Ứng dụng một số kỹ thuật phân tích dữ liệu vào các thủ tục đánh giá rủi ro trong kiểm toán báo cáo tài chính

Việc sử dụng một cách thông minh các công nghệ mới nhất, cùng với kiến thức và kinh nghiệm có sẵn, các kiểm toán viên có thể đạt được một cái nhìn sâu sắc hơn về toàn cảnh tình hình tài chính của khách hàng, từ đó đưa ra quyết định tốt hơn, nâng cao chất lượng kiểm toán và cuối cùng tạo ra giá trị cho khách hàng của họ.

ỨNG DỤNG MỘT SỐ KỸ THUẬT PHÂN TÍCH DỮ LIỆU VÀO CÁC THỦ TỤC ĐÁNH GIÁ RỦI RO TRONG KIỂM TOÁN BÁO CÁO TÀI CHÍNH V ThS Nguyễn Vĩnh Khương* Nguyễn Ngọc Tuệ Minh iệc sử dụng một cách thông minh các công nghệ nhất, với kiến thức kinh nghiệm có sẵn, các kiểm toán viên có thể đạt được một cái nhìn sâu sắc về toàn cảnh tình hình tài chính của khách hàng, từ đó đưa định tốt hơn, nâng cao chất lượng kiểm toán cuối tạo giá trị cho khách hàng họ Cốt lõi thay đổi khối lượng liệu ngày tăng mà kiểm tốn viên cần phải xử lý Ngồi khối lượng tuyệt đối, liệu còn có nhiều dạng khác văn bản, hình ảnh, âm video đòi hỏi dung lượng lưu trữ lớn (Mohanty, 2013) Tác giả sẽ dựa những tài liệu, công trình nghiên cứu trước để trình bày những ứng dụng của phân tích dữ liệu lớn vào việc thực hiện thủ tục đánh giá rủi ro Từ khóa: Phân tích liệu, kiểm tốn Application of some data analysis techniques into risk assessment procedures in auditing financial statements The smart use of the latest technologies, along with the knowledge and experience available, the auditors can gain a better insight into the overall financial situation of customers, since then make better decisions which improve audit quality and ultimately create value for their customers The core of these changes is due to the increasing volume of data that auditors need to handle In addition to the sheer volume, this data has many different forms such as text, images, audio and video that require a large amount of storage (Mohanty, 2013) The author will rely on previous documents and studies to present applications of big data analysis to implement risk assessment procedures Keywords: Data analysis, audit Giới thiệu Sự phát triển dữ liệu lớn có nguồn gốc từ việc số hóa hồ sơ kế tốn quy trình quản lý từ tệp vật lý thành hệ thống hoạch định nguồn lực doanh nghiệp (ERP) Ngoài ra, tiến điện tốn, viễn thơng, liệu, cơng nghệ lưu trữ mạng cho phép xử lý, luân chuyển lưu trữ gói liệu khổng lồ (Vasarhelyi và Tuttle, 2015) Hơn nữa, xuất phương tiện truyền thông xã hội Facebook, Twitter nâng cao nhận thức cộng đồng dữ liệu lớn, thứ đã và có mặt khắp nơi sống hàng ngày Alles (2015) cho việc phân tích dữ liệu lớn trở thành công cụ kinh doanh quan trọng hàng ngày khách hàng cơng ty kiểm tốn, thì thân cơng ty kiểm tốn cuối cũng sẽ áp dụng các kỹ thuật phân tích dữ liệu lớn công nghệ đại khác để tăng chất lượng kiểm toán Phân tích dữ liệu lớn mang lại sự tiến cho nhiều lĩnh vực mà nghề kiểm tốn - mợt ngành nghề khơng đòi hỏi tính sáng tạo cao - phải thích nghi với Việc sử dụng dữ liệu lớn kiểm tốn làm tăng hiệu śt hiệu cuộc kiểm *Trường Đại học Kinh tế-Luật, Đại học Quốc gia Thành phố Hồ Chí Minh NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 142 - tháng 8/2019 13 NGHIÊN CỨU TRAO ĐỔI tốn Phân tích dữ liệu lớn cho phép thu thập liệu tự động, giảm phụ thuộc vào liệu khách hàng cung cấp, từ đó tăng cường độ tin cậy mức độ phù hợp liệu kiểm toán Hơn nữa, dữ liệu lớn cho phép phân tích tồn liệu Điều có nghĩa kiểm tốn viên mở rộng nguồn liệu định dạng sang dạng chứng kiểm toán khác khơng có kiểm tốn truyền thống (ví dụ: vị trí GPS, tệp âm hay video) Như vậy, việc sử dụng dữ liệu lớn không làm tăng chất lượng chứng kiểm tốn, mà cịn hiệu chi phí minh bạch so với phương pháp kiểm tốn truyền thống - thứ mà khơng thể đối phó với tiến cơng nghệ cũng số lượng độ phức tạp ngày tăng liệu (Brown-Liburd và Vasarhelyi, 2015) Trong phát triển dữ liệu lớn lĩnh vực kiểm toán, có số rủi ro xem là liên quan đến vấn đề tính tốn, phần cứng, phần mềm, chun môn, giáo dục đào tạo Hầu hết nhà nghiên cứu tranh luận chuyên gia kiểm toán quan quản lý cần lưu ý tác động dữ liệu lớn kiểm toán (Brown-Liburd và Vasarhelyi, 2015) Sự phát triển của dữ liệu lớn cũng thúc đẩy đổi công nghệ phát sinh thêm những nhận thức mới lợi ích mối đe dọa nó gần khía cạnh 14 Số 142 - tháng 8/2019 NGHIÊN CỨU KHOA HỌC KIỂM TỐN lĩnh vực tài và kinh tế Do đó, nghề kiểm tốn cần phải thích nghi theo kịp phát triển để trì tính cạnh tranh mức đợ phù hợp Mợt số kỹ thuật dùng để phân tích dữ liệu lớn 2.1 K-means K-means kỹ thuật clustering (phân cụm) sử dụng rộng rãi tính đơn giản tốc độ Nó phân vùng liệu thành cụm cách gán đối tượng cho trung tâm cụm gần (trung tâm cụm là giá trị trung bình biến cho tất đối tượng cụm đó) dựa thước đo khoảng cách sử dụng Ngoài ra, k-means hoạt đợng nhanh chóng cho tập liệu lớn, thứ rất phổ biến hiện Thuật toán cho k-means hoạt động sau: Chọn số cụm, đặt là k Chọn k điểm làm trung tâm cụm (ví dụ: Các đối tượng k chọn ngẫu nhiên từ tập liệu) Gán đối tượng cho trung tâm cụm gần Tính toán lại trung tâm cụm Lặp lại bước tiêu chí hội tụ đáp ứng (ví dụ: Việc gán đối tượng cho cụm khơng cịn thay đổi qua nhiều lần lặp) đạt số lần lặp tối đa Thuật toán k-means tận dụng song song liệu Khi đối tượng liệu phân phối cho xử lý, bước song song dễ dàng cách thực việc gán đối tượng vào cụm gần song song Để cập nhật trung tâm cụm nút cho lần lặp, thông tin liên lạc trung tâm cụm thơng tin nút thêm vào bước 2.2 Decision tree (cây qút định) Thuật tốn định cơng cụ dùng để phân lớp liệu, định tượng trưng cho định lớp kiện Mỗi nút tên lớp hay phép thử thuộc tính cụ thể đó, phép thử phân chia khơng gian trạng thái kiện nút thành kết đạt phép thử Mỗi tập phân chia phép thử khơng gian kiện, tương ứng với vấn đề phân lớp Các định dùng để hỗ trợ trình định kinh doanh Một cách tổng thể, định có tính chất sau: • Mỗi nút (internal node) biểu diễn thuộc tính cần kiểm tra giá trị (attribute to be tested) các tập thuộc tính • Nút (leaf node) hay gọi nút trả lời biểu thị cho lớp trường hợp mà nhãn tên lớp, biểu diễn lớp (a classififcation) • Nút nhánh (branch) từ nút tương ứng với giá trị thuộc tính gắn với nút • Nhãn (lable) nút tên thuộc tính có nhánh nối nút đến ứng với kết có phép thử Nhãn nhánh giá trị thuộc tính Nút gọi nút gốc Sơ đồ 1: Mô hình quyết định cho vay 2.3 Artificial Neuron Network (ANN) Artificial Neural Network (ANN), hay còn gọi là mạng nơron nhân tạo, mơ hình xử lý thơng tin mơ dựa hoạt động hệ thống thần kinh sinh vật, bao gồm số lượng lớn nơron gắn kết để xử lý thông tin ANN giống não người, học kinh nghiệm (thơng qua huấn luyện), có khả lưu giữ kinh nghiệm hiểu biết (tri thức) sử dụng tri thức việc dự đốn liệu chưa biết (unseen data) NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 142 - tháng 8/2019 15 NGHIÊN CỨU TRAO ĐỔI Sơ đồ 2: Cấu trúc tổng quát của một ANN Cấu trúc tổng quát ANN gồm thành phần là: Input Layer, Hidden Layer Output Layer Trong đó, lớp ẩn (Hidden Layer) gồm Nơron nhận liệu input từ Nơron lớp (Layer) trước chuyển đổi input cho lớp xử lý Trong ANN có nhiều lớp ẩn Trong đó, Processing Elements (PE) ANN gọi Nơron, Nơron nhận liệu vào (Inputs) xử lý chúng cho kết (Output) Kết xử lý Nơron làm Input cho Nơron khác Ứng dụng phân tích dữ liệu vào thủ tục đánh giá rủi ro 3.1 Khái niệm thủ tục đánh giá rủi ro Thủ tục đánh giá rủi ro thủ tục kiểm toán thực để thu thập hiểu biết đơn vị kiểm tốn mơi trường đơn vị, có kiểm sốt nội bộ, nhằm xác định đánh giá rủi ro có sai sót trọng yếu gian lận nhầm lẫn cấp độ báo cáo tài cấp độ sở dẫn liệu 3.2 Trình tự thực hiện thủ tục đánh giá rủi ro bằng phân tích dữ liệu Sau là năm bước thủ tục liên quan sử dụng việc lập kế hoạch, thực đánh giá kết phép phân tích dữ liệu sử dụng xác định đánh giá rủi ro sai sót trọng yếu 16 Số 142 - tháng 8/2019 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Bước 1: Lập kế hoạch cho phép phân tích • Xác định khoản mục, tài khoản, thuyết minh, sở dẫn liệu liên quan, đồng thời xác định chất, thời gian mức độ tổng thể mà kiểm toán viên sẽ phân tích; • Xác định mục đích chung việc phân tích dữ liệu; • Xác định mục tiêu cụ thể việc phân tích dữ liệu; • Xác định tởng thể liệu phân tích kiểm tra, bao gồm cho mục đích lập kế hoạch, xem xét sơ vấn đề ảnh hưởng đến sự liên quan, tính sẵn có độ tin cậy liệu; • Chọn phép phân tích dữ liệu phù hợp mục đích cũng kỹ thuật, công cụ, loại bảng biểu sử dụng Bước 2: Truy cập chuẩn bị liệu cho phép phân tích Bước 3: Xem xét liên quan độ tin cậy liệu sử dụng Bước 4: Thực phép phân tích • Nếu kết ban đầu phép phân tích cho thấy việc thiết kế hiệu quả cần phải sửa đổi thì phải điều chỉnh lại thực hiện lại phân tích • Nếu kiểm tốn viên kết luận phép phân tích thiết kế thực phù hợp phép phân tích xác định được khoản mục cần được xem xét, thì việc lập kế hoạch thực thủ tục bổ sung cho khoản mục cần phù hợp với mục tiêu phép phân tích Bước 5: Đánh giá kết kết luận mục đích mục tiêu cụ thể việc thực phép phân tích đạt hay chưa Nếu mục tiêu chưa đạt được, kiểm toán viên • Các ngành nghề, quy định liên quan yếu tố bên ngoài; • Bản chất doanh nghiệp, bao gồm quá trình hoạt đợng sản x́t kinh doanh; • Việc áp dụng sách kế tốn doanh nghiệp; • Mục tiêu chiến lược đơn vị; • Việc đo lường xem xét hiệu suất tài doanh nghiệp; • Kiểm sốt nội liên quan đến c̣c kiểm tốn cần lập kế hoạch thực thủ tục thay thế ▶ Thực hiện phép phân tích để đạt mục tiêu ▶ Xác định mục tiêu phân tích Mục tiêu phép phân tích xác định đánh giá rủi ro có sai sót trọng yếu nhiều sở dẫn liệu có liên quan đến mợt nhóm các giao dịch, số dư tài khoản, thuyết minh để xác định điều kiện kiện Sử dụng phép phân tích việc thực thủ tục đánh giá rủi ro giúp xác định được nhiều khoản mục đáng ý Một khoản mục đáng ý khoản mục xác định từ tởng thể phân tích, có nhiều đặc điểm sau: • Chỉ được rủi ro có sai sót trọng yếu mà: cho thấy tồn rủi ro co sai sót trọng yếu Tuy nhiên, từ kết việc thực - Trước không xác định (rủi ro mới) hoặc; phép phân tích, kiểm tốn viên kết luận - Mức đợ sai sót cao đánh giá ban đầu kiểm toán viên rủi ro chưa đạt tới ngưỡng được xem là rủi ro có sai sót trọng yếu Các mục tiêu cụ thể bị ảnh hưởng nhiều khía cạnh doanh nghiệp, chẳng hạn như: • Cung cấp thơng tin hữu ích việc thiết kế chỉnh sửa thủ tục để giải rủi ro có sai sót trọng yếu Sơ đờ 3: Quy trình xác định các khoản mục đáng chú ý NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 142 - tháng 8/2019 17 NGHIÊN CỨU TRAO ĐỔI Đây q trình lặp lặp lại, nghĩa trình chỉ hoàn thiện kiểm toán viên định phép phân tích không cần cải tiến thêm nữa để đạt mục tiêu Một phép phân tích lên kế hoạch thực phù hợp xác định số lượng nhỏ mặt khoản mục đáng ý Tuy nhiên, cũng có trường hợp số lượng lớn khoản mục này xác định Đối với số kiểm tốn, khoản mục đáng ý lên tới hàng trăm chí hàng nghìn Lúc này, việc sử dụng thêm các phép phân tích là cần thiết để giải mục đáng ý xác định Kiểm tốn viên định áp dụng kỹ thuật phân tích clustering (phân cụm) và k-means số lượng lớn khoản mục đáng ý xác định, và những khoản mục này có nhiều đặc điểm đa dạng Việc áp dụng kỹ thuật clustering hoặc k-means sẽ giúp phân bổ các khoản mục này thành từng cụm có những đặc điểm chung nhất định, giúp giảm thiểu số biến và giúp kiểm toán viên dễ dàng xác định số các khoản mục đáng chú ý đó, đâu mới là rủi ro mới hoặc cung cấp cho kiểm toán viên thông tin hữu ích để điều chỉnh hoặc thiết kế các thủ tục kiểm toán tiếp theo 3.3 Minh họa trường hợp công ty thuộc lĩnh vực sản xuất Trong ví dụ này, báo cáo tài kiểm tốn cơng ty sản xuất chín loại máy in thương mại Doanh thu hàng năm khoảng 25 triệu la Đây năm thứ tư kiểm tốn viên thực hợp đồng với khách hàng ▶ Lập kế hoạch cho phép phân tích Mục tiêu phép phân tích giúp kiểm toán viên xác định xem có thay đổi bất thường doanh số từ năm trước có xu hướng khác doanh thu từ việc bán máy in thương mại ảnh hưởng đến rủi ro có sai sót trọng yếu Kiểm toán viên biết về đình cơng lớn xảy nhà máy Michigan công ty năm Việc thực hiện phỏng vấn đã khẳng định doanh số giảm đáng kể là 18 Số 142 - tháng 8/2019 NGHIÊN CỨU KHOA HỌC KIỂM TỐN đình cơng bắt đầu phục hồi quý cuối năm Ngoài ra, liên quan đến các loại sản phẩm, kiểm tốn viên thơng báo máy in (loại H) đưa vào sản xuất vào đầu năm nhanh chóng trở thành sản phẩm bán chạy nhất cơng ty Dựa thơng tin này, kiểm tốn viên dự đoán loại máy in khác sẽ bị giảm doanh số Việc giảm doanh số làm tăng rủi ro bị lỗi thời định giá cao mức của hàng tồn kho Kiểm toán viên xem xét rủi ro điều khoản bảo hành xảy việc cung cấp bảo hành cho loại máy in này Phép phân tích sẽ cung cấp thông tin liên quan để đánh giá xử lý với rủi ro có sai sót trọng yếu liên quan đến các sở dẫn liệu phát sinh, đầy đủ xác doanh thu Ngồi ra, kiểm tốn viên cho việc giảm đáng kể sớ lượng bán vài loại máy dấu hiệu vấn đề tiềm ẩn liên quan đến định giá hàng tồn kho (nghĩa có vấn đề việc lập dự phòng giảm giá hàng tồn kho) hoặc là sự đầy đủ của khoản lập dự phòng nếu việc giảm hụt doanh thu có liên quan tới chất lượng sản phẩm ▶ Truy cập chuẩn bị liệu cho phép phân tích Dữ liệu sử dụng cho phép phân tích bao gồm số tiền ghi nhận năm ba năm trước liên quan đến việc bán loại máy in công ty Đối với năm tại, sử dụng liệu bán hàng hàng quý Số lượng máy bán cho loại máy in lấy từ sở liệu công ty Các liệu truy cập phần mềm kiểm toán ▶ Thực phép phân tích Kiểm toán viên định sẽ sử dụng kỹ thuật phân tích k-means, clustering để phân cụm dữ liệu doanh thu và thể hiện kết quả phân tích một cách trực quan bằng biểu đờ: • Một hình ảnh biểu thị doanh số hàng quý bốn năm qua để quan sát xem có biến động bất thường hay xu hướng mới doanh thu bán hàng; • Một hình ảnh biểu thị xu hướng bán hàng loại máy in Biểu đồ 1: Doanh thu bán hàng theo quý từ 2012 đến 2015 Biểu đồ 2: Số lượng máy bán theo từng loại NGHIÊN CỨU KHOA HỌC KIỂM TỐN Số 142 - tháng 8/2019 19 NGHIÊN CỨU TRAO ĐỔI Biểu đờ 3: Sớ lượng máy bán theo từng loại và năm Biểu đồ cho thấy doanh thu bán hàng theo quý hướng bán hàng so với năm trước Kết cho năm ba năm trước đó Công ty bắt phân tích xác nhận đánh giá rủi ro ban đầu hoạt động vào quý năm 2012 Theo kì vọng đầu kiểm toán viên liên quan đến sở dẫn của kiểm toán viên từ thông tin thu thập trước liệu phát sinh, đầy đủ xác doanh thu thực hiện phân tích, kết đình cơng Dấu hiệu giảm đáng kể số lượng bán loại lao động kéo dài, doanh thu bán hàng cho quý máy in cụ thể khẳng định có khả cao năm thấp so với năm trước là công ty đã định giá hàng cao các máy in cũ Mãi đến quý 4, doanh số bắt đầu đạt đến mức đó, kiểm toán viên đã lên kế hoạch cho các thủ tục năm ngoái tiếp theo để xử lí với rủi ro Kết phép Sơ đồ và trình bày số lượng sản phẩm bán theo loại máy in Thông tin thu được từ phép phân tích phù hợp với thơng tin mà kiểm tốn viên thu phỏng vấn ban quản lý Ví dụ khơng có doanh số máy in D năm (vì loại này đã ngừng sản xuất vào năm 2013) Đúng dự đoán, năm 2015, loại máy in (H) trở thành sản phẩm bán chạy nhất Doanh số máy in F tăng lên năm 2013 2014 thời điểm đó, có tiến cơng nghệ vượt trợi thu hút được nhiều khách hàng Tuy nhiên, sự đời của máy in H khiến máy in F nhiều sức hút ban đầu ▶ Đánh giá kết 20 phân tích cũng cho thấy không cần phải sửa đổi thủ tục kiểm toán phát hiện rủi ro liên quan đến dự phòng bảo hành sản phẩm Vì vậy, kiểm toán viên kết luận đã đạt được mục tiêu đặt cho thủ tục đánh giá rủi ro này Kết luận Phân tích dữ liệu lớn mô tả tập hợp công cụ phân tích sử dụng thuật tốn dựa mơ hình thống kê để khám phá mơ hình hành vi, bất thường xu hướng các dữ liệu lớn có cấu trúc hoặc phi cấu trúc Lợi ích việc triển khai thành cơng cơng nghệ phân tích dữ liệu lớn dẫn đến tăng hiệu suất, hiệu chất lượng cuộc kiểm toán Việc áp dụng phép phân tích xác nhận Các rủi ro chia thành rủi ro liên quan đến thay đổi mà kiểm toán viên dự đoán xu liệu; rủi ro bảo mật, quyền riêng tư tính tuân Số 142 - tháng 8/2019 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN thủ; rủi ro liên quan đến hành vi kỹ Cách tiếp cận đắn để đánh giá quản lý rủi ro vô cùng cần thiết để giảm thiểu ngăn chặn mối đe dọa Do đó, mục tiêu đặt xây dựng quy tắc ứng xử, quy định hướng dẫn thực hành tốt liên quan đến việc sử dụng công nghệ phân tích dữ liệu lớn Ngoài ra, để áp dụng thành công công nghệ tiên tiến này, quan quản lý, công ty kiểm toán và cả kiểm toán viên còn cần phải tích cực cải thiện về mặt giáo dục, kiến thức, kĩ để sẵn sàng đón nhận làn sóng mới này lĩnh vực kiểm toán và dịch vụ đảm bảo tương lai gần TÀI LIỆU THAM KHẢO Alles, M G (2015) Drivers of the use and facilitators and obstacles of the evolution of Big Data by the audit profession Accounting Horizons, 29(2), 439-449; American Institute of Certified Public Accountants (2017) Guide to audit data analytics American Institute of Certified Public Accountants; Brown-Liburd, H., & Vasarhelyi, M A (2015) Big Data and audit evidence Journal of Emerging Technologies in Accounting, 12(1), 1-16; Brown-Liburd, H., Issa, H., & Lombardi, D (2015) Behavioral implications of Big Data’s impact on audit judgment and decision making and future research directions Accounting Horizons, 29(2), 451-468; Byrnes, P., Criste, T., Stewart, T., & Vasarhelyi, M (2014) Reimagining auditing in a wired world AICPA White Paper, 11; Cao, M., Chychyla, R., & Stewart, T (2015) Big Data analytics in financial statement audits Accounting Horizons, 29(2), 423-429; Dai, J., & Vasarhelyi, M A (2016) Imagineering Audit 4.0 Journal of Emerging Technologies in Accounting, 13(1), 1-15; Davis, K (2012) Ethics of Big Data: Balancing risk and innovation “O’Reilly Media, Inc.”; Dean, J (2014) Big data, data mining, and machine learning: value creation for business leaders and practitioners John Wiley & Sons; 10 Dzuranin, A C., & Mălăescu, I (2015) The current state and future direction of IT audit: Challenges and opportunities Journal of Information Systems, 30(1), 7-20; 11 Global Technology Audit Guide (2017) Understanding and Auditing Big Data; 12 Hodge, M H., & Reid, L S (1971) The influence of similarity between relevant and irrelevant information upon a complex identification task Perception & Psychophysics, 10(4), 193-196; 13 IAASB, D (2016) Exploring the Growing Use of Technology in the Audit, with a focus on data analytics Exploring the Growing Use of Technology in the Audit, with a focus on data analytics; 14 Issa, H., & Kogan, A (2013) A Predictive Ordered Logistic Regression Model for Quality Review of Control Risk Assessments Working paper, Rutgers Accounting, Research Center; 15 KPMG (2017) Audit 2025, the future is now; Forbes insights (March) Available at:, https://assets.kpmg/content/dam/kpmg/us/ pdf/2017/03/us-audit-2025-final report pdf; 16 Mohanty, S., Jagadeesh, M., & Srivatsa, H (2013) Big data imperatives: Enterprise ‘Big Data’ warehouse, ‘BI’ implementations and analytics Apress; 17 Tang, X., & Kostic, N (2017) The future of audit: Examining the opportunities and challenges stemming from the use of Big Data Analytics and Blockchain technology in audit practice; 18 Vasarhelyi, M A., Kogan, A., & Tuttle, B M (2015) Big Data in accounting: An overview Accounting Horizons, 29(2), 381-396 Ngày nhận bài: 25/05/2019 Ngày duyệt đăng: 30/05/2019 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN Số 142 - tháng 8/2019 21 ... tục đánh giá rủi ro Thủ tục đánh giá rủi ro thủ tục kiểm toán thực để thu thập hiểu biết đơn vị kiểm tốn mơi trường đơn vị, có kiểm sốt nội bộ, nhằm xác định đánh giá rủi ro có sai sót trọng... đoán xu liệu; rủi ro bảo mật, quyền riêng tư tính tuân Số 142 - tháng 8/2019 NGHIÊN CỨU KHOA HỌC KIỂM TOÁN thủ; rủi ro liên quan đến hành vi kỹ Cách tiếp cận đắn để đánh giá quản lý rủi ro vô... (PE) ANN gọi Nơron, Nơron nhận liệu vào (Inputs) xử lý chúng cho kết (Output) Kết xử lý Nơron làm Input cho Nơron khác Ứng dụng phân tích dữ liệu vào thủ tục đánh giá rủi ro 3.1 Khái niệm thủ