Di era digital sekarang ini, disadari atau tidak, setiap individu menghasilkan dan berurusan dengan data. Survei yang dilakukan International Business Machines Corporation (IBM) menyatakan bahwa setiap hari dihasilkan 2,5 quintillion (2,5 x 1018) bytes data yang berasal dari berbagai sumber, baik itu structured data maupun unstructured data. Data-data tersebut terus mengalir setiap detik dalam jumlah yang luar biasa banyak dan beragam dari sumber-sumber yang tidak terbatas. Kumpulan seluruh data tersebut lah yang kemudian sering dikenal dengan istilah big data. Big data adalah aset informasi bervolume tinggi, berkecepatan tinggi dan/atau beraneka ragam yang menuntut bentuk pemrosesan informasi inovatif yang memungkinkan peningkatan wawasan, pengambilan keputusan, dan otomatisasi proses (Herschel & Miori, 2017; IBM).
Pertumbuhan data yang sangat cepat serta aksesibilitas yang semakin mudah merupakan keuntungan yang sangat besar bagi para penggunanya. Namun, data hanya sekadar data dan tidak bisa digunakan apabila tidak "diterjemahkan". Tantangan yang dihadapi auditor sebagai salah satu pengguna big data adalah bagaimana data yang besar tersebut disimpan, dikelola, dan dimanfaatkan? Jawabannya adalah dengan melakukan big data analytics, yaitu strategi menganalisis big data untuk mengungkap pola dan koneksi yang mungkin tidak terlihat sehingga dapat memperoleh wawasan dan informasi berharga untuk kemudian menjadi sebuah insight dan membantu dalam membuat keputusan.
Dengan adanya big data analytics, manfaat apa yang lantas diterima auditor? Tidak lagi terbatas pada pengujian berbasis sampel, big data memungkinkan population-based audit. Hal ini merupakan potensi yang amat berguna, bahkan mampu mengubah pelaksanaan audit. Melakukan pengujian terhadap objek audit secara menyeluruh akan memberikan hasil audit yang lebih relevan, sebab dapat menghilangkan bias dan risiko dalam pemilihan sampel. Selain itu, volume data yang besar memungkinkan auditor untuk mengelompokkan data-data berdasarkan perbedaan variabel (seperti jumlah transaksi, waktu, dan lokasi) untuk menemukan pola atau anomali yang kemudian menjadi dasar pengujian yang lebih mendalam.
Melalui pola dan informasi yang dihasilkan oleh big data analytics, prediksi dapat dilakukan dengan lebih akurat, bahkan identifikasi fraud pun menjadi lebih mudah. EY sendiri menyatakan bahwa penggunaan utama dari big data analytics adalah untuk mendeteksi fraud (EY, 2014). Sebab, disamping tersedianya pola dan informasi yang mempermudah penemuan fraud, manipulasi elemen-elemen big data untuk menyembunyikan fraud akan sulit dilakukan. Hywel Ball, kepala jaminan EY di Inggris dan Irlandia, menjelaskan "Ambil data tidak terstruktur, lalu lintas email salah satunya. Jika kita mencari oknum di bank, misalnya, kita dapat menghubungkan antara data tidak terstruktur dan data terstruktur (data-data finansial) untuk mencari anomali dan menambah insight yang lebih dalam. Ini adalah teknik yang dikembangkan oleh praktik akuntansi forensik, tetapi semakin sering digunakan dalam audit."
Saat ini, dunia pekerjaan audit mulai dipenuhi dengan klien yang menggunakan big data dalam operasi bisnis mereka. Auditor tanpa pengetahuan dan keterampilan analytics yang memadai akan kesulitan memahami bisnis klien dan memberikan jaminan akan hasil auditnya sebab penerapan big data dalam fungsi operasional klien memengaruhi cara kerja audit. Informasi akuntansi yang akan diuji bukan lagi hanya sekadar transaksi, tapi juga berbagai format (misalnya, audio, gambar, video) yang terkait. Misalnya, panggilan penjualan yang dilakukan ke pelanggan mungkin digabungkan dengan angka pendapatan untuk memberikan catatan lengkap aktivitas penjualan. Demikian pula, video pengawasan dapat digabungkan dengan data inventaris, yang mengharuskan auditor untuk menggunakannya secara efektif sebagai bukti audit komplementer.
Metode audit tradisional membantu pekerjaan auditor selama beberapa dekade terakhir, namun seiring kemajuan teknologi dan permintaan klien yang semakin berkembang, auditor harus terus berinovasi dan bertransformasi. Kondisi ini menjadikan analytics skill sebagai kunci penting bagi auditor sekaligus menjadi alasan bagi kita untuk menguasainya. Oleh karena itu, future auditors, bersiaplah!
"Data is just like crude. It's valuable, but if unrefined it cannot really be used. It has to be changed into gas, plastic, chemicals, etc; so must data be broken down, analyzed for it to have value." --Â Michael Parmer.
Referensi:
Alles, M., & Gray, G. L. (2016). Incorporating big data in audits: Identifying inhibitors and a research agenda to address those inhibitors. International Journal of Accounting Information Systems, 22, 44-59. doi:10.1016/j.accinf.2016.07.004
Alles, Michael (2015). Drivers of The Use and Facilitators and Obstacles of the Evolution by the Audit Profession. Accounting Horizon, http://bit.ly/2q2Pk99).
Ciklum. Pros and Cons of Big Data. Diakses dari https://www.ciklum.com/blog/pros-and-cons-of-big-data/ pada 22 April 2018 pukul 20.45 WIB.
