Anlisis de datos en la gestin del riesgoAuditora Interna y cumplimiento

Las empresas lderes y entidades gubernamentales pueden obtener una ventaja competitiva a travs de la utilizacin de sus datos para tener un nivel de conocimiento y percepcin nunca antes visto. Los mtodos van introducindose rpidamente en las funciones de Gestin de Riesgos, Cumplimiento y Auditora Interna (AI), lo que permite a los CFO, CRO y Auditores comprender y cuantificar mejor los riesgos y desplegar controles y procesos de negocio con rapidez y eficacia.

Las prcticas que privilegian un enfoque ms cuantitativo basado en datos para la identificacin y evaluacin de riesgos, controles, cumplimiento y cuestiones relacionadas con presentacin de la informacin proporcionan a la directiva una mayor y ms eficiente cobertura de riesgos.

Las tcnicas avanzadas de anlisis de datos pueden potenciar e incluso cambiar las propuestas de valor de las funciones mencionadas. Para posicionarse como aceleradores del cambio organizacional, los CFO, CRO y los Auditores Internos deben estar a la vanguardia en el uso de tecnologas; sacando partido de las tecnologas de anlisis de datos podrn marcar la pauta de reaccin efectiva ante esta nueva realidad del negocio. En este artculo nos enfocaremos en detalle en el caso de AI.

Reconocer el potencial Los avances tecnolgicos y la creciente disponibilidad de datos facilitan a las empresas la posibilidad de generar conocimiento tangible, oportuno y basado en hechos para dar respuesta a preguntas sobre cuestiones complejas. En Mxico los directivos, comits de riesgos e incluso los organismos reguladores estn haciendo anlisis de datos de mltiples fuentes y formatos para comprender y monitorear su desempeo en un entorno de negocios siempre cambiante.

Las prcticas de Gestin de Riesgos, Cumplimiento y AI que privilegian un enfoque ms cuantitativo basado en datos para la identificacin y evaluacin de riesgos, controles, cumplimiento y cuestiones relacionadas con presentacin de la informacin proporcionan a la directiva una mayor y ms eficiente cobertura de riesgos.

En la publicacin de PwC State of the Internal Audit Profession Study (2013) se confirma que la mayora de los directores y responsables de Auditora comprenden el valor de las tcnicas de anlisis de datos para mejorar la profundidad y la cuantificacin de los problemas y as llegar a una identificacin ms oportuna de los riesgos presentes y futuros.

En la publicacin se muestra que se est cambiando el nivel de auditora: de metodolgico basado en muestras a monitoreo continuo analtico basado en revisiones de la totalidad de los datos. Ms an de aqu en adelante las organizaciones esperan la participacin de AI como un asesor de negocio proactivo que contribuya no solo con revisiones, sino con anlisis predictivos que ayuden al cumplimiento de las metas de las lneas de negocio.

Pero solo 31% de las prcticas de AI emplean anlisis de datos con regularidad. Ante esta realidad surge un cuestionamiento: Qu pueden hacer hoy los lderes de AI para incrementar la madurez del anlisis de datos en la profesin y obtener los amplios beneficios que ofrece el anlisis de datos? En el grfico 1 se muestra el proceso de evolucin del anlisis de datos.

La bsqueda y el anlisis de datos estn entre las cinco habilidades ms deseadas por los Directores de Auditora interesados en contratar nuevos talentos. Richard Chambers, Presidente y CEO The Institute of Internal Auditors

Para el mejor aprovechamiento de los datosSegn nuestras investigaciones, las principales barreras para madurar en los mbitos de gestin de datos y analtica estn relacionadas con formar y/o adquirir el conjunto adecuado de habilidades de anlisis de datos, incorporar el anlisis de datos en el ciclo de vida de AI, identificar y obtener las tecnologas apropiadas, as como tener acceso oportuno a datos exactos, completos y relevantes. Ante esta situacin PwC recomienda los siguientes pasos para transformar la AI a travs del anlisis de los datos:

1. Construir el conjunto de habilidades. Se necesita un conjunto de habilidades para aplicar el anlisis de manera holstica, lo cual implica una mentalidad analtica, cuantitativa y creativa. Sin las habilidades apropiadas resulta muy arduo para AI sintetizar diversos datos puntuales, comprender las tendencias que se identifican y decidir en dnde enfocarse. El resultado suele ser un enfoque reactivo, basado en hechos histricos, en oposicin a un enfoque proactivo basado en riesgos y tendencias. Se necesita un grupo de usuarios avanzados (power users) con slidas habilidades tcnicas y analticas que se encargue de asistir al resto de los usuarios del departamento de AI quienes, a su vez, recibirn capacitacin para comprender cmo reconocer el uso de datos y as sintetizar el resultado.

2. Incorporar integralmente el anlisis de datos. Muchos departamentos de AI intentan incorporar tcnicas de anlisis en auditoras en forma separada, principalmente en las pruebas que realizan; todava no utilizan el anlisis de datos en el ciclo completo de auditora. Una gran cantidad de empresas est comenzando a enfocar el anlisis de datos en los procesos financieros como cuentas por pagar, nmina o gastos, ya que son relativamente ms fciles de utilizar y administrar. Este enfoque restrictivo limita la capacidad de AI de incorporar los datos en la identificacin y evaluacin de reas de mayor riesgo empresarial.

Para darle mayor valor al anlisis de datos, AI puede determinar cmo las organizaciones pueden emplear estratgicamente el anlisis con respecto a cuestiones clave de riesgo y cumplimiento, como la Ley estadounidense de Prcticas Corruptas en el Extranjero (Foreign Corrupt Practices Act, FCPA). Tambin puede hacer uso de los datos en todos los aspectos del proceso de la auditora, desde la evaluacin de riesgo hasta la presentacin de informes y el monitoreo continuo. De este modo, AI podr aportar conclusiones de mayor impacto en forma constante, demostrando mayor eficiencia en la asignacin de recursos, esto impulsar un cambio de conducta y de visin en el auditor interno del futuro.

3. Aplicar la tecnologa. En State of the Internal Audit Profession Study se indica que histricamente los departamentos de AI no planificaron ni invirtieron apropiadamente en las tecnologas requeridas para analizar datos de manera habitual, independientemente de si se trata de herramientas de anlisis simples o soluciones empresariales ms complejas desplegadas (por ejemplo el espectro de ACL/IDEA, herramientas de visualizacin de datos y herramientas de GRC).

La tecnologa debe ser vista como un instrumento posibilitador, y los objetivos de anlisis de AI a corto y largo plazos tendrn efecto directo sobre la tecnologa y la capacitacin que requerir el departamento de AI. Este tipo de planificacin es fundamental para avanzar en el proceso de integracin del anlisis de datos en la metodologa del departamento, y debe ser considerado e incorporado en el proceso del presupuesto anual. Si bien el cambio en el enfoque de auditora y en la conducta del auditor ser decisivo para medir el retorno de inversin, la complejidad de la tecnologa debera estar alineada con los objetivos del departamento a ms largo plazo.

Escala de madurez del anlisis de datos, segn PwCModelo de madurez del anlisis de datos

Nivel 1De cierta importancia

Posibilidades limitadas, pero en crecimiento Las actividades ad-hoc resultan en un desempeo impredecible y poco eficiente xito basado en la capacidad individual

Nivel 5Transformacional

Los modelos de riesgo del anlisis de datos son adoptados por la empresa El anlisis modifica la conducta de los auditores Nuevas propuestas de valor Alineamiento y plataforma que

se puede aprovechar a travs de varias lneas de defensa

Cambio hacia la prestacin y el valor de la auditora

Nivel 4Arraigado

Se alcanza el nivel deseado en equipos especficos dentro del departamento Se implementan metodologas para la mejora Se monitorean mtricas y controles

Nivel 3Integrado

Capacidades bien desarrolladas, que se ponen en prctica con gobernabilidad adecuada Las fuentes de datos estn fcilmente disponibles

Las actividades comienzan a ser repetibles y se desarrollan mtricas para la gestin de configuracin Las habilidades requeridas de anlisis de datos estn centralizadas en 5-10% del departamento

Nivel 2Consistente

Capacidades desarrolladas y adoptadas Capacidades utilizadas para guiar las auditoras Metas definidas y procesos y herramientas estandarizados

Nivel 0Inicial/ En desarrollo

Capacidad limitada a pocos empleados La efectividad no es constante Limitado valor para el negocio o para la auditora

Bajo AltoImpacto en Auditora y en el negocio

Mad

urez

del

an

lisis

de

dat

os

Bajo

Alto

Grfico 1

4. Recabar datos relevantes. Los departamentos de AI siguen teniendo dificultades para obtener informacin oportuna, completa, exacta y relevante. Hay temas recurrentes en relacin con la disponibilidad de los datos, entre ellos mltiples sistemas, problemas conocidos con la calidad de los datos, tecnologa limitada para descargar los datos solicitados, datos disponibles fuera de los sistemas transaccionales como vdeos de cmaras de vigilancia, grabaciones de los call centers, correos electrnicos, documentos escaneados, geolocalizacin, redes sociales, entre otros que AI debe solucionar despus de haber sorteado los obstculos previos de recursos tecnolgicos y humanos, as como la incorporacin de los datos en el ciclo de vida de auditora.

Un paso que puede darse para superar esta barrera es que AI evale qu datos usados por otros departamentos podran servir tambin para sus propsitos. Asociarse con otros departamentos, incluyendo TI, suele ser determinante par