Tiểu Luận Dữ Liệu Lớn Trong Kinh Tế Và Kinh Doanh Tìm Hiểu Về Big Data Và Ứng Dụng Trong Lĩnh Vực Kế Toán – Kiểm Toán.pdf

Hà Nội, ngày 29 tháng 2 năm 2024

MỤC LỤC

MỤC LỤC 2

LỜI CẢM ƠN 4

LỜI MỞ ĐẦU 5

1 Tính cấp thiết của đề tài 5

2 Tình hình nghiên cứu liên quan đến tiểu luận 5

3 Mục đích, nhiệm vụ của tiểu luận 6

4 Đối tượng và phạm vi nghiên cứu của tiểu luận 6

5 Kết cấu của đề tài 6

CHƯƠNG I TỔNG QUAN VỀ BIG DATA 8

1.1 Khái niệm, nguồn hình thành và đặc trưng của Big Data 8

1.1.1.Khái niệm về dữ liệu lớn 8

1.1.2.Nguồn hình thành và phương pháp khai thác, quản lý dữ liệu lớn 8

1.1.3.Đặc trưng cơ bản của Dữ liệu lớn (mô hình 5V) 9

1.1.4.Sự khác biệt của dữ liệu lớn và dữ liệu truyền thống 11

1.2 Bức tranh tổng thể về ứng dụng của dữ liệu lớn 11

2.1 Ứng dụng của Big Data trong việc nâng cao tính giá trị của dữ liệu 15

2.2 Ứng dụng của Big Data trong việc phát hiện và ngăn chặn các hành vi gian lận, vi phạm pháp luật 16

2.3 Ứng dụng của Big Data trong việc kiểm soát rủi ro và minh bạch trong báo cáo tài chính 17

2.4 Ứng dụng của Big Data trong việc đưa ra quyết định và nâng cao mức độ

LỜI CẢM ƠN

Lời đầu tiên, chúng em xin được gửi lời cảm ơn chân thành nhất đến thầy Đặng XuânThọ – giảng viên cơ hữu Khoa Kinh tế số, người trực tiếp giảng dạy chúng em môn Dữliệu lớn trong Kinh tế và Kinh doanh lớp số 04 giai đoạn 1 học kì 2 năm học 2023 - 2024.Trong quá trình học tập và tìm hiểu môn Dữ liệu lớn trong Kinh tế và Kinh doanh, chúngem đã nhận được rất nhiều sự quan tâm, giúp đỡ, hướng dẫn tâm huyết và tận tình củathầy Thầy đã giúp chúng em tích lũy thêm nhiều kiến thức về môn học này để có thểhoàn thành được bài tiểu luận về đề tài: Tìm hiểu về Big Data và ứng dụng trong lĩnh vựcKế toán – Kiểm toán Thông qua việc tìm hiểu, nghiên cứu đề tài của nhóm, chúng em đãrút ra được nhiều bài học, kiến thức gắn liền với bộ môn.

Tuy nhiên, trong bài chắc chắn sẽ không tránh khỏi được những thiếu sót, chúng em kínhmong nhận được sự nhận xét, ý kiến phê bình từ phía thầy để bài tiểu luận được hoànthiện hơn.

Chúng em xin chân thành cảm ơn!

LỜI MỞ ĐẦU

1 Tính cấp thiết của đề tài

Dữ liệu lớn (Big Data) và phân tích dữ liệu (Data Analytics) là chủ đề được nhắcnhiều trong các lĩnh vực hiện nay và nó có ý nghĩa ngày càng quan trọng đối với lĩnh vựckinh tế nói chung và lĩnh vực kế toán nói riêng Ngày nay, Kế toán - Kiểm toán không chỉlà người cung cấp thông tin thông thường nữa mà họ còn tham gia vào quy trình chiếnlược, với thời đại dữ liệu lớn, bản chất của Kế toán - Kiểm toán và báo cáo tài chínhkhông thay đổi nhưng các phương pháp truyền thống như ghi nhận, tập hợp và phân tíchthông tin kế toán thay đổi Công nghệ mới sẽ giúp cho công việc Kế toán nhẹ nhàng hơn,có tiềm năng cải thiện đáng kể việc ra quyết định và lợi nhuận cho các doanh nghiệp trêntoàn thế giới Cụ thể, sự ưu việt của Big Data sẽ được phản ánh qua cách tích lũy và ghinhận dữ liệu, cách sử dụng dữ liệu để đạt được các mục tiêu của tổ chức, cách xử lý vàtập hợp các nghiệp vụ kinh tế phát sinh để lập báo cáo tài chính Thông qua việc phântích dữ liệu lớn, các doanh nghiệp cuối cùng có thể cải thiện việc quản lý rủi ro và tuânthủ để đạt được lợi thế cạnh tranh trên thị trường ngày nay

Xuất phát từ thực tế, chúng em quyết định lựa chọn đề tài: “Tìm hiểu về Big Datavà ứng dụng trong lĩnh vực Kế toán - Kiểm toán”

2 Tình hình nghiên cứu liên quan đến tiểu luận

Đã có nhiều bài báo, công trình nghiên cứu đề cập đến vấn đề này nhưng ở nhữnggóc độ và mức độ khác nhau Ở mức độ khái quát, có thể kể đến một số công trình nghiêncứu tiêu biểu sau đây có liên quan đến lĩnh vực nghiên cứu của đề tài :

 Hội kế toán TP Hồ Chí Minh : “Ảnh hưởng của dữ liệu lớn và phân tích dữliệu đến Kiểm toán”

 Tạp chí Kiểm toán số 44/2019: “Kiểm toán dữ liệu lớn - đặc điểm và xuhướng” - Nguyễn Huy Hoàng.

 Tạp chí Kiểm toán số 44/2021: “Ứng dụng dữ liệu lớn trong hoạt độngkiểm toán các tổ chức tài chính - yêu cầu cấp thiết” - Nguyễn Lộc.

 The CPA Journal, June 2017 Issue, “Big Data in Business Analytics:Implications for the Audit Profession” - Jiali (Jenna) Tang, Khondkar E Karim

 “How big data and analytics are transforming the audit” - EY “Big Data and Data Analytics: The Future of Audit” - BDO Malaysia

Có thể cho rằng, những công trình nghiên cứu kể trên tuy không trực tiếp giảiquyết vấn đề đặt ra của đề tài nhưng chắc chắn sẽ là nguồn tài liệu tham khảo rất hữu íchđể từ đó nhóm em kế thừa và phát triển nhằm giải quyết tốt các vấn đề đặt ra của đề tàinghiên cứu.

3 Mục đích, nhiệm vụ của tiểu luận.

- Mục đích : Tìm hiểu về Big Data và ứng dụng trong lĩnh vực Kế toán- Kiểm toán- Nhiệm vụ :

 Phân tích, tìm hiểu về định nghĩa cơ bản của Big Data ,các đặc trưng cơ bảncủa Big Data và ứng dung của Big Data trong các lĩnh vực chung của đời sống

 Tìm hiểu ứng dụng của Big Data trong lĩnh vực Kế toán-Kiểm toán Thực trạng ứng dụng của Big Data trong lĩnh vực Kế toán - Kiểm toán tại Việt Nam.

 Đề xuất một số giải pháp giúp nâng cao hiệu suất của việc ứng dụng Big Data trong Kế toán - Kiểm toán

4 Đối tượng và phạm vi nghiên cứu của tiểu luận

- Đối tượng: Big Data trong Kế toán -Kiểm toán

- Phạm vi: Đề tài tập trung nghiên cứu về cách sử dụng dữ liệu lớn để phân tíchbáo cáo tài chính, hóa đơn, và các dữ liệu tài chính khác để đưa ra những thông tin chiếnlược và quyết định kinh doanh,để tối ưu hóa quy trình kế toán, bao gồm quy trình thanhtoán, quản lý hàng tồn kho, và các quy trình khác liên quan đến kế toán quản trị Đồngthời, đề tài cũng tập trung nghiên cứu cách đảm bảo bảo mật và quyền riêng tư của dữliệu trong quy trình sử dụng Big Data trong lĩnh vực kế toán.

5 Kết cấu của đề tài

Với đề tài tiểu luận: “ Tìm hiểu về Big Data và ứng dụng trong lĩnh vực Kế toán Kiểm toán” ngoài phần mở đầu, kết luận, các bảng và danh mục tài liệu tham khảo, luậnvăn được trình bày như sau:

-Chương 1: Tổng quan về Big Data

Chương 2: Ứng dụng của Big Data trong lĩnh vực Kế toán - Kiểm toán

Chương 3: Thực trạng ứng dụng của Big Data trong Kế toán - Kiểm toán tại ViệtNam

CHƯƠNG I TỔNG QUAN VỀ BIG DATA

1.1.Khái niệm, nguồn hình thành và đặc trưng của Big Data

1.1.1 Khái niệm về dữ liệu lớn1.1.1.1 Khái niệm dữ liệu

Theo Wikipedia: Dữ liệu là chuỗi bất kỳ của một hoặc nhiều ký tự có ý nghĩathông qua việc giải thích một hành động cụ thể nào.

Giáo trình “Dữ liệu lớn trong kinh tế và kinh doanh” – PGS, TS Trần TrọngNguyên và TS Đàm Thanh Tú (Học viện Chính sách và Phát triển) định nghĩa: “Dữ liệucó thể là văn bản hoặc số được viết trên giấy tờ, hoặc nó có thể là byte và bit bên trong bộnhớ của các biến điện tử, hoặc nó có thể là các dữ kiện được lưu trữ bên trong tâm trí conngười.” Hoặc theo một cách hiểu khác: “Dữ liệu biểu diễn số lượng, tính chất hoặc kýhiệu hoạt động được máy tính lưu trữ trên ổ cứng từ, đĩa quang và được truyền đi dưới tínhiệu điện”.

Theo khoản 5, điều 4 Luật Giao dịch điện tử: “Dữ liệu là thông tin dưới dạng kýhiệu, chữ viết, chữ số, hình ảnh, âm thanh hoặc dạng tương tự.”

1.1.1.2.Khái niệm dữ liệu lớn

Theo Wikipedia: Dữ liệu lớn (Big Data) là một thuật ngữ chỉ bộ dữ liệu lớn hoặcphức tạp mà các phương pháp truyền thống không đủ các ứng dụng để xử lý dữ liệu này.

Forrester định nghĩa: “ Dữ liệu lớn là giới hạn cho khả năng của một công tytrong việc lưu trữ, xử lý và truy cập tất cả dữ liệu cần thiết để hoạt động hiệu quả, đưa raquyết định, giảm thiểu rủi ro và phục vụ khách hàng”.

Dữ liệu lớn được đặc tả đúng nhất và được nhiều nguồn trích dẫn nhất là củaGartner, một công ty nghiên cứu và tư vấn công nghệ thông tin hàng đầu có trụ sở tại HoaKỳ đưa ra năm 2012: “ Dữ liệu lớn là tài sản thông tin, mà các thông tin này có dunglượng lớn, tốc độ cao và/ hoặc đa dạng chủng loại, do đó cần có các phương thức xử lýmới để cho phép nâng cao khả năng ra quyết định, khám phá được những yếu tố ẩn sâutrong dữ liệu và tối ưu hoá được quá trình xử lý”.

1.1.2 Nguồn hình thành và phương pháp khai thác, quản lý dữ liệu lớn

* Dữ liệu lớn được hình thành từ 5 nguồn chủ yếu:

- Dữ liệu hành chính (được phát sinh từ các hoạt động của một tổ chức, có thể làchính phủ hoặc phi chính phủ)

VD: Dữ liệu về dân cư, hồ sơ bảo hiểm, hồ sơ y tế điện tử

- Dữ liệu phát sinh từ các nền tảng mạng xã hội như Facebook, Instagram,Youtube, X, WhatsApp, Telegram

VD: Facebook có 3,03 tỷ người dùng hàng tháng (2023), mỗi ngày cókhoảng 300 triệu bức ảnh được tải lên, 510000 lượt bình luận mỗi phút

- Dữ liệu từ hoạt động giao dịch trên Internet (phát sinh giao dịch giữa các thựcthể)

VD: Các giao dịch thẻ tín dụng, giao dịch mua sắm trên các trang thươngmại điện tử, giao dịch thanh toán từ thiết bị di động, lượt tìm kiếm trên Google,lượt gửi email

- Dữ liệu từ các thiết bị cảm biến IOT

VD: Các hình ảnh vệ tinh, hệ thống camera giao thông, cảm biến khí hậu,các cảm biến về nông nghiệp

- Dữ liệu từ các hoạt động nghiên cứu khoa học

VD: Các nghiên cứu điều chế vaccine, các nghiên cứu về vũ trụ, các chòmsao

* Phương pháp khai thác và quản lý dữ liệu lớn

Phương pháp khai thác và quản lý dữ liệu lớn hiện nay được thiết kế phù hợp dựatheo các nguồn hình thành dữ liệu lớn Mỗi nguồn dữ liệu lớn khác nhau sẽ có phươngpháp khai thác và quản lý dữ liệu lớn khác nhau Tuy nhiên, hiện nay phần lớn các tổchức trên thế giới đều dùng Hadoop ecosystem là giải pháp tối ưu để khai thác và quản lýdữ liệu lớn.1

1.1.3 Đặc trưng cơ bản của Dữ liệu lớn (mô hình 5V)

Năm 2014, Gartner đã công bố mô hình “5V”- năm tính chất quan trọng của dữliệu lớn.

1 Nguyễn Công Hoan (2015) Tổng quan về Dữ liệu lớn (Big Data), Kỷ yếu hội thảo Khoa học “Thống kê Nhà nước với Dữ liệu lớn”.

1.1.3.1.Kích thước (Volume)

Kích thước lớn là đặc trưng tiêu biểu nhất của Dữ liệu lớn Kích cỡ của Big Datacó thể lên đến vài chục Terabyte cho đến nhiều Petabyte (1 petabyte=1024 terabyte),thậm chí là Zettebyte chỉ cho một tập dữ liệu.

Trong mỗi giây, một người tạo ra 1,7MB (2020) Chỉ trong hơn hai năm 2018, người dùng đã tạo ra 2,5 tỷ tỷ bytes, chiếm đến 90% lượng dữ liệu trên thế giới.

2016-Việc tăng trưởng quá nhanh khiến cho dữ liệu trở nên quá lớn để lưu trữ và xử lýtheo công nghệ CSDL truyền thống.Nhưng với dữ liệu lớn, chúng ta sử dụng công nghệđiện toán đám mây (cloud computing) để lưu trữ và sử dụng những tập dữ liệu khổng lồtại các trung tâm dữ liệu (data center).

1.1.3.2.Tốc độ (Velocity)

Tốc độ dữ liệu mới được tạo ra và tốc độ xử lý dữ liệu tính bằng giây Dữ liệu pháttriển nhanh một cách thần kỳ Năm 2016, lượng truy cập toàn cầu là 6,2 exabytes/tháng,tuy nhiên con số đã lên đến 40000 exabytes/tháng vào năm 2020.

Công nghệ dữ liệu lớn cho phép chúng ta xử lý dữ liệu ngay khi chúng được tạo rachứ không cần lưu trữ ở các CSDL Dữ liệu lớn được xử lý ngay khi chúng được tạo ratrong thời gian thực (real time) tính bằng mili giây.

1.1.3.3.Đa dạng (Variety)

Đây là đặc trưng thứ ba của “Big Data” Trong quá khứ, chúng ta tập trung chủyếu vào các dữ liệu có cấu trúc được lưu trữ trong các CSDL quan hệ Thực tế, có 80%dữ liệu trên thế giới hiện nay là dạng phi cấu trúc (hình ảnh, video, các thông điệp mạngxã hội, các file dữ liệu ).

Với công nghệ Big Data, chúng ta có thể lưu các dữ liệu phi cấu trúc cùng với cácdữ liệu có cấu trúc truyền thống.

1.1.3.4.Độ tin cậy (Veracity)

Đây là tính chất phức tạp nhất của “Big Data” vì khối lượng dữ liệu lớn thường đikèm với việc thiếu chính xác và chất lượng của dữ liệu.

Tính xác thực là một đặc tính của Big Data liên quan đến tính nhất quán, độ chínhxác chất lượng hay độ tin cậy của dữ liệu Nó đề cập đến sự sai lệch, bất thường, nhiễu,bất thường trong dữ liệu hay dữ liệu không đầy đủ, sự hiện diện của lỗi và giá trị ngoại lệ.

1.1.3.5.Giá trị (Value)

Giá trị là đặc trưng cơ bản nhất của “Big Data” vì nó đề cập đến giá trị mà “BigData” có thể cung cấp và nó liên quan trực tiếp đến những gì tổ chức có thể làm với dữliệu được thu thập đó Việc tiếp cận được dữ liệu lớn sẽ không mang lại gì nếu chúng takhông chuyển được chúng thành những thứ có giá trị vì giá trị của dữ liệu lớn tăng lênđáng kể tùy thuộc vào những hiểu biết sâu sắc có thể thu được từ chúng.

1.1.4 Sự khác biệt của dữ liệu lớn và dữ liệu truyền thống

Độ chính xác Độ chính xác thấp hơn

Độ chính xác cao hơn vì nguồnlấy dữ liệu không có sự tác

động của con người

1.2.Bức tranh tổng thể về ứng dụng của dữ liệu lớn

Dữ liệu lớn đang tạo ra một cuộc cách mạng trong nhiều lĩnh vực, và chính trị vàgiao thông cũng không ngoại lệ Nó mang đến những công cụ mạnh mẽ giúp chính phủvà các tổ chức đưa ra quyết định sáng suốt hơn, cung cấp dịch vụ tốt hơn và nâng caochất lượng cuộc sống cho người dân.

1.2.1 Chính trị

Chiến dịch tranh cử: Dữ liệu lớn giúp các chiến dịch thu thập thông tin chi tiết vềcử tri, từ sở thích, thói quen đến quan điểm chính trị Nhờ đó, họ có thể dự đoán xuhướng bầu cử và lập kế hoạch vận động hiệu quả hơn Ví dụ điển hình là chiến dịch tranh

cử thành công của Tổng thống Obama, sử dụng dữ liệu lớn để phân tích thông tin cử trivà tái đắc cử nhiệm kỳ thứ hai.

Chính phủ điện tử: Dữ liệu lớn giúp xây dựng hệ thống chính phủ điện tử, cungcấp dịch vụ công trực tuyến cho người dân Hệ thống này giúp nâng cao hiệu quả vàminh bạch của chính phủ, đồng thời tăng cường sự tương tác giữa chính phủ và ngườidân.

Quản lý và tuân thủ: Dữ liệu lớn giúp phân tích quy định, đảm bảo tuân thủ luậtpháp, giảm thiểu tham nhũng và nâng cao hiệu quả quản lý Nó cũng được sử dụng đểphát hiện gian lận, mối đe dọa và an ninh mạng, bảo vệ an ninh quốc gia, đảm bảo antoàn cho người dân và duy trì sự ổn định xã hội.

1.2.2 Giao thông

Giảm ùn tắc giao thông: Dữ liệu lớn giúp ước lượng và dự đoán lưu lượng giaothông, giúp giảm thiểu tình trạng ùn tắc giao thông và lập kế hoạch phát triển hạ tầnggiao thông hiệu quả Ví dụ, nhiều thành phố sử dụng dữ liệu lớn để ước lượng lưu lượnggiao thông và lập kế hoạch phân luồng, giúp giảm thiểu tình trạng ùn tắc giao thông.

Phát triển giao thông thông minh: Dữ liệu lớn được sử dụng để phân tích định vịngười dùng thiết bị di động, theo dõi và giám sát tình trạng giao thông, cung cấp dịch vụđịnh vị và dẫn đường, đồng thời phát triển các ứng dụng giao thông thông minh.

Cải thiện hệ thống giao thông công cộng: Dữ liệu lớn giúp ghi nhận chi tiết cuộcgọi trong thời gian thực, phân tích nhu cầu đi lại của người dân, cải thiện hệ thống giaothông công cộng và đảm bảo an toàn giao thông.

1.2.3 Y tế

Chẩn đoán bệnh: Dữ liệu lớn giúp phân tích dữ liệu y tế, hình ảnh y tế và dữ liệudi truyền để chẩn đoán bệnh chính xác hơn, phát hiện sớm bệnh tật và đưa ra phươngpháp điều trị phù hợp Ví dụ: IBM Watson sử dụng dữ liệu lớn để hỗ trợ chẩn đoán ungthư.

Phát triển thuốc mới: Dữ liệu lớn giúp xác định các mục tiêu thuốc mới, đẩy nhanhquá trình phát triển thuốc và thử nghiệm lâm sàng Ví dụ: Pfizer sử dụng dữ liệu lớn đểphát triển thuốc điều trị ung thư.

Quản lý hồ sơ bệnh án: Dữ liệu lớn giúp lưu trữ, truy cập và phân tích hồ sơ bệnhán hiệu quả, giúp bác sĩ đưa ra quyết định điều trị tốt hơn Ví dụ: Epic Systems sử dụngdữ liệu lớn để quản lý hồ sơ bệnh án điện tử.

Nghiên cứu y học: Dữ liệu lớn giúp các nhà nghiên cứu y học phân tích dữ liệu ytế và di truyền để tìm hiểu nguyên nhân và cách điều trị các bệnh tật Ví dụ: Dự án100.000 bộ gen Hoa Kỳ sử dụng dữ liệu lớn để nghiên cứu di truyền học của bệnh tật.

1.2.4 Thể thao

Nâng cao hiệu quả huấn luyện: Dữ liệu lớn giúp phân tích dữ liệu về hiệu suất thiđấu, kỹ thuật và thể trạng của vận động viên để đưa ra chương trình huấn luyện phù hợp.Ví dụ: Team Sky sử dụng dữ liệu lớn để huấn luyện các vận động viên đua xe đạp.

Phát hiện tài năng trẻ: Dữ liệu lớn giúp xác định những vận động viên tiềm năngdựa trên dữ liệu về thành tích thi đấu, thể chất và kỹ năng Ví dụ: Barcelona FC sử dụngdữ liệu lớn để phát hiện tài năng trẻ.

Cải thiện chiến thuật thi đấu: Dữ liệu lớn giúp phân tích dữ liệu về đối thủ và trậnđấu để đưa ra chiến thuật thi đấu hiệu quả Ví dụ: New England Patriots sử dụng dữ liệulớn để phân tích chiến thuật thi đấu trong bóng bầu dục.

1.2.5 Tài chính

Giảm thiểu rủi ro: Dữ liệu lớn giúp phân tích dữ liệu về thị trường, khách hàng vàđối thủ để đánh giá rủi ro và đưa ra quyết định đầu tư hợp lý Ví dụ: JPMorgan Chase sửdụng dữ liệu lớn để quản lý rủi ro trong giao dịch tài chính.

Tăng hiệu quả đầu tư: Dữ liệu lớn giúp xác định các cơ hội đầu tư tiềm năng vàđưa ra quyết định đầu tư hiệu quả Ví dụ: Renaissance Technologies sử dụng dữ liệu lớnđể đầu tư vào thị trường chứng khoán.

Phát hiện gian lận: Dữ liệu lớn giúp phát hiện các hoạt động gian lận trong giaodịch tài chính Ví dụ: PayPal sử dụng dữ liệu lớn để phát hiện gian lận thanh toán.

1.2.6 Thương mại

Tăng doanh thu: Dữ liệu lớn giúp phân tích dữ liệu về khách hàng, thị trường vàđối thủ để đưa ra chiến lược marketing hiệu quả, thu hút khách hàng và tăng doanh thu.Ví dụ: Amazon sử dụng dữ liệu lớn để đề xuất sản phẩm phù hợp cho khách hàng.