Analítica de Datos: Nuevas técnicas de Auditoría

Autores/as

  • Eduardo Leyton Facultad de Economía y Negocios, Universidad Alberto Hurtado

DOI:

https://doi.org/10.11565/oe.v1i198.578

Palabras clave:

Computación estadística, Auditoría analítica, Detección de fraude, Minería de datos, Análisis predictivo

Resumen

El artículo examina cómo el avance de la computación estadística ha transformado diversos campos, incluyendo la auditoría. Durante más de dos décadas, la auditoría ha utilizado técnicas asistidas por computador (CAAT) como hojas de cálculo avanzadas y software especializado (ACL, IDEA). Sin embargo, estas herramientas ya no son suficientes debido a la creciente complejidad de las relaciones humanas, gestión organizacional y el volumen de información digital. El autor propone aplicar la computación estadística a la auditoría mediante software como R, Python, SAS y SPSS, siguiendo un proceso estructurado que incluye la identificación del contexto, importación de datos, análisis estadístico descriptivo, detección de patrones anómalos (como los basados en la Ley de Benford) y modelación predictiva. Esto permitiría no solo auditar datos numéricos sino también textos y contenido visual. El artículo concluye que la profesión debe evolucionar hacia una "Auditoría Analítica Predictiva" y destaca que la Universidad Alberto Hurtado ha incorporado este enfoque en su currículo para Contador Público Auditor.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Christopher, J. (2020). Audit Analytics, Data Science for The Accounting Profession. Springer

Fernandez-Aviles, G. (2024). Fundamentos de Ciencia de Datos con R. McGrawHill

García, J. (2018). Ciencia de Datos, Técnicas Analíticas de Aprendizaje Estadístico. Alfaomega.

Guisande, C. (2011). Tratamiento de Datos con R, Statistica y SPSS. Diaz de Santos.

Analítica de Datos

Descargas

Publicado

2025-05-09

Cómo citar

Leyton, E. (2025). Analítica de Datos: Nuevas técnicas de Auditoría. Observatorio Económico, 1(198), 2–4. https://doi.org/10.11565/oe.v1i198.578

Número

Sección

Artículos