ดร.สุทธิ สุนทรานุรักษ์
Office of the Comptroller and Auditor General of India (CAG) หรือ สตง.อินเดีย ให้ความสำคัญกับเรื่อง Data Analytics ในการตรวจสอบงบประมาณแผ่นดินและรายได้ภาครัฐ เนื่องจากอินเดียเป็นประเทศใหญ่ แต่ละปีรัฐบาลอินเดียใช้งบประมาณมหาศาลในการพัฒนาประเทศ ด้วยเหตุนี้ สตง.อินเดียจึงมีบทบาทสำคัญในการตรวจสอบความถูกต้อง เหมาะสม ความโปร่งใส และความคุ้มค่าในการใช้จ่ายเงินแผ่นดิน
ดังนั้น การนำ Data Analytics (DA) มาใช้ในงานตรวจสอบจึงเป็นสิ่งจำเป็นที่ สตง.อินเดียต้องปรับตัวให้ทันกับปัจจัยภายนอก ประกอบกับการนำ DA มาใช้เป็นการเพิ่มประสิทธิภาพการทำงานตรวจสอบให้รวดเร็วและแม่นยำขึ้น
ปี ค.ศ. 2015 สตง.อินเดียในยุคของ Shashi Kant Sharma ที่ดำรงตำแหน่งผู้ว่าการตรวจเงินแผ่นดินหรือ Auditor General ได้วางนโยบายการบริหารจัดการเรื่อง Big Data เพื่อใช้ในงานตรวจสอบ นโยบายดังกล่าวทำให้ สตง.อินเดียเริ่มก่อตั้งศูนย์บริหารจัดการและวิเคราะห์ข้อมูล (The Center for Data Management and Analytics: CDMA) โดย CDMA นับเป็นหน่วยงานภายในที่มีบทบาทสนับสนุนการพัฒนางานตรวจสอบทุกประเภทโดยใช้ Data Analytics เข้ามาช่วย
ต่อมาในปี 2017 สตง.อินเดียได้ประมวลความรู้และประสบการณ์การพัฒนาเรื่อง DA ที่ใช้ในการตรวจเงินแผ่นดิน (ระยะแรก) โดยเผยแพร่ Guidelines on Data Analytics ให้ผู้ตรวจสอบและผู้สนใจเรื่องดังกล่าวได้รับทราบถึงความเชื่อมโยงและความสำคัญของเรื่อง DA กับการทำงานตรวจเงินแผ่นดิน
ทั้งนี้ สาระสำคัญของ Guidelines ฉบับนี้ คือ การชี้ให้เห็นประโยชน์ของการนำ DA มาใช้ในกระบวนการทำงานตรวจเงินแผ่นดินตั้งแต่ (ก) วางแผนการตรวจสอบ (use of DA in audit planning) (ข) การปฏิบัติงานตรวจสอบ (audit execution) และ (ค) การรายงานผลการตรวจสอบ (audit reporting)
ที่มาภาพ : https://images.financialexpress.com/2016/07/CAG-pti-L.jpg
ในแง่การวางแผนตรวจสอบนั้น DA สามารถวิเคราะห์ความเสี่ยงและชี้ให้เห็นประเด็นสำคัญที่อาจเป็นข้อตรวจพบได้ก่อนที่จะลงมือตรวจสอบ (risk analysis and issue identification) ทำนองเดียวกัน DA สามารถนำมากำหนดวัตถุประสงค์การตรวจสอบได้แม่นยำขึ้น
DA ยังช่วยวิเคราะห์ธุรกรรมการเบิกจ่ายเงินของรัฐหรือ transaction ในระดับประชากรทั้งหมดได้ โดยไม่จำเป็นต้องสุ่มตัวอย่างเพื่อตรวจสอบอีกต่อไป
…แน่นอนว่าย่อมเป็นผลดีต่อการวางแผนการตรวจสอบที่ตรงประเด็นและมีความชัดเจนมากขึ้น
ในแง่การปฏิบัติงานตรวจสอบ DA วางกระดาน (dashboards) ให้ผู้ตรวจสอบในทีมสามารถเข้าถึงข้อมูลได้พร้อมๆ กัน ทุกคนสามารถเห็นข้อมูลจากกระดานเดียวกัน ย่อมทำให้ผลการวิเคราะห์ข้อมูลนั้นมองรอบด้านขึ้น นอกจากนี้ การใช้วิธีการวิเคราะห์แบบเจาะลงไป (drill down analysis) นับเป็นประโยชน์ต่อทีมตรวจสอบ
ในแง่การรายงานผลการตรวจสอบ DA สามารถเช็คได้ว่าผลการตรวจสอบจากกระบวนการตรวจสอบนั้นเป็นไปตามมาตรฐานการตรวจสอบที่กำหนดไว้หรือไม่ (auditing standards) เนื่องจาก สตง.อินเดียกำหนดมาตรฐานการตรวจสอบไว้สอดคล้องกับมาตรฐานสากล
ขณะเดียวกัน การรายงานผลการตรวจสอบสามารถทำในรูปแบบ visualization ได้มากขึ้น สามารถสื่อสารทำความเข้าใจได้ง่ายขึ้น ไม่ว่าจะเป็น scatter plots หรือ box plots
ปัจจุบัน สตง.อินเดียนำ DA มาใช้กับการตรวจสอบในทุกลักษณะงานแล้ว ทั้งการตรวจสอบการดำเนินงาน (performance audit) การตรวจสอบการปฏิบัติตามกฎหมายและระเบียบ (compliance audit) และการตรวจสอบการเงิน (financial audit) โดยการนำ DA มาใช้ ทำให้การตรวจสอบทุกลักษณะงานรวดเร็วขึ้น ตรงประเด็นมากขึ้น และสื่อสารง่ายขึ้น
อย่างไรก็ดี นับตั้งแต่ปี 2015 เป็นต้นมา สตง.อินเดียอยู่ระหว่างการเรียนรู้ พัฒนา และลองผิดลองถูกกับเรื่อง DA แต่น่าสนใจว่า ในการพัฒนาเรื่องนี้ ทั้ง สตง.อินเดียและ สตง.จีน (National Audit Office of Republic China: CNAO) ต่างเป็นองค์กรตรวจเงินแผ่นดิน “ต้นแบบ” ที่เล่นเรื่องนี้ในเวทีนานาชาติ
โลกการตรวจเงินแผ่นดินในอนาคตที่องค์กรตรวจเงินแผ่นดินทั่วโลกต่างต้องเผชิญ คือ การนำเอา machine learning หรือ cognitive computing หรือ artificial intelligence มาใช้ โดยงานตรวจสอบจำพวกการตรวจสอบที่ซ้ำๆ เป็นประจำ (routine audit work) จะถูกแทนที่ด้วยโปรแกรมอย่าง robotics ที่สามารถประยุกต์ใช้วิธีการวิเคราะห์ เปรียบเทียบ เช่น การตรวจสอบใบสำคัญ ตรวจสอบการจัดซื้อจัดจ้าง ตรวจสอบสัญญา
…การตรวจสอบแบบ routine audit work นี้ สตง.อังกฤษ (National Audit Office) เคยทำนายว่าอีกไม่กี่ปี AI จะเข้ามาแทนที่การทำงานของผู้ตรวจสอบงานลักษณะนี้
ขณะที่การตรวจสอบงานจำพวก non-routine audit work ตัว machine learning จะมาช่วยในเรื่อง predictive analytics หรือการวิเคราะห์เชิงคาดการณ์ ที่ทำให้เราสามารถประมาณการความเสียหายจากความผิดพลาดในข้อบกพร่องจากการใช้เงินแผ่นดินได้
ทั้งหมดนี้คืออนาคตข้างหน้าที่กำลังรอพวกเราอยู่ การปรับตัวขององค์กรตรวจเงินแผ่นดินทั่วโลก ควรเริ่มให้ความรู้เกี่ยวกับ DA กับผู้ตรวจสอบก่อนเป็นอันดับแรก เพื่อให้มีความเข้าใจพื้นฐานเรื่องข้อมูลที่สำคัญและจำเป็นต่อการตรวจสอบ รวมถึงความสามารถในจัดกลุ่มข้อมูลแยกแยะประเภทข้อมูลว่าข้อมูลประเภทใดที่สำคัญ ข้อมูลประเภทใดเป็นเพียงข้อมูลสนับสนุน
ท้ายที่สุด ผู้ตรวจสอบในอนาคตควรมีความเข้าใจเกี่ยวกับสถิติที่จะต้องนำมาใช้ทั้งในแง่พรรณา (descriptive analytics) การวินิจฉัยข้อมูลเพื่อหาความสัมพันธ์ของสาเหตุและผลกระทบจากข้อบกพร่องในการใช้จ่ายเงินแผ่นดิน (diagnostic analytics) การพยากรณ์สิ่งที่กำลังเกิดขึ้น หากหน่วยงานรัฐใช้จ่ายเงินงบประมาณผิดพลาด (predictive analytics) รวมถึงการวิเคราะห์แบบให้คำแนะนำเพื่อให้การใช้จ่ายเงินภาษีคุ้มค่ามากที่สุด (prescriptive analytics)
ข่าวหรือบทความที่เกี่ยวข้อง
