implementeres i revisionen af små og mellemstore virksomheder (SMV) med det formål at styrke kvaliteten af revisionsbevis og øge effektiviteten. Den overordnede problemstilling er, hvilke faktorer der muliggør en succesfuld integration af dataanalyse i revisionsprocessen i SMV-segmentet, og hvilke virkninger det har for revisionskvalitet, omkostninger og revisors rolle. Metodisk bygger studiet på en gennemgang og syntese af eksisterende litteratur, relevante revisionsstandarder og beskrivelser af revisors opgaver og ansvar, kombineret med en systematisk gennemgang af revisionsprocessens faser og hvor dataanalyse kan anvendes (fx risikovurdering, analytiske handlinger, test af kontroller, besvigelsesindikatorer og afsluttende handlinger). Afhandlingen identificerer centrale forudsætninger for implementering: en klar strategi og målsætning, tilpasning af arbejdsgange, uddannelse og træning af revisorer, evne til at udvælge relevante datakilder og opbygge passende analytiske modeller samt samarbejde med specialister. Fundene peger på væsentlige gevinster: mere præcise og dækkende analyser, bedre mulighed for at identificere væsentlige fejl og besvigelser, samt effektiviseringsgevinster gennem automatisering, der frigør tid til rådgivning og risikovurdering. Samtidig fremhæves risici og krav, herunder datakvalitet, fortrolighed og informationssikkerhed, hvor etablerede standarder som ISO 27002 og ISAE 3402 kan understøtte en sikker implementering. Overordnet konkluderes, at dataanalyse kan styrke SMV’ers konkurrenceevne og øge revisors relevans, forudsat løbende kompetenceudvikling og opmærksomhed på datasikkerhed.
This thesis examines how data analytics can be implemented in the audit of small and medium-sized enterprises (SMEs) to enhance the quality of audit evidence and increase efficiency. The core research question concerns which factors enable successful integration of data analytics into the SME audit process and what effects this has on audit quality, costs, and the auditor’s role. Methodologically, the study synthesizes existing literature and relevant auditing standards and maps the auditor’s responsibilities across audit phases to show where data analytics can be applied (e.g., risk assessment, analytical procedures, tests of controls, fraud indicators, and concluding procedures). The thesis identifies key prerequisites for implementation: a clear strategy and objectives, adjusted workflows, training and upskilling of auditors, the ability to select relevant data sources and build suitable analytical models, and collaboration with specialists. The findings indicate substantial benefits: more precise and comprehensive analyses, better detection of material misstatements and fraud, and efficiency gains through automation that free time for advisory work and risk assessment. At the same time, the study highlights risks and requirements, including data quality, confidentiality, and information security, where established standards such as ISO 27002 and ISAE 3402 can support secure implementation. Overall, the thesis concludes that data analytics can strengthen SME competitiveness and increase the auditor’s relevance, provided there is continuous skills development and careful attention to data security.
[Dette resumé er genereret med hjælp fra AI direkte fra projektet (PDF)]