El documento trata sobre auditoría interna y análisis avanzados. Define la auditoría interna como una actividad independiente y objetiva de aseguramiento y consulta que agrega valor y mejora las operaciones de una organización. Explica que el análisis avanzado examina datos utilizando técnicas sofisticadas más allá de la inteligencia de negocios tradicional para descubrir información más profunda y generar recomendaciones. También presenta guías de auditoría de tecnología sobre temas como el análisis de datos, auditoría continua

1. Auditoría y Advanced Analytics

4. John C. Maxwell
Las 21 cualidades indispensables de un líder
Incluso la decisión correcta
es equivocada si se hace
demasiado tarde

5. La tecnología ha cambiado el paisaje
DIGITALIZACIÓN TRANSFORMACIÓ

6. Decisiones Eficiente y ráp
experienciadatos

7. MIPPAI 2017
DEFINICIÓ
• La auditoría interna es una actividad
independiente y objetiva de
aseguramiento y consulta, concebida
para AGREGA VALOR y MEJORAR las
operaciones de una organización.
• Ayuda a una organización a cumplir
sus objetivos aportando un enfoque
sistemático y disciplinado para evaluar
y mejorar la eficacia de los procesos
de gestión de riesgos, control y
gobierno.

8. Advanced Analytics es el examen autónomo o
semiautónomo de datos o contenido utilizando técnicas
y herramientas sofisticadas, generalmente más allá de
las de la inteligencia empresarial tradicional (Business
Intelligence - BI), para descubrir información más
profunda, hacer predicciones o generar
recomendaciones. Las técnicas analíticas avanzadas
incluyen aquellas como minería de dato, aprendizaje
automático, coincidencia de patrones, pronósticos,
visualización, análisis semántico, análisis de
sentimientos, análisis de redes y grupos, estadísticas
multivariadas, análisis de gráficos, simulación,
procesamiento de eventos complejos, redes neuronales.
https://es.wikipedia.org/wiki/Gartner_(empresa)
Glosario de Gartner

9. Business
Intelligence
Big Data
CLO
UD
Data Science
Data Analytics
Data Warehouse
Data Mining
Big Data Analytics
Technologies
Storage
Projects
Information
metrics
Performance
Modeling
Knowle
dge
Tools
business analyst
OPEN dATABalanced Score
Strategic Maps key performance indic
result indicators
Data monetization
Emerging technologies
etl
Data Lake
Machine
Learning
ROBOT
Business analytics

10. MIPPAI 2017 Guías de Auditoría de Tecnología Global (GTAG)

11. GTAG 16
Tecnologías de análisis de datos
• Entender por qué el análisis de datos es
significativa.
• Saber cómo proporcionar aseguramiento
de manera más eficiente con el uso de la
tecnología de análisis de datos.
• la aplicación de la tecnología de análisis
de datos dentro de su departamento.
• Saber cómo incorporar el análisis de
datos en su organización.
• Reconocer las oportunidades, tendencias
y ventajas de hacer uso de la tecnología
de análisis de datos.
Guías de Auditoría de Tecnología Global

12. GTAG 3
Auditoría continua: Implicaciones para la seguridad,
monitoreo y evaluación del riesgo
• El papel de la auditoría continua en el
entorno de auditoría interna
• Relación de la auditoría continua,
monitoreo continuo y aseguramiento
• La aplicación y ejecución de la auditoría
continua
• Beneficios de un enfoque continuo,
integrado
Guías de Auditoría de Tecnología Global

13. GTAG 13
Detección y prevención del fraude en un mundo
automatizado
• Guía para los directores ejecutivos de
auditoría y los auditores internos sobre
cómo utilizar la tecnología para ayudar a
prevenir, detectar y responder al fraude.
• Un proceso paso a paso de un programa
de auditoría de prevención del fraude.
• Explicación de los diversos tipos de
análisis de datos para la detección de
fraude
• Una plantilla de evaluación del riesgo de
fraude tecnología
Guías de Auditoría de Tecnología Global

14. Control
insuficiente
Costo/Beneficio de los Controles
Equilibrio
óptimo de los
controles
Nivel de garantía de los controles Elevado
100%
Control
excesivo
Bajo
Elevado
Impactofinanciero($)

15. Control
insuficiente
Monitoreo de Controles
Nivel de garantía de los controles Elevado
100%
Control
excesivo
Equilibrio
óptimo de los
controles
Aumentar la garantía de los controles
Facilitar el cumplimiento de las normas
Aumentar la visibilidad y la independencia
IIA - GTAG 3 Auditoría Continua
Bajo
Elevado
Impactofinanciero($)
Retorno de la inversión en
controles

16. Monitoreo exhaustivo
de los controles internos
Esfuerzo sustancial /
mas recursos
Menor
esfuerzo
Menor Monitoreo
de los
controles

17. Universo de datos
información
conocimiento
inteligencia

19. herramien

20. Que pasó?
Por qué
paso?
Que esta
pasando?
Que
pasará?

21. Data Mining

22. Descriptivo y diagnó

23. Data Science
Predictive Analytics:
describe lo que sucederá
Prescriptive Analytics : lo
que debería suceder
buscando mejorar el
resultado esperado

24. Entender el
Negocio
Enfoque analítico
Requisitos de la
Información
Obtener
datos
Entender los
Datos
Preparación de
los
Datos
Modelado
Evaluación
Desarrollo
Feedback
CRISP-DM (Cross Industry Standard Process for
Data )Mining)
ASUM-DM de IBM - Metodologia para Data
Science

25. Entender el
Negocio
Enfoque analítico
Entender el problema
• Entender los objetivos y requerimientos del proyecto
• Definir cual es el problema
• Investigar y obtener los requerimientos
• Convertirlo en un problema estadístico
EL PROBLEMARentabilidad
• Reducción de ventas (colocación / captación)
• Costos (mismos costos o incremento)

26. Requisitos de la
Información
Obtener
datos
Entender los
Datos
Obtenerladata
• Entender la
arquitectura de datos
• Listar y preparar los
orígenes de datos
• Crear un diccionario
de datos
• Verificar la integridad
de los datos

27. Requisitos de la
Información
Obtener
datos
Entender los
Datos
Obtenerladata
• Entender la
arquitectura de datos
• Listar y preparar los
orígenes de datos
• Crear un diccionario
de datos
• Verificar la integridad
de los datos
Remuneración
Puestos
Organización
Empleados
Personas
• Datos personales
• Ubicación
• Organizacional

28. Requisitos de la
Información
Obtener
datos
Entender los
Datos
Obtenerladata
• Entender la
arquitectura de datos
• Listar y preparar los
orígenes de datos
• Crear un diccionario
de datos
• Verificar la integridad
de los datos
• ¿Qué datos se
necesitan?
• ¿Qué datos se
encuentran
disponibles?
• ¿Qué datos son
útiles?

29. Requisitos de la
Información
Obtener
datos
Entender los
Datos
Obtenerladata
• Entender la
arquitectura de datos
• Listar y preparar los
orígenes de datos
• Crear un diccionario
de datos
• Verificar la integridad
de los datos
• Cual es su
contenido
• Su formato
• Estructura
(relación entre
los elementos)

30. Requisitos de la
Información
Obtener
datos
Entender los
Datos
Obtenerladata
• Entender la
arquitectura de datos
• Listar y preparar los
orígenes de datos
• Crear un diccionario
de datos
• Verificar la integridad
de los datos

31. Preparación de
los
Datos
• Datos - Información (ordenar, sumar, estadística….)
• Data Cleaning
• Transformación de datos
• Segmentación o separación de datos

32. Modelado
• Regresión
• Clasificación
• Clustering (agrupación)
• Asociación o relación de información

34. RetoProporcionar Información y análisis que sean
útiles para la creación de resultados comerciales
positivos
Conocer al cliente
Mejorar Procesos
Gestión de riesgos
innovación

35. Ciencias Sistemas Negocios
Actores

36. BENEFICIOSMejor interpretación
Información de Valor
Pruebas de control end-to-end
Reducción de costos
Alerta temprana
Centrarnos en los riesgos
Estandarización del trabaj
Mas eficientes
Mayor
creatividad
REDUCCIÓN DE ERRORES Y FRAUDES
TRANSMISIÓN DEL CONOCIMIENTO
AMPLIACIÓN DEL ALCAN
Imagen Y REPUTACIÓN
Compresión mas profunda

37. Adaptarse
morir
Transformarse