Powered by OpenAIRE graph
Found an issue? Give us feedback
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/ Norwegian Open Resea...arrow_drop_down
image/svg+xml art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos Open Access logo, converted into svg, designed by PLoS. This version with transparent background. http://commons.wikimedia.org/wiki/File:Open_Access_logo_PLoS_white.svg art designer at PLoS, modified by Wikipedia users Nina, Beao, JakobVoss, and AnonMoos http://www.plos.org/
versions View all 1 versions
addClaim

Digitalisering og Data-analyser i revisjon

Authors: Aune, Solveig; Helgesen, Carina;

Digitalisering og Data-analyser i revisjon

Abstract

Formålet med studien er å undersøke hvordan digitalisering og bruk av Big Data-analyser påvirker revisors utøvelse av profesjonell skepsis. De store revisjonsselskapene (Big 5) har de senere årene investert store ressurser i digitale revisjonsverktøy. Profesjonell skepsis er sentralt i en velfungerende revisjon og er avgjørende for rollen som allmennhetens tillitsperson. Dette gjør det interessant å undersøke hvordan revisors utøvelse av profesjonell skepsis påvirkes av den teknologisk utviklingen og digitale revisjonsverktøy for å sikre fortsatt tillit til revisjon. Studien er gjennomført med kvalitativ tilnærming og eksplorerende forskningsdesign. Som grunnlag for å besvare problemstillingen er data samlet inn gjennom intervjuer med relevante aktører. Totalt er det gjennomført 11 dybdeintervju med praktiserende revisorer, representanter fra fagavdeling/innovasjonsavdeling og Den norske Revisorforening. Funn fra intervjuene er sammen med relevant teori om revisjon, profesjonell skepsis, innføring av ny teknologi og bruk av Big Data-analyser i revisjon benyttet til analyse. Basert på dette har vi utledet en konklusjon på studiens problemstilling. Resultatene fra studien viser at bruk av Big Data-analyser i revisjon fører til økt fokus på revisors vurderinger. Som et resultat av dette vil revisors utøvelse av profesjonell skepsis bli mer kritisk. Standardisering og automatisering av revisjonshandlinger og prosesser fører til at deler av revisjonen forenkles og effektiviseres. Samtidig muliggjør Big Data effektive analyser av virksomheten og visualisering av potensielle risikoer. Som følge av dette kan revisor gjennomføre en mer risikobasert og måleffektiv revisjon sammenlignet med bruk av tradisjonell metodikk. Dette forventes videre å bidra til økt revisjonskvalitet. Imidlertid viser studiens funn at manglende kunnskap om og erfaring med bruk av Big Data-analyser kan utfordre revisors kritiske tenkning. Revisjonsbransjen har i denne sammenheng et særlig ansvar for nyutdannede revisorer. Som et resultat av standardisering og automatisering ekskluderes store deler av erfaringsgrunnlaget for utvikling av profesjonell skepsis. Som en følge av dette må revisjonsselskapene sørge for at nyutdannede får opparbeidet nødvendige ferdigheter for kritisk tekning tidlig i karrieren som revisor. Den teknologiske utviklingen gjør derfor at forståelsen for innholdet i og betydningen av selve begrepet revisjon blir mer sentralt. Studiens funn understreker viktigheten av revisors ansvar for å utøve profesjonell skepsis - også i en digital hverdag.

  • BIP!
    Impact byBIP!
    selected citations
    These citations are derived from selected sources.
    This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    0
    popularity
    This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
    Average
    influence
    This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
    Average
    impulse
    This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
    Average
Powered by OpenAIRE graph
Found an issue? Give us feedback
selected citations
These citations are derived from selected sources.
This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Citations provided by BIP!
popularity
This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.
BIP!Popularity provided by BIP!
influence
This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).
BIP!Influence provided by BIP!
impulse
This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.
BIP!Impulse provided by BIP!
0
Average
Average
Average
Green