Embracing Textual Data Analytics in Auditing with Deep Learning

Abstract

While the massive volume of text documents from multiple sources inside and outside of the company provides more information for auditors, the lack of efficient and effective technology solutions hampers the full use of text data. Powered by the emerging data analytics technology of deep learning, the value of the text can be better explored to deliver a higher quality of audit evidence and more relevant business insights. This research analyzes the usefulness of the information provided by various textual data in auditing and introduces deep learning, an evolving Artificial Intelligence approach. Furthermore, it provides a guide for auditors to implement deep learning techniques with predeveloped tools and open-source libraries

Mientras que el volumen masivo de documentos de texto de múltiples fuentes dentro y fuera de la compañía supone más información para los auditores, la falta de soluciones tecnológicas eficientes y efectivas obstaculiza el uso de información. Gracias a la tecnología emergente de análisis de datos de aprendizaje profundo, el valor del texto puede explorarse mejor para obtener una mayor calidad de evidencia de auditoría y una información empresarial más relevante. Esta investigación analiza la utilidad de la información obtenida de varios datos textuales en auditoría e introduce el aprendizaje profundo, un enfoque de inteligencia artificial en desarrollo. Ofrece además indicaciones para que los auditores implementen técnicas de aprendizaje profundo con herramientas previamente desarrolladas y librerías de código abierto.