Las Estrategias de generación de reportes en auditoría operativa: selección según disponibilidad, periodicidad y velocidad de actualización de datos
Barra lateral del artículo
Contenido principal del artículo
Resumen
El artículo presenta una guía metodológica orientada a optimizar la selección de estrategias para la generación de reportes en el contexto de la auditoría operativa. Se propone una matriz conceptual que clasifica los tipos de reportes más adecuados según tres criterios clave: disponibilidad del dato (manual o automática), periodicidad de consulta (alta o baja) y velocidad de actualización de la información (alta o baja). Se identifican cuatro formatos específicos: dashboards dinámicos en tiempo real, paneles actualizables manualmente, reportes agregados periódicos e informes analíticos detallados. Esta clasificación permite adaptar estratégicamente el formato de reporte a las necesidades específicas de cada organización. Aunque se reconoce que pueden existir condiciones particulares que requieran formatos mixtos o alternativos, la guía ofrece un marco inicial para facilitar la elección adecuada.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
1. Derechos de autor
Las obras que se publican en 593 Digital Publisher CEIT están sujetas a los siguientes términos:
1.1. 593 Digital Publisher CEIT, conserva los derechos patrimoniales (copyright) de las obras publicadas, favorece y permite la reutilización de las mismas bajo la licencia Licencia Creative Commons 4.0 de Reconocimiento-NoComercial-CompartirIgual 4.0, por lo cual se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que:
1.1.a. Se cite la autoría y fuente original de su publicación (revista, editorial, URL).
1.1.b. No se usen para fines comerciales u onerosos.
1.1.c. Se mencione la existencia y especificaciones de esta licencia de uso.
María Soledad Perfumo, Universidad Católica de Córdoba - Argentina
https://orcid.org/0000-0002-6197-1711
Es Contadora Pública, Magister en Auditoria y Doctora en Educación. En la Universidad Católica de Córdoba se desempeña como Vicerrectora de Innovación y Desarrollo, Docente de carreras de Grado y Posgrado y Directora Proyecto de Investigación. Dirección y miembro de tribunal evaluador de tesis de maestría. Fue Directora de Carrera de Posgrado Especialidad en Costos para la Gestión. Autora de diversos artículos de difusión científica. Consultora y asesora de empresas y organizaciones sin fines de lucro. Par evaluadora y consultora para la CONEAU (Argentina).
María Virginia Ares, Universidad Católica de Córdoba - Argentina
https://orcid.org/0000-0003-0339-2276
Es Contadora Pública y Magister en Contabilidad Superior. En la Universidad Católica de Córdoba se desempeña como docente de carreras de Grado. Miembro de equipo de Investigación de la Universidad Católica de Córdoba. Autora de diversos artículos de difusión científica. Consultora y asesora de empresas y organizaciones sin fines de lucro.
Citas
Ares, M., & Perfumo, M. (2023). Indicadores para la evaluación de la evolución de la matrícula en instituciones de educación superior. 593 Digital Publisher, 8(1), 24-38. doi.org/10.33386/593dp.2023.1.1052
Ares, M., Perfumo, M., Alvarez Chiabo, L. Barrera Holz, S., & Bortoletto, L. (2017). Modelo de evaluación del sistema de control interno en las organizaciones en el marco del informe COSO. Primera Parte. Profesional y Empresaria (D＆G), 18(219). https://documento.errepar.com/doctrina/20171109142839410
Baskerville, R., Baiyere, A., Gregor, S., Hevner , A., & Rossi, M. (2018). Design Science Research Contributions: Finding a Balance between Artifact and Theory [Contribuciones a la investigación en ciencias del diseño: Equilibrio entre artefacto y teoría]. Journal of the Association for Information Systems, 19(5), 358-376. https://doi.org/10.17705/1jais.00495
Brynjolfsson, E., & McElheran. K. (2016). The Rapid Adoption of Data-Driven Decision-Making [Rápida adopción de la toma de decisiones basada en datos]. American Economic Review, 106(5), 133-39. https://doi.org/10.1257/aer.p20161016
Chang, R. M., Kauffman, R. J., & Kwon, Y. (2014). Understanding the paradigm shift to computational social science in the presence of big data [Entender el cambio de paradigma hacia las ciencias sociales computacionales en presencia de big data]. Decision Support Systems, 63, 67-80. https://doi.org/10.1016/j.dss.2013.08.008
Chaudhuri, S., Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology [Panorama de la tecnología de inteligencia empresarial]. Communications of the ACM, 54(8), 88–98. https://doi.org/10.1145/1978542.1978562
Chen, M., Mao, S., & Liu, Y. (2014). Big data: A survey [Big Data: un estudio]. Mobile Networks and Applications, 19(2), 171-209. https://doi.org/10.1007/s11036-013-0489-0
Cordero Aparicio, J. (2016). Introducción a la auditoría operativa en el Ministerio de Defensa. Ministerio de Defensa. https://publicaciones.defensa.gob.es/introduccion-a-la-auditoria-operativa-en-el-ministerio-de-defensa-18912.html
Córdova Viera, Y., Martínez Borrego, & Córdova Viera, E. (2021). Propuesta de metodología para el diseño de dashboard. Revista Cubana de Transformación Digital, 2(3), 56-76. https://doi.org/10.5281/zenodo.5545998
COSO. (2013). Control Interno. Marco Integrado. Instituto de Auditores Internos de España.
de la Peña Gutiérrez, A. (2014). Auditoría. Un enfoque práctico. Paraninfo
IAIA. (s.f.). Instituto de Auditores Internos de Argentina. https://iaia.org.ar/
IGAE. (2007). Indicadores de Gestión en el ámbito del Sector Público. Ministerio de Economía y Hacienda. https://www.igae.pap.hacienda.gob.es/sitios/igae/es-ES/Contabilidad/ContabilidadPublica/ContabilidadPublicaLocal/Documents/IndicadoresGestion.pdf
IFAC. (2021). Manual de pronunciamientos internacionales de control de calidad, auditoría, revisión, otros encargos de aseguramiento y servicios relacionados. IAASB.
Montero, I., & León, O. G. (2007). A guide for naming research studies in Psychology [Guía para nombrar los estudios de investigación en Psicología]. International Journal of Clinical and Health Psychology, 7(3), 847-862. https://www.aepc.es/ijchp/GNEIP07_es.pdf
Muñoz Bernart, O. S. (2011). La información contable prospectiva. Consideraciones para el uso de la información interna en la elaboración de estados prospectivos. Contabilidad y decisiones, (3), 45-82. https://revistas.bibdigital.uccor.edu.ar/index.php/CyD/article/view/843
Pauwels, K., Ambler, T., Clark, B. H., LaPointe, P., Reibstein, D., Skiera, B., Wierenga, B., & Wiesel. T. (2009). Dashboards as a Service: Why, What, How, and What Research Is Needed? [Dashboards como servicio: ¿Por qué, qué, cómo y qué investigación es necesaria?]. Journal of Service Research, 12(2), 175-189. https://doi.org/10.1177/1094670509344213
Rojas Crotte, I. R. (2011). Elementos para el diseño de técnicas de investigación: una propuesta de definiciones y procedimientos en la investigación científica. Tiempo de educar, 12(24), 277-297. https://www.redalyc.org/articulo.oa?id=31121089006
Vaca Castro, R. (2024, 9 de septiembre). Dashboard en auditoría interna: evolución en la presentación de datos. Veritas. https://www.veritas.org.mx/Normatividad/Auditoria/dashboard-en-auditoria-interna-evolucion-en-la-presentacion-de-datos
Viloria, N. (2005). Factores que inciden en el sistema de control interno de una organización. Actualidad Contable FACES, 8(11), 87-92. http://erevistas.saber.ula.ve/index.php/actualidadcontable/article/view/9286
Wamba, S., Gunasekaran, A., Akter, S., Ren, S., Dubey, R., & Childe, S. (2017). Big data analytics and firm performance: Effects of dynamic capabilities [Análisis de big data y rendimiento empresarial: efectos de las capacidades dinámicas]. Journal of Business Research, 70, 356-365. https://doi.org/10.1016/j.jbusres.2016.08.009
Wang, Y., Kung, L., & Byrd, T. (2018). Big data analytics: Understanding its capabilities and potential benefits for healthcare organizations [Análisis de big data: comprender sus capacidades y beneficios potenciales para las organizaciones de atención médica]. Technological Forecasting and Social Change, 126, 3-13. https://doi.org/10.1016/j.techfore.2015.12.019
WorkMeter. (2020). El poder de la Inteligencia Artificial en la Gestión Empresarial. https://www.workmeter.com/blog/el-poder-de-la-inteligencia-artificial-en-la-gestion-empresarial/
Yigitbasioglu, O., & Velcu, O. (2012). A review of dashboards in performance management: Implications for design and research [Una revisión de los cuadros de mando en la gestión del rendimiento: implicaciones para el diseño y la investigación]. International Journal of Accounting Information Systems, 13(1), 41-59. https://doi.org/10.1016/j.accinf.2011.08.002