Innovando Auditorías medianteData Analytics

Agenda

▪ Conceptos Básicos

▪ ¿Por qué tener una estrategia de Data Analytics?

▪ ¿Cómo comenzar?

▪ Retos

▪ Experiencia del BID

Banco Interamericano de Desarrollo (BID)

Trabajamos para mejorar la calidad de vida en América Latina y el Caribe.

Ofrecemos préstamos, donaciones y asistencias técnicas.

Sede en Washington, D.C., U.S.A., oficinas en 26 países de América Latina

y el Caribe. Oficinas en Europa y Asia.

Aproximadamente 5.000 personas de fuerza laboral.

Oficina de Auditoría Interna:

30 personas.

Auditorías Integradas, Operacionales, Corporativas y de Sistemas.

Data Analytics

Source: GTAG Data Analysis Technologies

Análisis de Datos: Identificar, obtener, validar, analizar e interpretar data para un propósito específico.

Tecnologías de Análisis de Datos:Procesan data para mejorar la efectividad y eficiencia de las auditorías.

¿Por qué tener una estrategia de Data Analytics?

Una estrategia de Data Analytics permite:

▪ Agilizar la obtención de información

▪ Mejorar accesos a datos

▪ Fortalecer conocimientos y

habilidades

▪ Incrementar cobertura de auditoría y

nivel de aseguramiento

Auditorías más eficientes y efectivas

¿Cómo comenzar?

▪ Alinear estrategia de Data Analytics con:• Proceso de análisis de riesgo

• Plan de auditoría

• Objetivos y metas a largo plazo

▪ Definir visión y metas

▪ Crear un plan de trabajo

▪ Enfocarse en personas, procesos y tecnología

Capacidades de Data Analytics:

Nivel de Data Analytics

Madurez de la Utilización de Data Analytics:

Uso Básico de Data Analytics

Analítica Aplicada

Analítica Gestionada

Automatizado

Monitoreo Continuo

Impreso / Basado en Papel

Depende de Hojas de Cálculo

Aislado u Ocasional

Integrado

Totalmente Optimizado

Esporádico y número limitado de

usuarios

Integrado en proceso de auditoría

Repositorio Central

Auditoría Continua

Monitoreo de la Gerencia

Revisar copias impresas

Principalmente hojas de cálculo

Pocos recursos de Data Analytics

En auditorías aplicables. Conocimientos

requeridos.

Data Analytics en todas las auditorías

Determinar Procesos para Aplicar Data Analytics

Descripción:Procesos de nivel estratégico que involucran poca transferencia de data.

Meta:Considerar la incorporación de fuentes de información manual para complementar actividades automatizadas de monitoreo de controles.

Descripción:Procesos manuales que representan riesgos relativamente bajos para la organización.

Meta:Evitar automatización de controles de monitoreo en favor de métodos tradicionales de auditoría.

Descripción:Procesos con extenso uso de data, críticos para prevenir fraude, asegurar confiabilidad de estados financieros, y cumplir con requerimientos.

Meta:Automatizar controles de monitoreo de data, para identificar y resolver rápidamente brechas de control, posibles fraudes e infracciones regulatorias.

Descripción:Volumen alto de data y procesos altamente transaccionales que representan riesgos para la organización.

Meta:Aliviar auditores de áreas de poco valor y redireccionar esfuerzos hacia áreas de alto riesgo que requieren mayor análisis y juicio humano.

Potencial de Automatización

Evitar Ganancia Fácil

Aplicar Ligeramente Alto Valor

Niv

el d

e R

iesg

o

Bajo Alto

Baj

oA

lto

Retos

▪ Tener las personas adecuadas (conocimiento y

habilidades)

▪ Carencia de entendimiento de la data y su significado

▪ Seleccionar la tecnología correcta

▪ Acceder a la data

Decisión: ¿Contratar o desarrollar habilidades?

Pasos para Crear Estrategia de Data Analytics

• Patrocina estrategia

• Comité Senior

• Líder de Data Analytics

• Metas y Objetivos

• Métodos y Medir Ejecución

1. Apoyo del

Auditor

Ejecutivo

2. Definir

Estructura

3. Crear Visión

• Difundir

• Refinar y obtener apoyo

4. Comunicar

Internamente

• Nivel de DA del personal

• Necesidades vs. habilidades

• Entrenamientos

• Grupo de Data Analytics y roles

• Nivel de DA del Departamento

• Personas, Procesos,

Tecnología

5. Analizar

habilidades

6. Definir Roles

7. Crear Plan

Anual

• Alcance, tiempo, costo

• Planificar recursos

• Plan de comunicación

8. Monitorear

Progreso

Experiencia del BID

▪ Auditor Ejecutivo patrocina estrategia de Data Analytics (DA)

▪ Visión: Auditoría Continua y ser Auto-suficientes

▪ Crear equipo y plan anual

▪ Plan de comunicación (interno y externo)

▪ Enfocarse en:

Personas Procesos

• Roles y responsabilidades• Entrenamientos

• DA en el ciclo de auditoría• Identificar y monitorear

DA

Tecnología

• Seleccionar tecnología• Accesos a sistemas

Auditoría Continua (AC)

Dueño de la relación con el cliente1) Dueño

Responsable de ejecutar pruebas y notificar al dueño2) Responsable

Frecuencia de prueba de auditoría continua3) Frecuencia

Universo de Auditoría:

Definir:

Segmento 1 Segmento 2 Segmento 3

Auditoría: DA / AC Auditoría: DA / AC Auditoría: DA / AC

Avance de Estrategia de Data Analytics

Filtrar por Segmento: Filtrar por Proceso:

Filtrar por Sistema: Prueba de Data Analytics:

Data Analytics por Segmento de Auditoría

Sistema

Segmento:

Nombre Sistema

BID

Auditoría

Continua

No

SiNúmero de Pruebas

Número de Pruebas

A. Gobernanza

B. Proyectos

C. Finanzas

D. Presupuesto

E. Recursos Humanos

F. Compras

G. Tecnología

A.Gobernanza

B.Proyectos

C. Finanzas

D.Presupuesto

E.Recursos Humanos

F.Compras

G.Tecnología

Dashboard del Banco

Reporte

Query de SAP

Dashboard de Auditoría

Prueba

Query de TOAD

Herramienta

SAP

PeopleSoft

Convergence

Lawson

OPUS

LMS

B.1 Diseño y Aprobación

B.2 Supervisión y Monitoreo

C. Finanzas

C.3 Financiamiento

C.5 Préstamos

C.6 Inversiones

C.7 Reporte Financiero

C.8 Cuentas por Pagar

D.1 Gestión de Fondos

D.3 Presupuesto Administrativo

E.1 Reclutamiento y Selección

1. Maestro de proveedores con última factura

2. Órdenes de compra con facturas

3. Operaciones sin clasificación de riesgo asignado

Lawson

Lawson

Convergence

4. Operaciones con cláusulas expiradas Convergence

5. Gastos de viajes corporativos

6. Empleados transferidos

Concur

SAP

7. Usuarios con accesos a actualizar tasas de cambio SAP

Avance de Estrategia de Data Analytics

Filtrar por Año: Filtrar por Sistema:

Pruebas de Data Analytics:Auditoría Continua

NombreSistema

Sistema

Tipo

Año

Tipo

Número de Pruebas

Avance de Estrategia de Data Analytics

Total

Total

SAP

PeopleSoft

Convergence

Lawson

OPUS

LMS

Concur

Bud-E

Payment Net

Null

OPMAS

Service Now

Active Directory

E-Pay

IT Infrastructure

201720162015201420132012

Dashboard del Banco

Reporte

Query de SAP

Dashboard de Aud.

Prueba

Query de TOAD

Herramienta

Null

Dashboard del Banco

Reporte

Query de SAP

Dashboard de Aud.

Prueba

Query de TOAD

Herramienta

1. Maestro de proveedores con última factura

2. Órdenes de compra con facturas

3. Operaciones sin clasificación de riesgo asignado

Lawson

Lawson

Convergence

4. Operaciones con cláusulas expiradas Convergence

5. Gastos de viajes corporativos

6. Empleados transferidos

Concur

SAP

7. Usuarios con accesos a actualizar tasas de cambio SAP

8. Transacciones financieras por proyecto LMS

9. Cambio de status de préstamos LMS

No

No

No

No

Si

No

No

Si

Si

Avance de Estrategia de Data Analytics

• 56% Usuarios avanzados• Data Analytics es un requisito• Entrenamiento y eventos

• 25% Usuarios avanzados• Data Analytics esporádico• Número de usuarios limitado

• Proceso de auditoría continua• Repositorio con 200 pruebas• Creación de Visualizaciones

• 78% Usuarios de tecnologías• Accesos a bases de datos• Nuevas herramientas

• Parcialmente integrado en ciclo de auditoría

• Utilización de muestras

• 7% Usuarios de tecnologías

• Herramientas desactualizadas

Año 5Año 0

Menos Data AnalyticsMás Auditorías de

Cumplimiento

Más Data AnalyticsMás Innovación y Servicios de Auditorías y Asesorías

Ejemplo: Facturas sin órdenes de compra

Facturas y órdenes de

compra

Solicitar facturas y órdenes de compra

Relacionar, analizar y

validar

Identificar, obtener acceso y data

Riesgo de Auditoría

Muestra

Auditoría Normal:

Efectividad

Resultado Final

• Nivel de confianza total• Magnitud completa del

problema

Uso de Tecnología de Data Analytics / Estrategia:

Retraso

Relacionar, analizar y validar

Automatizar queryEfectividad y Eficiencia

Compartir y reutilizarAnalizar y Validar

Extrapolar resultados al universo de auditoría

Universo Completo

• Nivel de confianza (< 100%)

• Estimar magnitud del problema

Rediseño de Procesos y Eficiencias

Identificar proyectos elegibles para cancelación

por cada criterio

Resultados:Discrepancias entre criterios de cancelación y calificación de rendimiento de proyectos

Criterios de Cancelación de Proyectos:

Comparar proyectos elegibles para cancelación

vs. calificación de rendimiento del proyecto

Pagos Administrativos por País:

Comparar:Promedio Facturas

Procesadas por Personal Administrativo

y% Automatizado vs.% Pagos Manuales

País Automatizado ManualA 10% 90%B 85% 15%

País Personas FacturasPromedi

oA 15 1,500 100B 4 600 150

Valor Agregado:Criterios de cancelación y

calificación de rendimiento de proyectos necesitaban

actualizarse y alinearse

Resultados:Identificación de procesos de pagos administrativos eficientes y ineficientes

Valor Agregado:Analizar causas para

incrementar la eficiencia de pagos administrativos

Planificación de Viajes Corporativos

¿Boletos comprados con antelación?

Análisis de planificación de viajes y posible impacto en costos

% Total de Viajes

% Total de Montos

Semanas

Semana 1

Semana 2

Semana 3

Semana 4

Semana 5 >

Días

Via

jes

0%

20%

40%

60%

% V

iaje

s

Pre

cio

0

500

$500K

$0K

$1000K

1000

2 6 10 20 30 40 50 60 70 80 90 100 120 180

% M

on

tos

40%

20%

0%

Identificar Obtener Analizar

País / SectorDepartamento

Objetivos Estratégicos

Plan Anual de Auditoría

Ejemplos:

Región 1:o 100 Préstamoso 60 Personaso $18M Presupuestoo 27% Proy. con Alertas

Región 2:o 176 Préstamoso 202 Personaso $23.5M Presupuestoo 26% Proy. con Alertas

Análisis de Riesgo de Operaciones

+Alertas* y

Tendencias

+

* Ejemplo de Alertas:➢ Préstamos:

▪ Sin desembolsar entre 12 y 24 meses▪ Extensiones mayores a 24 meses▪ Reportes de auditoría atrasados

Análisis de RiesgoSistemas Herramienta

de Auditoría

Análisis de Riesgo de Operaciones

Préstamos por Antiguedad y con Extensiones

> 5 Años en ejecución

> 5 Años desde ratificación

Préstamos expirados

Leyenda:

Extensiones > 24 meses

Sin desembolsos en 12 meses

Sin desembolsos en 6 meses

País 1 País 2 País 3

Val

or

3 3 3

2 2

1 1 1 1 1

0 0 0

25

14

5

18

9

Tecnologías por Segmento de Auditoría Clasificados por Riesgo

Análisis de Riesgo de Tecnología

Segmento:

A.Gobernanza

B.Proyectos

C.Finanzas

D.Presupuesto

E.Recursos Humanos

F.Compras

Impacto Financiero

Nivel de Confidencialidad

Número de Usuarios

Filtros:

Alto

Medio

Bajo

Nivel de Riesgo:

Próximos Desafíos

▪ Análisis Predictivo

▪ Análisis de Textos

▪ Inteligencia Artificial

▪ Data no estructurada

Conclusión

Data Analytics:

▪ Es responsabilidad de todos los miembros de Auditoría

▪ Apoya la innovación de servicios de auditoría y asesoría

▪ Permite mejorar la colaboración y comunicación con

clientes

▪ Realza el valor de Auditoría Interna en la organización

Innovando Auditorías mediante Data Analytics