En términos muy generales, una auditoria es el proceso de recopilar datos con el fin de determinar la existencia de irregularidades y emitir informes, según el tipo de auditoria, sobre la aplicación normas y principios en la elaboración de los estados financieros, o sobre el nivel de cumplimiento y transparencia en la gestión, o la existencia de fraudes, o que tan eficientes son los procesos, etc., y en su caso presentar recomendaciones que corrijan las desviaciones.
En este proceso, una de las dificultades que enfrenta el auditor es la imposibilidad de analizar grandes volúmenes de datos con varias características.
Por ejemplo, para analizar el proceso de compras se deben considerar los datos relacionados de las órdenes de compra, facturas, pagos, recepción de materiales e imputación contable, lo que implicaría relevar una enorme cantidad de combinaciones de características posibles. (1)
Las nuevas técnicas del Análisis Exploratorio de Datos (EDA) y la Inteligencia Artificial Explicable (XAI) facilitan, automatizan y profundizan los análisis de datos en todo tipo de auditorías:
- Identifican todas las irregularidades en valores y tendencias explorando el universo completo de la población con todas las características de los datos involucrados y de todas sus combinaciones posibles.
- Presentan las Irregularidades de manera simple, clara y ordenada a través de informes gráficos y cuadros comparativos.
Las técnicas del EDA, que utilizan métodos matemáticos bastante complejos han sido utilizadas principalmente en la ingeniería y la I+D. En la actualidad la XAI permite automatizar los procesos de exploración y presentar la información de manera clara y transparente, con lo que se extiende su aplicación a otras disciplinas y áreas de las organizaciones.
De esta forma el auditor evita tener que explorar “manualmente” grandes volúmenes de datos y puede dedicar todo su tiempo a interpretar el impacto y la significancia de las irregularidades que fueron encontradas y presentadas.
No solo se muestran las desviaciones medidas en cantidades e importes monetarios, sino que además se analizan las desviaciones de tendencias. Por ejemplo, una falla de control puede no ser relevante económicamente pero presentar una tendencia creciente muy alta en el último semestre.
No es necesario hacerse preguntas para probar hipótesis, ni programar nada. El proceso automático se encarga de poner de manifiesto, todas las irregularidades, las que el auditor sospecha (riesgo inherente) y las que desconoce totalmente.
El análisis automatizado de la totalidad del universo de la población a estudiar elimina los problemas típicos del muestreo estadístico:
· Desaparece el riesgo de muestreo: Se analiza todo el universo de la población
· Se obtienen todas las anomalías, las de mayor magnitud y las que no siendo tanto representan problemas (oportunidades) incipientes.
· Se eliminan el problema de definir la clasificación o estratificación manual: Se analizan, presentan y priorizan todas las irregularidades de todas las combinaciones de características posibles.
El análisis detallado va más allá de los promedios o ratios acumulados. Un promedio o ratio, al ser desagregado en sus componentes puede estar escondiendo información relevante. (2)
Por ejemplo:
a) se obtiene que solo al 1 % del porcentaje del importe total de las Facturas de proveedores no se le pudo relacionar con una Orden Compra, pero al desagregar el indicador resulta que el 60 % de las facturas de “Materiales de Oficina” del “Centro de Compras MTY”, en el “segundo semestre”, del “Proveedor XX SA” no tienen OC relacionada.
b) se determina que el margen bruto está dentro del rango esperado, pero al desagregarlo por tipo de transacción, línea de productos, ubicación, período, resulta que hay desviaciones relevantes.
Si bien la auditoria tiene un objetivo específico, por ejemplo validar la información de los estados financieros, y por lo tanto las inconsistencias que no se relacionen con ese objetivo no deben considerarse, por ejemplo la imputación a cuentas de proveedores erróneas que no afectan el saldo final, estos hallazgos adicionales implican una oportunidad de mejora y pueden impactar en otras áreas de la auditoria (riesgos o fraudes por ejemplo) que potencian el trabajo del auditor.
(1) Tomemos como ejemplo un Proceso de Compras completo, (Orden de Compra- Recepción-Factura-Pago-Imputaciones Contables) donde podemos encontrar los siguientes atributos (digamos que 21 en total): Fecha de Orden de Compra, Centro de Costos, Centro de Compras, Comprador, Proveedor, Cantidad, Producto, Precio en OC, Factura, Fecha de Factura, Cantidad Facturada, Precio Facturado, Orden de Pago, Fecha de Pago, Importe, Nro. de Recepción, Fecha de recepción, Cantidad Recibida, Responsable, Nro. de Asiento Contable, Fecha Asiento. Esto representa 2.097.151 de combinaciones posibles de atributos (=2^21-1).
(2) Ver Paradoja de Simpson: https://es.wikipedia.org/wiki/Paradoja_de_Simpson#:~:text=En%20probabilidad%20y%20estad%C3%ADstica%2C%20la,contraria%20para%20los%20datos%20agregados.
Autor: Alvaro Miranda Aguerre - Director de Complexus Analytics México
