The Report generation strategies in operational audit: selection according to availability, periodicity and speed of data update
Article Sidebar
Main Article Content
Abstract
The article presents a methodological guide aimed at optimizing the selection of strategies for generating reports in the context of operational auditing. A conceptual matrix is proposed that classifies the most appropriate types of reports according to three key criteria: data availability (manual or automatic), query frequency (high or low) and information update speed (high or low). Four specific formats are identified: dynamic real-time dashboards, manually updateable panels, periodic aggregate reports and detailed analytical reports. This classification allows the reporting format to be strategically adapted to the specific needs of each organization. Although it is recognized that there may be particular conditions that require mixed or alternative formats, the guide offers an initial framework to facilitate the appropriate choice.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
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
Public Accountant and Master in Auditing. She hold the office of the Vice Chancellor of Economics at the Catholic University of Córdoba. Professor of Undergraduate and Postgraduate courses, Director of research. Director and member of the examination jury for master's thesis. She was Director of the post-graduate program Specialization in Cost Management. Author of various scientific dissemination articles. Consultant and advisor to companies and non-profit organizations. Evaluator and consultant for CONEAU (Argentina).
María Virginia Ares, Universidad Católica de Córdoba - Argentina
https://orcid.org/0000-0003-0339-2276
Public Accountant and Master in Accounting. At the Catholic University of Cordoba she works as a teacher of Undergraduate degrees. Research Proyect Member. Author of various articles for scientific dissemination. Consultant and advisor to companies and non-profit organizations.
References
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