Edistynyt data-analytiikka tilintarkastuksessa

Tässä pro gradu -tutkielmassa tutkitaan edistynyttä data-analytiikkaa ja sen vaikutusta tilintarkastukseen. Lisäksi tutkitaan menetelmiä, joiden avulla tilintarkastusyhteisöt omaksuvat edistynyttä data-analytiikkaa osaksi toimintaansa. Yritystoiminnan digitalisaation ja tilintarkastusprosessin muutosten myötä tulee tilintarkastajien ymmärtää ja hallita aikaisempaa suurempia tietomääriä sekä edistyneen data-analytiikan menetelmiä ja työkaluja. Edistynyt data-analytiikka käsitteenä ei ole vakiintunut, ja sen määritelmä vaihtelee lähteestä ja ajankohdasta riippuen. Tähän tutkielmaan edistyneeksi data-analytiikaksi rajautuivat tieteellisten artikkeleiden perusteella big data, tekoäly, lohkoketjuteknologia, ohjelmistorobotiikka, prosessilouhinta, koneoppiminen ja syväoppiminen. Tutkielmassa tutkitaan näiden menetelmien ominaisuuksia ja toimintaa sekä niiden vaikutusta tilintarkastukseen. Lisäksi tutkielmassa tutkitaan kolmea yleistä tapaa uusien toimintamallien omaksumiseen tilintarkastuksen näkökulmasta. Tutkittaviksi kohteiksi rajautuivat tieteellisten artikkeleiden perusteella TOE-viitekehys, DOI-teoria sekä Kriegerin ja muiden (2021) esittämä omaksumisprosessi. Tutkielma toteutettiin laadullisena tutkimuksena ja aineisto kerättiin puolistrukturoituina teemahaastatteluina. Haastateltaviksi valikoitui seitsemän maailmanlaajuisesti viiden suurimman tilintarkastusyhteisön edustajaa, jotka työskentelevät edustamassaan yhteisössä digitalisaatioon keskittyvissä tehtävissä. Tutkimusalueen rajauksessa hyödynnettiin teemahaastattelua, ja puolistrukturoidun haastattelun avulla saatiin vertailtavia tuloksia. Aineiston analyysi suoritettiin systemaattisesti pyrkien hahmottamaan tutkittavat ilmiöt kokonaisuutena ja vastaamaan tutkimuskysymyksiin. Ensimmäiseksi tutkielmassa selvitettiin edistyneen data-analytiikan hyödyntämistä tilintarkastuksessa tällä hetkellä. Toisena selvitettiin edistyneen data-analytiikan vaikutuksia tilintarkastukseen ja kolmantena tutkittiin edistyneen data-analytiikan omaksumista osaksi yhteisöjen käytäntöjä. Tämän tutkielman tulosten perusteella yleisimmin tilintarkastuksessa käytetyt edistyneen data-analytiikan menetelmät pohjautuvat big dataan ja ohjelmistorobotiikkaan. Muut tutkielman tulosten perusteella käytetyt menetelmät pohjautuvat koneoppimiseen ja tekoälyyn. Tulosten perusteella edistyneen data-analytiikan vaikutukset ovat merkittävimmät suunnittelu- ja toteutusvaiheessa, mutta päätösvaiheen vaikutukset ovat melko vähäisiä. Edistynyt data-analytiikka nopeuttaa ja tehostaa tilintarkastusta sekä parantaa sen laatua. Tarkasteltaessa tuloksia TOE-viitekehyksessä havaitaan teknologian omaksumista hidastavien tekijöiden kohdistuvan teknologisiin ja ympäristötekijöihin. DOI-teorian tarkastelu osoittaa, että haastateltavat kokevat edistyneen data-analytiikan menetelmien olevan perinteisempiä data-analytiikkaan pohjautuvia toimia tehokkaampia ja laadukkaampia. Tilintarkastusyhteisöt pyrkivät edistämään uusien teknologioiden ja menetelmien yhteensopivuutta, testattavuutta ja havaittavuutta sekä vähentämään niiden monimutkaisuutta. Kriegerin ja muiden esittämä edistyneen data-analytiikan omaksumisprosessi on pääosin havaittavissa haastateltavien edustamien yhteisöjen toiminnassa. Mallin avulla yhteisöt voivat kehittää edistyneen data-analytiikan omaksumisprosessejaan.