Digital revisjon

MRR453 Digital revisjon

  • Innhold

    Innhold

    Digitalisering (automatisering og data analyser) implementeres i økende omfang i regnskapsavdelingene hos virksomhetene. Dette vil påvirke revisorprofesjonen vesentlig. I tillegg til strukturerte data fra virksomhetene, har revisor også tilgang til en rekke data (Big Data) fra andre kilder. I sum vil derfor måten revisor reviderer på trolig endres vesentlig. Dette krever ny kompetanse, bl.a. i innhenting og håndtering av store datamengder og i bruk av ulike statistiske metoder og verktøy for dataanalyser.

    Dette emnet gir studentene en oversikt over nye prosesser og teknologi, trening i spesifikke metoder og verktøy, samt ferdigheter til å forstå hvordan og i hvilken grad de nye analyseverktøyene kan erstatte dagens revisjonshandlinger og gi tilstrekkelige og hensiktsmessig revisjonsbevis.

     

    Emneoversikt (men ikke nødvendigvis undervist i den rekkefølge):

    (A) Digitalisering hos virksomhetene:

    • Hva skjer av automatisering/robotisering i regnskapssystemer og -avdelinger hos virksomheter. Demonstrasjon av roboter.
    • Dokumentasjon og intern kontroller hos kunde som følge av automatiserte prosesser. Konsekvenser for revisjon.

     

    (B) Hvordan innhente og behandle data (preprocessing)

    • Bruk av strukturerte og ustrukturerte data generelt i revisjon; inkludert å sikre og dokumentere at data er fullstendige, nøyaktige og ikke manipulerte
    • Uttrekk/tilgang og lagring av data, om SQL, SAP og Hadoop som verktøy, inkludert hva revisor må være oppmerksom på
    • Kartlegge dataflyten i systemer og prosesser som er relevante for regnskapet

     

    (C) Dataanalyser til bruk i revisjon (datamining)

    • Statistiske metoder for dataanalyser til bruk i revisjon: Teori og praktiske case v.h.a. datasett hvor det gjøres dataanalyser
    • Hypoteser, sammenhenger og outlayers
    • Bruk av ulike statistiske metoder som: Regresjonsanalyser, clustering/mønstre, beslutningstrær, text mining
    • Bruk av dataanalyseverktøy som XL-Power BI og R, og visualisering ved bruk av Tableau

     (D) Er dataanalysene tilstrekkelig og hensiktsmessig revisjonsbevis?

    • Hva sier revisjonsstandarder og reguleringsmyndigheter om bruk av dataanalyser som revisjonsbevis? Kan de erstatte dagens bevis?

    Hva er tilstrekkelig og hensiktsmessig revisjonsbevis fra dataanalyser? Hvordan bør de dokumenteres?

  • Læringsutbytte

    Læringsutbytte

    Kunnskap - Studenten skal ved fullføring

    • Ha en forståelse av endringene som skjer i regnskapssystemene og -avdelingene mht. digitalisering; digitale transaksjoner, automatisering (robotisering) av prosesser, samt arbeidsoperasjoner, kontroller og dataanalyser i virksomhetene
    • Ha kjennskap til ulike type dataoverføringsverktøy og metoder og ulike dataanalyseverktøy (SAP connector, SQL, Hadoop, samt R, Phyton o.l.)
    • Ha kunnskap og praktisk forståelse for dataintegritet; pålitelighet av data, fullstendig og nøyaktig overføring av data, vasking av data og rydding av data
    • Ha god kunnskap om sentrale statistiske metoder ved dataanalyser (data mining): regresjon, clustering/mønstre, beslutningstrær, text mining. Kunne håndtere outliers, unormaliteter og konkludere basert på resultater
    • Ha kunnskap om hvordan funn fra dataanalyser kan brukes i revisjonen og eventuelt erstatte manuelle/substansiell innhenting av revisjonsbevis
    • Ha kunnskap om i hvilke grad gjeldende revisjonsstandarder er tilpasset bruk av dataanalyse, samt de pågående initiativ og endringsprosesser i revisjonsstandardene

    Ferdigheter - Studenten skal ved fullføring

    • Kunne beskrive sentrale regnskapsprosesser, hva som kan bli digitalisert og hvilke type digitale/automatiserte kontroller som kan anvendes
    • Som revisor kunne stille relevante spørsmål om overførte data er fullstendige, nøyaktige og ikke manipulerte
    • Kunne vaske og strukturere ustrukturerte data og forstå risiker og hensiktsmessige prosedyrer ved håndtering av data
    • Kunne bruke dataanalyseverktøy (XL Power BI, R og Tableau o.l.)
    • Kunne gjennomføre ulike dataanalyser v.h.a. statistiske metoder (data mining, hypotesetesting, avviksanalyser, datavisualisering m.v.) til bruk i revisjonsarbeidet; både for virksomhetsforståelse og identifisering av risiker i planleggingsarbeidet, testing av internkontroll, og innhenting og vurdering av revisjonsbevis
    • Kunne avgjøre om revisjonsbevisene er tilstrekkelige og hensiktsmessig, inkludert i hvilken grad de kan erstatte eksisterende "tradisjonelle" revisjonsbevis

     

    Generell kompetanse - Studenten skal ved fullføring

    • Ha en forståelse over endringsprosessene som skjer/forventes vil skje i regnskapsavdelinger/-systemer og i revisjonsarbeidet og rollen og kompetansekrav til revisjonsmedarbeidere

  • Undervisningsopplegg

    Undervisningsopplegg

    Forelesninger, egne studier, studentpresentasjoner, casediskusjoner og oppgaver.

  • Adgangsbegrensing

    Adgangsbegrensing

    Emnet er nå åpnet for alle masterstudenter som oppfyller forkunnskapskravet MRR411 eller BUS426.

  • Anbefalte forkunnskaper

    Anbefalte forkunnskaper

    Grunnleggende kunnskap i statistikk og regresjonsanalyse

  • Krav til forkunnskaper

    Krav til forkunnskaper

    MRR411/BUS426N Revisjon eller tilsvarende

  • Krav til kursgodkjenning

    Krav til kursgodkjenning

    Gruppebaserte innlevering. Fremmøte og deltakelse i eventuelle studentpresentasjoner, casediskusjoner og oppgaver.

  • Vurderingsform

    Vurderingsform

    4 timer skriftlig skoleeksamen som dekker pensum, inkludert innhold i forelesninger, innleveringer, casediskusjoner og oppgaver.

  • Karakterskala

    Karakterskala

    A-F

  • Dataverktøy

    Dataverktøy

    PC som kan laste ned eller bruke XL-Power BI og R, og Tableau

  • Undervisningssemester

    Undervisningssemester

    Vår. Første gang våren 2018

  • Litteratur

    Litteratur

    Obligatorisk litteratur:

    • EMC Data Science and Big Data Analytics, Wiley 2015
    • James, Witten, Hastie: An introduction to statistical learning (2013)
    • Artikler som legges ut av foreleser

    En detaljert oversikt over hvilke kapitler mv. som er pensum blir publisert på Itslearning. Forelesningene, innlevering, casediskusjoner og oppgaver er også en viktig del av pensum i kurset.

Oppsummering

Studiepoeng
7.5
Undervisningsspråk
Norsk
Semester
Vår

Kursansvarlig

Finn Kinserdal og Tom McKee, IRRR