Daha yaxşı görə bilmək üçün...
İnsan gözünün görə bilmədiyi varlıqları və cisimləri görə bilmək üçün böyüdücü şüşələrə, mikroskoplara, teleskoplara ehtiyac var. Bu alətlər bizə daha kiçik və daha uzaqda olanları daha yaxşı görə bilməyə kömək edir. Eyni ilə Data Analitikası alətləri kimi. Çünki onlar da bizə datanı dərindən və daha detallı görə bilməyə kömək edir.
Texnologiyanın inkişafı və informasiya mənbələrinin sürətlə artması gündəlik həyatımızı dəyişdirdiyi kimi, ənənəvi peşə sahələrinin də iş prinsipinə təsirsiz ötüşmür. Hazırda bir çox sahələrdə insanların gördüyü işləri müxtəlif cihazlar vasitəsilə daha tez və səmərəli şəkildə etmək mümkündür.. Məsələn, avtomat maşınların tədricən insanları əvəz etməsi kimi. 1880-ci ildə ilk dəfə belə bir cihaz İngiltərədə istehsal olunub və bu cihazlar gün keçdikcə öz imkanlarını genişləndirərək satış təmsilçilərinin edəcəyi bütün işləri müstəqil yerinə yetirə bilir.
Bu hal kompüter texnologiyaları üçün də doğrudur. Əvvəllər sadə hesablamalar üçün istifadə olunan cihazlar indi daha mürəkkəb funksiyaların öhdəsindən gəlməklə qalmır, hətta verilmiş datanı vizuallaşdırır, ona əsasən modellər qurur və hətta trendi izləyərək proqnoz verə bilir.
İnformasiya texnologiyaların bu qədər təkmilləşdiyi dövrdə işimiz həm asanlaşır, həm də mürəkkəbləşir. Yəni əslində texnologiyalar insan əməyinin dəyərini azaltmır, onun istiqamətini dəyişdirir. Bu da daha fərqli bacarıqların üzərində işləməyi tələb edir. İndi sürətli hesablamadan daha çox sürətli düşünüb nəticə çıxara bilmək və problemi müəyyən etmək və həll yolları fikirləşmək lazım gəlir. Böyük həcmli datayla işləmək üçün isə gərək Data Science - Data elminə yiyələnək.
Data Science marketinqdən tutmuş, maliyyəyə qədər bir şirkətin daxilində ağlınıza gələ biləcək bütün departamentlərdə tətbiq edilir. Artıq bazar araşdırmaları, şirkətin büdcə təşkili, işçilərin məhsuldarlıq göstəricilərinin ölçülməsi prosesi Data analitikası vasitəsilə aparılır.
Hazırda bir çox böyük şirkətlər bu şirkət daxilində proseslərin daha səmərəli aparılması üçün bu sahəyə yatırım edir. Son illərdə yerli şirkətlərdə də bu trend müşahidə olunmağa başlayır.
Yuxarıda adını çəkdiyimiz sahələrdə "Data Science"-ın istifadəsi ilə bağlı məlumatlara, çox güman ki, rast gəlmisiniz. Bu gün isə biz sizə Data analitikasının digərlərində bir az daha fərqli olan audit sahəsində tətbiqindən danışacağıq. İqtisadiyyatın genişləndiyi və ticarət həcminin böyüdüyü bir mühitdə auditorların rolu da getdikcə artır. Müasir dövrdə iqtisadi proseslərin düzgünlüyü və məlumatların etibarlılığını yoxlamaq həm daha vacib, həm də daha çətindir.
Audit nədir?
Bilməyənlər üçün qeyd edək ki, audit müəssisənin məlumatlarının doğrululuğunun, iş proseslərinin səmərəliliyinin və ümumilikdə fəaliyyətinin dələduzluq, qanun pozuntusu, istehsal və ya ticarət prosesində potensial risklərin aşkar olunması məqsədi ilə yoxlanılmasıdır. Nəticə əsasında qiymətləndirmə aparılır, verilmiş məlumatların doğruluğu təsdiqlənir, yalnışlıq varsa, səbəb araşdırılır, fəaliyyətin səmərəliliyini artırmaq və riskləri azaltmaq üçün yeni həll yolları təklif olunur.
Audit öz növbəsində iki hissəyə ayrılır: daxili və xarici audit.
Xarici auditorun iş prinsipi maliyyə hesabatlarının doğruluğunu və dəqiqliyini yoxlamaqdan və bu hesabatlar standartlara cavab verdiyi halda onları təsdiqləməkdən ibarətdir. Daxili auditorlar isə daha çox şirkətin öz hədəfləri üçün necə effektiv və səmərəli çalışdıqlarını, həmçinin iş prosesi zamanı yarana biləcək potensial riskləri, itkiləri müəyyənləşdirərək, onların baş vermə ehtimalını və zərərin həcmini qiymətləndirirlər. Hər iki audit prosesi də şirkətin mövcud datasına əsaslanır. Ənənəvi audit prosesində məlumatın çoxluğundan dolayı bütün verilənləri analiz etmək mümkün deyil. Bu səbəbdən də verilənlərin içindən təsadüfü nümunələr götürmək lazım gəlir. Bu da əminlik dərəcəsini müəyyən qədər azaldır. Data analitikası isə bizə müxtəlif alətlər vasitəsilə riski yaxud da, fırıldaqçılıq hallarını daha dəqiq müəyyən etməyə imkan verir.
Bir çox şirkətlər audit proseslərinin aparılması üçün öz təcrübələrində SAP, SQL, Oracle kimi proqramlardan geniş istifadə edirlər.
Audit xidmətləri göstərən Dünyada məşhur Big4 - Böyük Dörtlük qrupuna daxil olan şirkətlər isə öz şirkətlərinə məxsus xüsusi alətlərə üstünlük verirlər. Buna nümunə olaraq EY -"Ernst&Young" şirkətinin istifadə etdiyi "EY Helix"-i misal göstərmək olar. "EY Helix" 2009-cu ildən yaradılmağa başlayan və 2016-cı ilə qədər uzun inkişaf yolu keçən ProcessGold proqramı əsasında sırf "Ernst&Young" şirkətini üçün hazırlanıb. Üstünlüyü istənilən ölçüdə datanı analiz edə bilməsi və Dünyanın hər yerində şirkət əməkdaşları üçün əlçatan olmasıdır. "EY Helix" datada digərlərindən daha çox fərqlənən elementləri tapıb çıxarır, problematik görünən nöqtələri təyin edir və auditorlara qısa zamanda riskin daha böyük olduğu hissələrə fokuslanmaqda kömək edir. Proqramın adı, zənnimcə, şəkildə gördüyünüz göz formalı "Helix Nebula" buludundan (onu bəzən "Tanrının Gözü" də adlandırırlar) götürülmüşdür. Məncə, audit prosesi üçün nəzərdə tutulmuş bir analitika proqramı üçün kifayət qədər uğurlu ad seçimidir.
Data analitikasından istifadə bizə bir çox geniş imkanlar yaradır:
Ədədlərin gözümüzü yorduğu hesabatlar və ya yazılı məlumatları artıq dashboardlar və qrafiklərlə əvəz etmək mümkündür. Bu isə bizə ilk baxışdan əsas nüansları görə bilməkdə və daha doğru proqnozlar verə bilməkdə, eyni zamanda daha uyğun və effektiv həll yolları tapa bilməkdə kömək edir.
Data analitikası alətləri riskləri daha tez zamanda tapır və auditor bütün datanı araşdırmaq yerinə risklərə fokuslanaraq vaxtına qənaət etmiş olur.
Ənənəvi üsullarla sadəcə datanın təsadüfü seçilmiş müəyyən hissəsini analiz edə bildiyimiz halda, data analitikası alətləri vasitəsilə 100% datanı analiz etmək və problemləri üzə çıxarmaq mümkündür.
Hesabatlardakı yanlış məlumatlar daha tez və dəqiq şəkildə tapılır.
Analitika alətləri auditora müştəriyə durumu daha fərqli perspektivdən izah etməyə imkan verir ki, bu da əlavə dəyər yaradır.
Data elminin audit sahəsindəki töhfələri ilə yanaşı yaratdığı çətinliklər də mövcuddur:
Belə ki, audit proseslərini tənzimləyən beynəlxalq standartlar illər öncə yazılmış olduğu üçün datanın istifadəsini əhatə etmir. Həmin dövrdə "Big Data" və analitika alətləri bu qədər geniş yayılmadığına görə onlar vasitəsilə əldə edilən nəticələr də audit sübutu üçün mənbə hesab olunmurdu. Praktika və nəzəriyyə arasındaki bu cür fərqlər auditorlar üçün qeyri-müəyyənlik yaradır.
Əvvəllər işçilərdən daha çox mürəkkəb hesablamalar tələb olunurdusa, indi hesablanmış nəticələri doğru şəkildə şərh etmək, problemdən əlavə onun səbəblərini müəyyən etmək, həll yolları tapmaq və uzaqgörən davranmaq tələb olunur. Data analitikasının tətbiqi müştərilərin şirkətlərdən şirkətlərin də işçilərindən olan gözləntilərini yuxarı qaldırır.
Data analitikası alətləri ilə işləmək üçün şirkətin datasını əldə etmək lazım gəlir ki, bəzi şirkətlər bu cür məlumatları konfidensial hesab edir və paylaşmaqdan çəkinir. Bu səbəbdən də gecikmələr yaranır.
Bununla yanaşı audit şirkətləri tərəfindən istifadə olunan alətləri bəzən müxtəlif maliyyə sistemlərini və bir şirkət daxilində mövcud bir neçə sistemi ilə eyni anda işləməkdə çətinlik çəkir. Data hər zaman arzuolunan formada olmur. Bəzən təqdim olunan sənədlərin formatı şirkətlərinin tətbiq etdiyi metodlar və alətlərlə uyğunlaşmır və ya lazım olan bütün sənədlər kompüterləşdirilmiş formada təqdim olunmur.
Yuxarıda bəhs etdiyimiz problemlər ilk baxışdan çətin görünə bilər, ancaq unutmamaq lazımdır ki, "Data Science"in bizim üçün yaratdığı imkanlar bu çətinliklərdən daha çoxdur. Qeyd olunan problemlərin öhdəsindən isə bu sahə üzrə bilik və səriştəni artırmaqla, müxtəlif sektorlarda və müəssisələrdə bu sahəni genişləndirmək və datadan istifadə mədəniyyəti yaratmaqla, həmçinin proqramları təkmilləşdirməklə gəlmək mümkündür.
Data analitikası alətləri işimizi sadələşdirsə də, insan faktorunun iş prosesindəki rolunu azaltmır. Artıq bir çox hesablamaların aparılması, vizual modellərin qurulması, proqnozların verilməsi kimi işlər proqramlar vasitəsilə həyata keçirilsə də, əldə olunan nəticələrin doğru şəkildə şərh edilməsi və təqdim olunması biz insanların üzərinə düşür. Belə bir söz var rəqəmlər çox şey deyir, yetər ki, biz onları oxuya bilək. Data biz ondan doğru istifadə etdiyimiz təqdirdə dəyər yaradır. Yeni imkanlar bizdən yeni bacarıqlar tələb edir. İnsan əməyinin dəyəri isə olduğu kimi qalır. Şəxsən mən sentimental və emosional düşüncənin tələb olunduğu məqamlarda insan amilinin gücünə inanıram. Bununla bərabər Data Science-ə də ehtiyac var: Dünyanı daha yaxşı görə bilmək üçün...
İstinadlar:
Comentários