Nota del Editor de AECHILE
El documento que se acompaña está para consultas hasta el 15 de febrero del 2017 se centra en el uso de Data Analytics que es ( fuente wikipedia, resumida )
el proceso de inspeccionar, limpiar, transformar y modelar datos con el objetivo de descubrir información útil , lo que sugiere conclusiones, y el apoyo a la toma de decisiones. Análisis de los datos tiene múltiples facetas y enfoques, que abarca diversas técnicas bajo una variedad de nombres, en diferentes negocios, la ciencia, y los dominios de las ciencias sociales.
La minería de datos es una técnica de análisis de datos en particular que se centra en el modelado y el conocimiento para el descubrimiento de predicción en lugar de fines meramente descriptivos. La inteligencia de negocios abarca el análisis de datos que se basa en gran medida de la agregación, centrándose en la información de la empresa. En las aplicaciones estadísticas , algunas personas se dividen análisis de datos en la estadística descriptiva , análisis exploratorio de datos (EDA), y análisis de datos de confirmación (CDA). EDA se centra en el descubrimiento de nuevas características en los datos y CDA en confirmar y verificar hipótesis existentes. El análisis predictivo se centra en la aplicación de modelos estadísticos para el pronóstico predictivo o la clasificación, mientras que el análisis de texto se aplica estadística, lingüísticas y técnicas estructurales para extraer y clasificar la información de texto fuentes, una especie de datos no estructurados . Todos son variedades de análisis de datos.
La integración de datos es un precursor de análisis de datos y análisis de datos está estrechamente ligada a la visualización de datos y la difusión de datos. El término análisis de datos se utiliza a veces como sinónimo de modelado de datos .
Después de leer el documento se puede concluir que se trata de maximizar el tiempo del auditor adicionalmente al trabajo manual descubriendo nuevas visiones, relaciones e inconsistencias con manejo de los datos totales en lugar de muestras y mejorando las conclusiones
Para publicar este documento debe tenerse en cuenta que esta vez IAASB lo ha permitido , pero trascribiendo la siguiente nota:
Nota
Copyright September 2016 by IFAC. All rights reserved. Permission is
granted to make copies of this work to achieve maximum exposure and
feedback provided that each copy bears the following credit into Copyrigt
September 2016 by the International Federation of Accountants or IFAC . All
rights reserved Used with permission of IFAC.
Descargar PDF (543 kb)
