Dữ liệu lớn thúc đẩy hiệu quả hoạt động của các cơ quan kiểm toán tối cao

Phó Chủ tịch Quốc hội Nguyễn Đức Hải phát biểu tại Hội nghị. Ảnh: PV

Từ ngày 10-12/9, tại tỉnh Ninh Bình, hơn 100 đại biểu trong nước và quốc tế đã tham dự Hội nghị Nhóm công tác Dữ liệu lớn của Tổ chức quốc tế Các cơ quan Kiểm toán toán tối cao (INTOSAI WGBD) lần thứ 8 do Kiểm toán nhà nước (KTNN) Việt Nam đăng cai tổ chức.

Quản trị dữ liệu giúp nâng cao năng lực của các SAI

Theo Ủy viên Ban Chấp hành Trung ương Đảng, Tổng Kiểm toán nhà nước Ngô Văn Tuấn, với mục tiêu chia sẻ kiến thức, kinh nghiệm giữa SAI thành viên về quản trị chất lượng dữ liệu và tiến hành các hoạt động thường niên của Nhóm công tác, KTNN Việt Nam đã đăng cai đồng tổ chức Hội nghị lần thứ 8 của INTOSAI WGBD với chủ đề “Quản trị dữ liệu - công cụ hiệu quả mới trong kiểm toán - từ góc độ chất lượng dữ liệu”.

“Đây là quyết định mạnh dạn của KTNN Việt Nam, đồng thời với sự tham gia tích cực của các SAI, tôi tin tưởng rằng Hội nghị chia sẻ nhiều thông lệ tốt, nhiều bài học kinh nhiệm quý báu, qua đó giúp các SAI, trong đó có KTNN Việt Nam nâng cao năng lực hoạt động, đóng góp tích cực vào sự phát triển chung của quốc gia mình cũng như cộng đồng các quốc gia, dân tộc” - Phó Chủ tịch Quốc hội Nguyễn Đức Hải nhận định.

Trong vai trò Trưởng Nhóm công tác INTOSAI WGBD, đại diện KTNN Trung Quốc cho biết, ứng dụng dữ liệu là cốt lõi của quản trị dữ liệu. Dữ liệu kiểm toán không chỉ theo dõi các hoạt động kinh tế của chính phủ, mà còn cung cấp những hiểu biết quý giá về hiệu quả chính sách và hiệu lực phân bổ nguồn lực. Thông qua phân tích kỹ lưỡng dữ liệu này có thể cung cấp bằng chứng khoa học cho các quyết định của chính phủ, hướng dẫn quản trị xã hội và tối ưu hóa việc phân bổ nguồn lực công. Ông Ma Wenhui - Phó Tổng Kiểm toán nhà nước Trung Quốc - cho rằng, những công nghệ mới với dữ liệu lớn, Internet vạn vật, AI đang nở rộ và tất cả các quốc gia trên thế giới hằng ngày đều sử dụng dữ liệu lớn để hiện đại hóa hệ thống quản trị xã hội, quản trị quốc gia và kiểm toán công là một cấu phần rất quan trọng quản trị quốc gia.

Tổng Kiểm toán nhà nước Ngô Văn Tuấn phát biểu tại Hội nghị. Ảnh: PV

Thực tế, các SAI toàn cầu đều ghi nhận tầm quan trọng của dữ liệu lớn trong việc thúc đẩy nâng cao chất lượng của kiểm toán. Cụ thể, với INTOSAI, trong 8 năm vừa qua, các nguồn lực dữ liệu do các thành viên của INTOSAI thực hiện đã gia tăng nhanh chóng và các công nghệ cũng được nâng cấp để ứng dụng được dữ liệu lớn rộng rãi hơn. Những nỗ lực này được thúc đẩy mạnh mẽ bởi các hoạt động của Nhóm công tác. Bên cạnh đó, các SAI thành viên còn có những nghiên cứu sâu về ứng dụng dữ liệu lớn trong lĩnh vực dịch vụ y tế và an sinh xã hội, về trí tuệ nhân tạo trong quy trình kiểm toán… để đúc rút kiến thức, kỹ năng, kinh nghiệm và chia sẻ cho các SAI thành viên.

Đối với KTNN Việt Nam, cùng với những đóng góp tích cực vào hoạt động của Nhóm công tác, Tổng Kiểm toán nhà nước Ngô Văn Tuấn cho biết thêm, KTNN đã xây dựng và ban hành các cơ chế, chính sách nền tảng, làm cơ sở cho việc triển khai các hoạt động công nghệ thông tin (CNTT); bước đầu xây dựng được kiến trúc cơ sở dữ liệu của KTNN Việt Nam. Việc triển khai dự án xây dựng kiến trúc cơ sở dữ liệu, phát triển đồng bộ hạ tầng CNTT, trung tâm dữ liệu… là bước đi mang tính đột phá, phù hợp với quá trình chuyển đổi số và bước đầu hình thành một lĩnh vực kiểm toán mới dựa trên trí tuệ nhân tạo với các phương pháp kiểm toán mới, tiếp cận trực tiếp hệ thống CNTT và dữ liệu gốc, tổ chức đối chiếu kiểm tra dữ liệu lớn mang tính hệ thống, phạm vi quốc gia.

Những thách thức cần vượt qua

Bên cạnh những thuận lợi, KTNN Trung Quốc - Trưởng Nhóm công tác INTOSAI WGBD - cho rằng, các SAI đang gặp nhiều thách thức khi dữ liệu chưa được chuẩn hóa, việc ứng dụng công nghệ còn nhiều dư địa để có thể làm tốt hơn.

Nhóm công tác INTOSAI WGBD đã đúc rút ra rằng, quản trị dữ liệu là nhiệm vụ mang tính hệ thống và phức tạp liên quan đến nhiều bên và nó giải quyết tất cả các khâu trong chuỗi giá trị. Để tăng cường quản trị dữ liệu, cần phải tập trung để phát triển, nâng cao năng lực kiểm toán và có được nỗ lực hợp tác của tất cả các bên nhằm thúc đẩy thực hiện 6 nhiệm vụ để kích hoạt dữ liệu.

Cụ thể, gồm: Xây dựng hệ thống dữ liệu và xác định rõ trách nhiệm giữa các cơ quan quản lý dữ liệu và cơ quan kiểm toán; cải thiện cơ chế quản lý, phân tích dữ liệu và chuẩn hóa dữ liệu; nâng cao hệ thống tối ưu hóa việc lưu trữ dữ liệu và các thuật toán; nâng cao hệ thống cấp phép dữ liệu để giúp các kiểm toán viên có thể tiếp cận dễ dàng hơn, hiệu quả hơn; nâng cao hiệu suất của việc ứng dụng cơ chế sáng tạo, tạo điều kiện thuận lợi cho việc tích hợp dữ liệu, phối hợp giữa kiểm toán tại chỗ và kiểm toán từ xa; đảm bảo việc tuân thủ cũng như an ninh dữ liệu thông qua việc tăng cường các hệ thống về quản lý an ninh dữ liệu.

Bên cạnh đó, TS. John Yee - Cơ quan Trách nhiệm giải trình Quốc gia Hoa Kỳ - cho hay, một thách thức khác mà các SAI đang gặp phải là số lượng các cuộc kiểm toán liên quan đến trí tuệ nhân tạo, máy học sẽ tăng theo từng năm và vượt qua được thách thức này là mấu chốt quan trọng nhất để các SAI đạt được thành công trong những năm tới.

“Chúng ta cảm thấy nhu cầu kiểm toán trí tuệ nhân tạo, máy học sẽ cao hơn, nhưng chúng ta vẫn chưa đạt được mục tiêu về khả năng xử lý dự án kiểm toán liên quan đến trí tuệ nhân tạo, máy học” - TS. John Yee nhận định.

Giải pháp để vượt qua các thách thức, theo TS. John Yee nêu rõ, trước hết, các SAI thành viên của Nhóm công tác cần được tái cấu trúc để tiếp nhận tốt những thách thức và tiến hành kiểm toán để đưa ra kết quả và khuyến nghị cải tiến phù hợp nhất. Bởi lẽ, các tổ chức kiểm toán chưa “cởi mở” khi áp dụng những công nghệ mới, phương pháp mới và công cụ phân tích mới.

Thứ hai, các SAI tuyển dụng được đội ngũ kiểm toán có kỹ năng phù hợp với các phương pháp và kỹ thuật phân tích tiên tiến. Sự phát triển công nghệ đang diễn ra với tốc độ cao, nên phải có kế hoạch và chiến lược tuyển dụng để có được năng lực đội ngũ phù hợp.

Thứ ba, các SAI cũng cần kết hợp hợp lý giữa chuyên môn hiện tại với chuyên môn phân tích cho tương lai. Nói cách khác là bắt đầu từ ngôn ngữ lập trình (R, Python, Spark, Scala…) theo nhu cầu phân tích cụ thể (lượng hóa, văn bản, không gian địa lý, thu thập dữ liệu, trực quan hóa...).

Thứ tư, các SAI cũng cần phân loại các loại hình kiểm toán theo lĩnh vực như: Quốc phòng, an ninh, chăm sóc sức khỏe, cơ sở hạ tầng... để phù hợp với các chuyên ngành phân tích dữ liệu. Đặc biệt, theo khuyến nghị của Cơ quan Trách nhiệm giải trình Quốc gia Hoa Kỳ, các SAI cần xem xét kỹ lưỡng những lĩnh vực đang tạo ra các tập dữ liệu lớn để tập trung phát triển phân tích dữ liệu phục vụ cho hoạt động kiểm toán./.

H.THOAN - X.HỒNG