数据是一个强大的东西. 因此, 数据分析在当今审计行业中所扮演的角色再怎么强调都不为过, 特别是考虑到不同行业的数字化转型. 审计人员现在拥有丰富的数据集和分析技术，能够将审计见解推向前所未有的新领域, “数据驱动”的见解. 与此形成鲜明对比的是, 一些审计师主要依靠专业知识, 具有执行审计业务的经验和务实精神, 处理他们遇到的任何数据，以回应他们的看法和判断, 又名“data-informed.”
无论是数据驱动还是数据知情，都没有对错之分. 完全了解数据可以作为不做所有艰苦的数据提取工作的借口. 然而, 数据驱动型审计人员也可能会过度分析与审计利益相关的所有内容, 没有退后一步，在人类判断的指导下看大局.
审计人员应该在上述两个极端之间寻求平衡. 事实上, 在充分发挥数据分析的潜力时，审计人员应该注意并避免一些常见的陷阱, 包括:
只关注已知的未知
规划审计业务时, 审计人员可能很容易根据过去的理解和手头的其他可用信息列出风险和关注点. 从这里开始, 然后，审计员建立一系列分析程序和指标，以符合或反驳审计员的怀疑. 这是一种“发现已知的未知”的方法，无疑是开发审计分析程序的基础. 然而, 仅仅依靠这种方法的审计人员可能会错过他们的秘密武器——“发现未知的未知”, 发现审计人员一开始没有注意到的风险或异常.
但说起来容易做起来难. 在完成审计计划之前, 审计人员可以对与审计范围相关的任何可访问的关键业务指标和数据集进行探索性分析. 希望, 这将使事实/数字与审核员的假设保持一致，并创造机会，根据更相关的考虑因素对审计计划进行微调.
假设数据是干净整洁的
垃圾进，垃圾出. 任何分析都只与输入其中的数据一样好. 审计人员通常必须以不同的形式和模式编译来自不同来源的数据，因此要承受额外的数据质量风险, 两者都是由来源的错误数据和数据编制过程中的错误/遗漏引起的. 在没有任何质量检查的情况下直接对这些数据进行分析，可能会产生误导性的审计结果, 最终危及审计部门的声誉.
无论分析可能产生的结果多么令人信服, 在分析过程中，清理传入数据会消耗大量工作负载. 但是数据清理的过程也可以使审计人员受益，因为无效的数据集, 一旦确定了, 可能揭示进一步调查的重要模式. 俗话说，“细节决定成败”.”
混合相关性和因果关系
有合适的数据和算法支持, 审计人员应该从数据中识别出一些模式或异常，这些模式或异常可能会欺骗审计人员，使他们相信自己找到了一个可以追查的审计发现的“矿山”. 好吧, 这可能是一个好迹象, 但审计人员也应该记住，这些线索只是潜在问题的相关性，可能不是真相, 至少不是全部的真相, 证明审计发现的合理性.
在这种情况下，一个谨慎的审计员在采取进一步行动之前会考虑两个基本问题:
- 有没有其他线索能提供相反的观点?
- 数据中没有收集到什么.e.，是否存在数据收集偏差?
数据报告:信息过载
当完成分析报告时, 对于审计师来说，想要向听众展示(例如.g., 从分析中得到的一切，作为所有辛勤工作和过程稳健性的证据. 这是一个可以理解的错误, 但这样做实际上迫使听众重复审计师为得出论点所经历的不知疲倦的过程. 相反，审计人员在进行审计之前应该问自己三个问题:
- 谁:你在和谁沟通?
- 什么:你想让你的听众知道什么或澳门赌场官方软件?
- 如何:你如何使用数据来证明你的观点?
话虽如此, 当涉及到利用数据分析时，审计人员能够取得适当平衡的唯一方法是通过实践并有意识地努力避免这些常见错误. 通过避开上述陷阱, 数据分析可以成为您成为更有价值的审核员的不可或缺的指南.
