Что делать с “выбросами” аудиторских данных?

Международные стандарты аудита (ISA, SAS)
Источник: GAAP.RU
Опубликовано: 31 августа 2021

По материалам: FRC

Как сообщалось в недавней новости, британские финансовые регуляторы (FRC) опубликовали аудиторское руководство по довольно интересной теме. Речь идет об использовании передовых методов анализа аудиторских данных, и как быть с теми, которые выбиваются из общей картины. Их можно назвать “выбросами”, можно назвать “исключениями”, однако мировые аудиторы, вооружившиеся современными методами анализа данных, рано или поздно сталкиваются с ними, и у них возникает резонный вопрос, как правильнее реагировать. Давайте разберем, что думает на этот счет Совет по финансовой отчетности Великобритании.

Аудиторы, начавшие в своей практике применять передовые методы анализа данных, довольно быстро столкнулись с затруднениями при обращении с информацией, выбивающейся из общей картины. Многие тут же справедливо отметили, что причиной этого стало неправильное использование находящегося в их распоряжении технологического инструментария: если правильно оговорить параметры (ожиданий – о них ниже) и тем самым точнее определить область применения, исключения из правил не то чтобы вообще перестанут попадаться, просто с ними уже можно будет иметь дело.

Видя затруднения аудиторов, Совет по финансовой отчетности Великобритании и созданная для этого техническая консультативная группа по аудиту решили разработать руководство, использование которого, с одной стороны, сократило бы число проявлений “выбросов” аудиторских данных, а с другой - помогло бы аудиторам правильнее обращаться с теми, что все-таки возникнут. Именно о нем сегодня идет речь. Руководство имеет довольно сильную привязку к практике, поскольку основано на лучших примерах из реального мира, о которых рассказывали аудиторы, и наблюдениях экспертной группы по изучению качества аудита в составе FRC.

Основной фокус внимания нового руководства – на применении передовых методов анализа аудиторских данных в ответ на аудиторские риски, в рамках проведения процедур тестирования и сбора аудиторских доказательств. И в меньшей, если не сказать незначительной степени, руководство посвящено оценке риска существенного искажения на стадии планирования аудита - хотя использование анализа данных там сегодня также часто встречается. Да и сами предложенные принципы все же могут оказаться аудиторам полезными при оценке риска существенного искажения на начальной стадии или, напротив, на финальной стадии при формировании аудиторского суждения (см. МСА (ISA) 520 “Аналитические процедуры”, параграф 3 (b)).

В то же время FRC не позиционирует свое руководство как универсальное, подходящее к любым проявлениям “выбросов” данных, с учетом их потенциально безграничного объема. Ключевые принципы следует использовать в качестве отправной точки, а далее уже от них отталкиваться, используя специфические и подходящие конкретной ситуации инструменты. Эти инструменты могут быть намного сложнее, чем все то, что будет описано ниже, а посему требуют более детального анализа.

Ключевые принципы работы с данными, выбивающимися из общей картины

  1. Первый ключевой принцип уже был сформулирован выше, притом вполне справедливо: распространенная проблема появления множественных “выбросов” в ходе применения инструментов анализа данных к определенной популяции данных возникает в первый раз именно из-за того, что для этих инструментов просто неверно установлены параметры. Причиной может быть банальное непонимание того, что собой представляет эта популяция данных (иначе говоря - проверяемая организация и ее окружение).
  2. Отсюда следует, что калибровка параметров - ключ к решению проблемы после первоначального анализа популяции данных. Так можно быть более уверенными в том, что все последующие “выбросы” (а они наверняка последуют) уже будут представлять собой аномалии, которые достойны более внимательного изучения на предмет соответствия допустимому исключению. Что подразумевать под “исключением”, определяет терминология использующихся аудиторских стандартов, и это важный момент, определяющий дальнейшие аудиторские процедуры после обнаружения аномалий.
  3. В данном руководстве его авторы именуют “выбросами” любые результаты, полученные в ходе применения методов анализа аудиторских данных, которые выбиваются из общей картины, иначе говоря - не отвечают представлениям аудитора о популяции данных. Отнесение каждого подобного случая к категории исключений осуществляется аудиторами только после того, как они внимательно изучили конкретный случай и пришли к выводу, что они действительно представляют собой исключение, а не спровоцированы ошибочно определенными параметрами и не стали следствием использования данных ненадлежащего качества.
  4. Описанная ситуация аналогична ориентации на ожидании в ходе проведения аналитических процедур согласно стандарту МСА 520, параграф 5 (с): аудитор формирует ожидания по отраженным суммам или коэффициентам, а далее оценивает, является ли оно достаточно точным для выявления искажения или искажений в финансовой отчетности, способного индивидуально или в совокупности с другими оказаться существенным. Самые первые сформированные ожидания часто бывают неточными и требуют дальнейших корректировок по мере выработки аудитором понимания того, с чем он или она работает.
  5. Поэтому, прежде чем переходить к непосредственному использованию передовых инструментов анализа аудиторских данных, важно убедиться, что выбран подходящий инструмент для анализа, способный в специфических обстоятельствах обеспечить аудиторские доказательства в достаточном объеме, а также подумать о том, какие еще аналитические инструменты могут в этой ситуации подойти. В общем случае, для определения того, является ли тот или иной инструмент анализа аудиторских данных подходящей мерой в ответ на обнаруженные риски, аудитор принимает во внимание следующие факторы:

  • В случае если использование инструментов анализа данных не предписано в качестве обязательной меры применяющейся аудиторской методологией - является ли вообще такое решение наиболее подходящим в плане повышения эффективности сбора аудиторских доказательств;
  • Является ли представление аудитора о клиентской организации и ее окружении, о том, как именно учитываются транзакции в бухгалтерских документах, и как они связаны между собой, достаточным для применения передовых методов анализа данных. Часто это бывает не так, а решение о применении инструментов анализа все равно принимается, но без четкого понимания того, как направлены информационные потоки внутри организации, как там осуществляется управление данными. В этом случае может оказаться затруднительно сформулировать подходящие ожидания;
  • Являются ли данные, использующиеся для проведения анализа с помощью передовых методов, подходящего качества, чтобы анализ вообще имел смысл. Данные должны быть полными, точными, правдивыми, к тому же доступными именно в том формате, который подходит для анализа;
  • Если качество данных недостаточное для этого, можно ли применить в этой ситуации дополнительные процедуры по очистке и другим манипуляциям, прежде чем переходить к использованию инструментов анализа данных. При этом важно не забывать, что сама по себе очистка должна всего лишь разрешить дальнейшее применение инструментов анализа данных, но при этом не влиять на них так, что это повредит ключевым целям аудиторских процедур;
  • Можно ли разделить наборы данных в случае, если они “повреждены” лишь отчасти, то есть качество определенной части данных не соответствует стандарту, но остальная часть данных - вполне подходящего качества. В этом случае можно, не применяя описанных выше дополнительных процедур очистки, попробовать получить аудиторские доказательства в достаточном объеме, ориентируясь лишь на “качественную” часть полученных данных.

Общие принципы работы с “выбросами”

  • Как уже было сказано, использование любого инструмента начинается с выработки аудитором ожиданий относительно популяции данных, которую предстоит анализировать, на основе его или ее понимания проверяемой организации и окружения. Это позволит выбрать подходящий для анализа инструмент.
  • Практика покажет, каким именно окажется результат первого применения выбранного инструмента: либо он будет полностью соответствовать ожиданиям и породит ограниченное число исключений, которыми затем можно будет занять более детально, либо результат окажется весьма далек от ожиданий, а число исключений - намного больше.
  • Если перед нами второй вариант, необходимо проверить, правильно ли были определены первоначальные ожидания относительно популяции данных. Весьма вероятно, что это не так, потому что аудитор имел (и, возможно, до сих пор имеет) ошибочные представления об организации и ее окружении. В этом случае необходимо скорректировать параметры и применить тот же инструмент в отношении популяции данных еще раз.
  • Как только появится уверенность, что теперь инструмент анализа данных используется в соответствии с правильно определенными параметрами ожиданий, можно переходить к тестированию получаемых теперь исключений.
  • В отношении оставшейся части данных (той, что не относится к “исключениям”) аудитор использует стандартные методы проверки для обеспечения уверенности в этой информации. В том случае, если аудитор не может с помощью стандартных подходов к тестированию данных обеспечить себя уверенностью в отношении этой остающейся частью данных (не подпадающих под категорию “исключений”), ему или ей придется спроектировать и применить специфические процедуры проверки, чтобы уверенность все-таки гарантировать, как того требуют международные стандарты аудита.
  • Предположим, в качестве стандартного метода проверки у аудитора заготовлен привычный метод тестирования на основе простой выборки. Только вот оказывается, что популяция полученных исключений из данных - не гомогенная. Как тогда быть? Теория подсказывает, что здесь больше подойдет стратифицированная выборка перед началом тестирования (см. МСА (ISA) 530 “Аудиторская выборка” – параграф А8).
  • Стратификация может осуществляться как на основе количественной (например, денежной) стоимости полученных исключений, так и на основе качественных характеристик, либо же опираясь и на то, и на другое одновременно (о том, что могут собой представлять собой элементы выборки, рассказывается в параграфе А2 МСА 530). При этом не прошедшая тестирования часть данных (проверить все в любом случае невозможно) не должна превышать критерии существенности.

Важное замечание по поводу третьего шага, связанного с корректировкой параметров инструмента после первого использования и получения неудовлетворительных (отличающихся от первоначальных ожиданий аудитора) результатов. Как отмечают авторы нового руководства, следующие причины не должны обуславливать собой корректировку изначально заданных параметров:

  • Большой объем работы. Искусственное снижение объема работы через корректировку параметров недопустимо, поскольку это может привести к неполучению в достаточном объеме аудиторских доказательств. Если установленные параметры приводят к появлению исключений, соответствующих ожиданиям аудитора, просто их оказывается слишком много, чтобы провести по ним тестирование на следующем этапе работы, пересматривать следует план аудита с последующим выделением адекватных ресурсов, а не параметры инструмента для анализа популяции аудиторских данных. Про планирование аудита подробнее см. МСА (ISA) 300 “Планирование аудита финансовой отчетности”, параграфы 2 и 8(е).
  • Желание получить примерно то же самое количество “выбросов”, что и в предыдущий раз (в прошлом отчетном периоде). Конечно, если это уже не первая аудиторская проверка одного и того же клиента, аудитору при формировании ожиданий сильно поможет более полное представление о клиентской организации и ее окружении, но работа с потенциальными исключениями должна осуществляться на основе ожиданий, актуальных для текущего отчетного периода.
  • Желание уменьшить число исключений, если заранее известно, что используются данные ненадлежащего качества. В этом случае, как писалось выше, сначала необходимо что-то сделать с качеством данных (путем ли очистки, или же разделения популяции данных, если это возможно), и лишь затем применять инструмент.

И напротив, наилучшие примеры из практики, когда проводится корректировка параметров, отличаются:

  • Тщательно проведенным анализом полученных в первый раз “выбросов”, потому что далеко не факт, что даже в случае большого их числа параметры использования инструмента нуждаются в корректировке. Именно здесь уже начинают в полной мере применяться знания аудитора об особенностях проверяемой организации и ее окружения, потому что это поможет объяснить хотя бы часть полученных “выбросов” и обосновать более детальное изучение оставшейся необъясненной части.
  • Обсуждениями с менеджерами проверяемых организаций для выработки более детального понимания данных и потенциальных связей. Подробнее см. МСА 520 по аналитическим процедурам, параграфы А5 и А12.
  • Перепроверкой анализируемых данных, если невозможно получить достаточное представление об особенностях организации и ее окружения: это позволит хотя бы понять, являются ли данные достаточного качества, чтобы их использование в аудиторском процессе было обоснованным.

Ситуация из аудиторской практики

Вот пример гипотетической ситуации - упрощенного варианта применения всей изложенной до сих пор логики. Предположим, аудитору нужно проверить учет выручки. Для этого он выбирает инструмент по работе с данными - некую бухгалтерскую программу, которая последовательно перебирает соответствие Cr (по статье выручки) и Dr (по статьям наличных средств либо счетов, ожидаемых к оплате). В идеале, в соответствии с принципами двойной записи, здесь должно быть полное соответствие, однако на деле бывает не всегда так, причем это еще не признак существенного искажения.

Аудитор заранее изучил данные по счетам к оплате и наличности у проверяемой организации и поэтому перед использованием инструмента формирует определенные ожидания. И вот первое применение инструмента анализа данных выявляет большое число аномалий, когда “дебет с кредитом”, как говорится, “не сходятся”. Но ведь вполне нормально, что в современном мире значительное число покупок оплачивается, например, с помощью подарочных сертификатов. Если он это знает, маловероятно, что аудитор сочтет большую часть “выбросов” достаточно интересной, чтобы разбираться с ними более подробно. Поэтому после первого применения он или она, вероятно, вернется на шаг назад и учтет возможность использования подарочных сертификатов, чтобы затем перезапустить программу и получить “более интересные” аномалии в данных, которые уже стоят внимания (впрочем, прежде чем сделать это, необходимо будет все же получить представление о том, как много подарочных сертификатов предоставила своим клиентам организация, а это как раз вопрос понимания ее самой и делового окружения).

После того как процедура анализа аудиторских данных будет завершена, аудитор приступает к тестированию исключений, ориентируясь на стандартные процедуры проведения аудиторской выборки данных, которые применяет его организация, но при этом корректируя их, если того требуют положения стандарта МСА 530.

Теги: аудиторские данные  FRC  аудиторское руководство  методы анализа данных  анализ аудиторских данных  Совет по финансовой отчетности  аудиторы  качество аудита  аудиторские доказательства  риск существенного искажения  оценка риска  планирование аудита  ауд