Transformando la Auditoría Interna a través del Análisis de Datos

Ante los constantes cambios en el entorno empresarial junto con la creciente exigencia de supervisión por parte de organismos reguladores y la sociedad en su conjunto; es necesario que los departamentos de Auditoría Interna (AI) desarrollen un conocimiento más amplio, con soluciones en relación a un enfoque integral de riesgos, cumplimiento y transparencia; enriqueciendo de esta manera su propuesta de valor, evaluando y analizando una gran cantidad de datos para identificar patrones, tendencias y comportamientos anormales y/o inusuales.

A nivel global y local, se vienen presentando ciertas tendencias que están transformando la función de AI:

• Mayor presión sobre los equipos de AI para que se audite con mayor precisión las actividades empresariales y se desarrolle una postura informada ante sus riesgos
• Incremento en las expectativas regulatorias para monitorear las actividades de las empresas
• Crecimiento exponencial de la información generada en las empresas y madurez de las tecnologías existentes para analizarla
• Requerimientos de ahorro y eficiencia en los procesos de gestión de riesgos y cumplimiento por parte de la Alta Dirección
• Obligación de innovar ante presiones competitivas y utilización de nuevas tecnologías

Frente a dichas tendencias, los auditores internos tienen la oportunidad de liderar la respuesta a esta nueva realidad empresarial y posicionarse como impulsadores del cambio organizacional.

A pesar de que la demanda de servicios de analíticos en AI es alta, algunas investigaciones indican que cambiar a un método de auditoría que se base en datos ha demostrado ser desafiante para las empresas, que tal vez no tienen los recursos suficientes, especializados ni las capacidades necesarias para transformar procesos o mentalidades muy arraigadas.

De acuerdo con Estudios de la Profesión de Auditoría Interna de los años 2015 y 2016 elaborado por PwC, la creciente confianza en “Big Data” y el análisis empresarial deben ser el principal punto de enfoque de la AI en los próximos años, en opinión de los Directores y profesionales de AI que fueron entrevistados.

Por otro lado, para aumentar la madurez del análisis de los datos, los departamentos de AI deben construir un conjunto de habilidades especializadas adecuado, adquirir la tecnología correcta e integrar el análisis de datos a lo largo del ciclo de vida del departamento de AI, lo que podría involucrar los siguientes cambios en su metodología: 

• Evaluación de riesgos:  Utilizar mapas interactivos para destacar los problemas críticos con base en información estadística
• Planeación/Delimitación:  Plantear objetivos claramente delimitados, utilizando indicadores clave de riesgo (KRIs) y/o desempeño (KPIs)
• Trabajo de campo:  Identificar transacciones atípicas utilizando un método basado en riesgos para reemplazar los procedimientos tradicionales de muestreo
• Reportes: Sustentar visualmente los resultados relacionados con el desempeño en comparación con los KPIs

Otro factor clave es desarrollar la función analítica de AI basada en tres servicios claves:

Este método debe contemplar el “data mining” y el análisis de datos estadísticos para respaldar las evaluaciones de riesgos en toda la organización, el desarrollo de pruebas integrales, evaluaciones del modelo de análisis y diseño de reportes personalizados, cuyos principales beneficios son los siguientes:

• Obtener conocimiento más profundo del negocio para ayudar en la inteligencia de la labor de revisión
• Reducción de costos existentes y futuros, a través de la automatización de procesos
• Pruebas integrales para la verificación de procesos y controles
• Identificación de anomalías y patrones de alto riesgo para lograr una mejor cobertura en la revisión
• Comunicación eficaz de aspectos y resultados importantes, a través de tableros de control dinámicos
• Funciones de AI que sean más relevantes para la empresa y los Comités de Auditoria

Como se puede observar, resulta sumamente importante considerar al análisis de datos como un punto crítico para la transformación de la función de AI, de esta manera se refuerza su presencia en la organización, así como su impacto en el negocio.  Recordemos lo dicho por W. Edwards Deming: “Sin datos eres sólo otra persona con una opinión”.