1

UNIVERSIDAD RAFAEL URDANETA

VICERRECTORADO ACADEMICO
FACULTAD DE CIENCIAS POLITICAS, ADMINISTRATIVAS Y SOCIALES
ESCUELA DE CONTADURIA PÚBLICA

DATA ANALYTICS COMO TECNICA PARA LA OBTENCION DE EVIDENCIA DE

AUDITORÍA INTERNA EN LA EMPRESA ALIMENTOS DEL ZULIA, C.A.
Trabajo Especial de Grado para optar por el título de Licenciada en Contaduría
Pública

AUTOR:
Br. Amanda Núñez
Tutora: Licda. Marivic Molina

Maracaibo, Diciembre 2020

 2

DATA ANALYTICS COMO TECNICA PARA LA OBTENCION DE EVIDENCIA DE

AUDITORÍA INTERNA EN LA EMPRESA ALIMENTOS DEL ZULIA, C.A.

Trabajo Especial de Grado para optar al

Título de Licenciada en Contaduría
Pública
 3

INDICE GENERAL

INDICE GENERAL .......................................................................................................... 3

INTRODUCCION............................................................................................................. 5
FUNDAMENTACION ...................................................................................................... 7
Planteamiento y formulación del problema .................................................................. 7
Objetivos de la Investigación ........................................................................................ 9
Objetivo General ....................................................................................................... 9
Objetivos Específicos ................................................................................................ 9
Justificación de la Investigación ................................................................................. 10
Delimitación de la Investigación ................................................................................. 10
MARCO TEORICO ........................................................................................................ 11
Antecedentes de la Investigación ............................................................................... 11
Bases Teóricas de la Investigación ............................................................................ 13
Analítica de datos ................................................................................................... 13
Tipos de analíticas de datos ................................................................................... 14
Analítica descriptiva ........................................................................................... 14
Analítica de diagnóstico ..................................................................................... 14
Analítica predictiva ............................................................................................. 15
Analítica prescriptiva .......................................................................................... 16
Características de big data ..................................................................................... 16
Volumen ............................................................................................................. 16
Velocidad ........................................................................................................... 17
Variedad............................................................................................................. 17
Tipos de datos ........................................................................................................ 17
Datos estructurados ........................................................................................... 17
Datos no estructurados ...................................................................................... 18
Datos Semi-estructurados.................................................................................. 18
Sistematización de la Variable ................................................................................... 18
MARCO METODOLÓGICO .......................................................................................... 20
Tipo y nivel de investigación ...................................................................................... 20
 4

Diseño de la investigación .......................................................................................... 20

Sujetos de la investigación ......................................................................................... 21
Población ................................................................................................................ 21
Técnica e Instrumento de Recolección de Datos ....................................................... 22
Descripción del Instrumento ....................................................................................... 22
Propiedades Psicométricas ........................................................................................ 22
Procedimiento de la Investigación .............................................................................. 23
Plan de Análisis de Datos .......................................................................................... 23
ANÁLISIS DE LOS RESULTADOS .............................................................................. 25
Análisis y discusión de los resultados ........................................................................ 25
Objetivo de aporte ...................................................................................................... 30
CONCLUSIONES .......................................................................................................... 35
RECOMENDACIONES ................................................................................................. 36
BIBLIOGRAFIA............................................................................................................. 38
 5

INTRODUCCION
La necesidad de evolucionar que se ha originado gracias a la apertura de
nuevos mercados y sobre todo en lo que respecta a las creaciones de nuevas
tecnologías, ha traído como resultado la expansión de las empresas y aunado a ello, un
incremento del volumen de los procesos y operaciones que se llevan a cabo dentro de
ellas. En ese mismo sentido de cambio, surge también un incremento exponencial de la
información que deben manejar las empresas.
Por esa razón, se torna de vital importancia la adopción de nuevas tecnologías
para lograr capturar todo el flujo de información generado en los negocios. En ese
sentido, nace la Data Analytics, cuya finalidad consiste en examinar el conjunto de
datos que conforman dicha información y de esta forma obtener mejores conclusiones.
Es aquí donde se involucra la auditoría interna, en el sentido de que toda la información
es un aspecto relevante al momento de realizar las auditorías ya que indudablemente
forma parte de la evidencia recopilada.
Ahora bien, aun cuando la auditoría interna ha garantizado el cumplimiento
normativo y proporciona un grado de seguridad importante, actualmente puede no ser
suficiente puesto que sin lugar a dudas, los avances tecnológicos y el incremento del
volumen de los datos abren paso a la necesidad de reinvención en lo que respecta a la
auditoría interna para poder mantener su calidad y eficiencia, manteniendo así su
capacidad de contribución en la toma de decisiones.
Por estas razones, es necesario trabajar en la innovación dentro de la auditoría,
donde podría iniciarse a través de nuevas técnicas para la obtención de evidencia de
auditoría, puesto que en la nueva realidad, no resulta suficiente realizar las técnicas de
muestreo que quizás no aborden en su totalidad la información procesada. De esta
manera, servirá de ayuda la implementación de la Data analytics con objeto de servir
como una nueva técnica para la obtención de evidencia de auditoría.
Por consiguiente, el presente trabajo de investigación está centrado en analizar
el funcionamiento de esta nueva técnica de obtención de evidencia de auditoría,
estructurado de la siguiente manera: inicialmente, se presenta el capítulo I, el cual está
compuesto por el planteamiento del problema, el objetivo general y los objetivos
específicos. Así como también la justificación y la delimitación de la investigación.
Seguidamente, en el capítulo II se presenta el marco teórico que sustenta el presente
trabajo de investigación, en dicho marco se describen los antecedentes de estudio de la
investigación y la fundamentación de las bases teóricas, respectivamente.
Posteriormente, en el capítulo III, se presenta el marco metodológico de la
investigación, donde se identifica el tipo y diseño de la misma, las técnicas e
instrumentos para la recolección de los datos, la población objeto de estudio, las
propiedades psicosomáticas, como lo son la validez y confiabilidad y finalmente el plan
de análisis de datos.
Sucesivamente, en el capítulo IV, se presenta el análisis y la discusión de los
resultados obtenidos a través de la aplicación del instrumento para la recolección de
los datos, tomando en cuenta las bases teóricas que soportan la investigación. Para
 6

finalizar, se desarrolla una guía metodológica para el funcionamiento de la Data

Analytics en función de la obtención de evidencia de auditoría interna en la empresa
Alimentos del Zulia, C.A.
 7

FUNDAMENTACION
Planteamiento y formulación del problema
En la realidad actual, la mayoría de las organizaciones han crecido de manera
exponencial debido a la apertura de nuevos mercados, lo que ha acrecentado el
volumen de operaciones y, por ende, de datos relacionados a estas; por ello se ha
tornado vital la comprensión de la importancia de poseer mejores formas de capturar
todo el flujo de información que se genera en los negocios.
En base a ello, surgen las analíticas de datos con la finalidad primordial de
examinar los conjuntos de datos con la intención de obtener conclusiones acerca de la
información que contienen, a través del uso de diversos softwares y de sistemas
especializados, los cuales le agregan un valor importante a los procesos
organizacionales a partir de la extracción de conocimientos esenciales y de tendencias.
Existen compañías que conociendo estas ventajas han hecho uso de estas
herramientas obteniendo los mejores resultados, entre ellas se pueden mencionar a
Amazon, Netflix y Apple.
Ahora bien, la auditoría interna lleva tiempo garantizando el cumplimiento
normativo y aportando seguridad. Sin embargo, en la actualidad es posible que ya no
sea suficiente debido a los avances tecnológicos y el incremento del volumen de datos,
los cuales son aspectos importantes que han cambiado las reglas del juego. La
auditoría, en la mayoría de las organizaciones a nivel mundial, no han avanzado junto
con la tecnología y esto ha disminuido su calidad y su eficacia al funcionar como
actividad para contribuir en la toma de decisiones en las empresas (Deloitte, 2016).
Es notable, como las organizaciones actualmente están realizando inversiones
en tecnologías avanzadas, las cuales conllevan a un incremento exponencial de las
operaciones y por ende de la información a procesar, esto incrementa cada día más la
cantidad de procesos y data a ser auditadas, encontrando que los auditores internos
toman una pequeña muestra de esa información para cumplir con su función de
aseguramiento, disminuyendo así cada vez más el nivel de seguridad razonable en
relación al correcto funcionamiento de los procesos.
De acuerdo con el Informe de Auditoría Interna de América del Norte emitido por
el Instituto de Auditores Internos, IIA por sus siglas en inglés, del año 2018, tan solo un
62% de los directores ejecutivos de auditoría han implementado parcial o totalmente el
análisis de datos en el proceso de auditoría, representando una mejora de 42% con
respecto al año anterior, 2017; esto debido al temor que presentan ante la falta de
capacitación de sus auditores y del diseño de los procesos adecuados para la
interpretación de los datos dentro de los departamentos de auditoría interna, pudiendo
ser estas últimas erróneas y afectar la toma de decisiones de las entidades. (Pelletier,
2018)
Cabe destacar, la cuestionabilidad de la calidad de las auditorías internas
efectuadas en las empresas que manejan grandes volúmenes de información debido a
que las muestras de información limitan en gran medida la evidencia a ser obtenida por
los auditores durante la ejecución de su trabajo, teniendo en cuenta una de las
 8

características principales de la evidencia de auditoría, es decir, su suficiencia. La

mayoría de los auditores están familiarizados con las hojas de cálculos y mantienen
enfoques y metodologías tradicionales al momento de llevar a cabo sus objetivos, aun
cuando el crecimiento de los datos disponibles dentro de las organizaciones es una
realidad innegable.
A pesar de ello, muchos auditores no están habilitados con tecnologías
suficientemente robustas para las analíticas avanzadas de auditoría, las cuales
permiten la posibilidad de analizar todo un conjunto de transacciones, operaciones o
procesos, en vez de centrarse en solo una muestra; logrando no solo una evaluación
más profunda sino también más oportuna, pudiendo descubrir anomalías en tiempos
reales. (Deloitte, 2016)
Los datos son solo datos si no son trabajados, y la gran cantidad de datos vista
bajo la lupa de un proceso de muestreo por parte de los auditores genera una
desventaja, aumenta la posibilidad de dejar por fuera de los procesos de revisión
aspectos claves de los negocios, que pudieran generar ventajas en la visión global de
cómo están las organizaciones a nivel interno y externo, facilitar la toma de decisiones;
permitir innovar en procesos, productos y actividades e incluso ofrecer una ventaja
competitiva.
Es importante mencionar que las organizaciones y el entorno de los negocios
han cambiado de diferentes maneras, lo cual evidentemente demanda innovación;
encontrando así a la auditoría interna estancada en cuanto a los desarrollos
estratégicos y tecnológicos, no enfrentando tal necesidad de innovar, y mucho menos
de su reinvención.
Las auditorías se han centrado tradicionalmente en estudiar el pasado, en
analizar transacciones y otros datos de actividades pasadas; si bien esta práctica
dentro de las auditorías aumentan las garantías de que los estados financieros cumplen
las normas que regulan su elaboración, no liberan el valor de los datos. Por lo cual, el
auditor a través de las analíticas tiene la posibilidad de identificar valores atípicos,
tendencias inesperadas en los datos y visualizar las diversas áreas de riesgo.
Se encuentra entonces, el caso específico de la empresa Alimentos del Zulia,
C.A., cuya sede principal se encuentra ubicada en Maracaibo y que a su vez lleva a
cabo operaciones de distribución y comercialización en todo el territorio venezolano, así
como en parte del territorio colombiano, cuyas actividades han ido creciendo
exponencialmente a lo largo del tiempo, generando un cantidad sustancial de datos
para su procesamiento, y por ende, dificultando su revisión, seguimiento y control.
Encontrando que, el departamento de Auditoría Interna no cuenta con la cantidad
suficiente de herramientas que permitan una revisión profunda y oportuna de las
operaciones, recurriendo en muchas ocasiones a la asignación de un mayor número de
auditores para la ejecución de los encargos de auditoría, los cuales aplican técnicas de
muestreo para la selección de las partidas a ser revisadas. Aun cuando están optando
por la maximización de este recurso, existen procesos sin abarcarse adecuadamente,
 9

identificando posteriormente ciertos puntos claves de los mismos sin verificar, no

dándole una respuesta oportuna y generando impactos en los procesos.
De persistir tal situación, la función de auditoría interna perdería validez y
confiabilidad, impactando así el valor agregado suministrado a la entidad y su
posicionamiento, al generar una percepción de incapacidad en cuanto a la satisfacción
de los requerimientos de los usuarios internos de información de la entidad al no poder
identificar oportunamente anomalías o distorsiones en los procesos claves, así como al
no suministrar, desde su función de consultoría, respuestas oportunas para equipar a la
entidad ante el futuro surgimiento de riesgos emergentes, pudiendo encontrar que los
riesgos que la organización enfrente superen las habilidades y las capacidades de la
función de auditoría interna.
Es por ello, que la utilización de herramientas vinculadas con la analítica de
datos que permitan un análisis más perspicaz y profundo del pasado para todas las
transacciones procesadas, a través de la preparación de los auditores internos en el
abordaje útil e impactante de los datos, podría conllevar a un mejor posicionamiento de
la función de auditoría interna, coadyuvando de igual manera a la anticipación y gestión
de los riesgos, al establecimiento de respuestas de manera efectiva y oportuna, así
como a la satisfacción de las necesidades de los clientes, creando un valor agregado
nuevo para los mismos. En base a la problemática anteriormente descrita, se establece
la siguiente pregunta: ¿Cómo funciona la Data Analytics como técnica de evidencia de
auditoría interna en la empresa Alimentos del Zulia, C.A.?
Objetivos de la Investigación
Objetivo General
Analizar la Data Analytics como técnica para la obtención de evidencia de
auditoría interna en la empresa Alimentos del Zulia, C.A.
Objetivos Específicos
Caracterizar los tipos de analíticas de datos aplicados en la función de auditoría
interna de la empresa Alimentos del Zulia, C.A.
Identificar las características de la analítica big data evaluada por función de
auditoría interna de la empresa Alimentos del Zulia, C.A.
Determinar los tipos de datos evaluados por la función de auditoría interna de la
empresa Alimentos del Zulia, C.A.
Aporte: Proponer una guía metodológica para el funcionamiento de la Data
Analytics en función de la obtención de evidencia de auditoría interna de la empresa
Alimentos del Zulia, C.A.
 10

Justificación de la Investigación
La presente investigación es importante a nivel teórico debido a que se
sustentará en las definiciones y en los planteamientos presentados por especialistas,
autores e investigadores reconocidos en las áreas de data analytics, big data y auditoría
interna, quienes proporcionan una importante contribución científica a los conocimientos
del área de la auditoría interna en la actualidad, sirviendo de sustento a nivel teórico
gracias a la confrontación de ideas de los distintos especialistas.
A nivel práctico, la presente investigación aportará una guía metodológica, la cual
servirá para la implementación y funcionamiento adecuado de la data analytics en la
función de auditoría interna de la organización, lo cual generará un mayor valor
agregado a las actividades desempeñadas por la unidad, debido a que aumentará los
niveles de confiabilidad de la información para la toma de decisiones de toda la
organización, mejorando así las funciones de aseguramiento y consultoría de la unidad
relativas a la estimación de riesgos, prospección de las eventualidades que puedan
ocurrir dentro de la organización y del aseguramiento de eventos pasados.
La presente investigación se justifica desde el punto de vista de su aporte
metodológico debido a que se diseñó un instrumento de recolección de datos, el cual
servirá como base para futuras investigaciones relacionadas con la data analytics en
relación con la auditoría interna. Así como también, para realizar un estudio del
comportamiento de esta nueva posible técnica para la obtención de evidencia de
auditoría.
Finalmente desde la perspectiva social, esta investigación proporcionará un
aseguramiento en cuanto al funcionamiento correcto y adecuado de las analíticas de
datos existentes, y a su vez aportará una guía metodológica para el funcionamiento de
las mismas en lo referente a los procesos que se ejecuten y requieran revisión dentro
de la empresa. El hecho de que se auditen todas las operaciones de manera
instantánea y oportunamente aplicando la guía metodológica, va a generar un
aseguramiento en la información, lo cual va a beneficiar tanto a los accionistas como a
terceros e incluso a la entrega de los servicios y productos brindados a los clientes.
Delimitación de la Investigación
La investigación se llevó a cabo en el municipio Maracaibo del estado Zulia,
específicamente en el departamento de auditoría interna de la empresa Alimentos del
Zulia, C.A., cuya población objeto de estudio fue el gerente de auditoría y los jefes de
auditoría, en el periodo de tiempo comprendido de enero 2020 a diciembre 2020, cuyos
autores principales fueron Jones (2018); Mitchell, Locke, Wilson, Fuller (2012).
 11

MARCO TEORICO

Antecedentes de la Investigación
El primer antecedente a tomar en consideración es el estudio de Lugo y López
(2018) “Analítica de datos con aplicación en un caso práctico, mediante el uso de una
herramienta libre” cuyo propósito fue mostrar el estudio del arte de la analítica de datos
con el desarrollo de un caso práctico de aplicación teórica, así como también la
realización de un estudio sobre las herramientas libres más utilizadas en la analítica de
datos y finalmente seleccionar una herramienta y un caso aplicado que muestre un
modelo de analítica de datos. Las bases teóricas se fundamentan con los siguientes
autores: Witten y Frank (2005) y Rouse (2012).
Entre las conclusiones de la investigación se encontró, que en esencia, la
analítica de datos permite observar un conjunto de tecnologías y arquitecturas
diseñadas para conseguir un mejor rendimiento de grandes volúmenes de información.
Además, al realizar el estudio de las herramientas libres más comunes encontraron que
las cuatro herramientas más populares fueron: Rapidminer, WEKA, Tableau y R, siendo
WEKA la mejor herramienta para quienes desean explorar por primera vez el mundo de
las analíticas de datos, gracias a su facilidad de uso, velocidad, pocos requerimientos y
su interfaz amigable para el usuario. Por último, se denotó el factor clave para la
obtención de beneficios de la analítica de datos, el cual no depende de la capacidad
tecnológica, sino de la capacidad humana para lograr una correcta interpretación de la
información obtenida.
Por último, en cuanto al aporte que ofrece el antecedente mencionado a la
presente investigación radica en base a las conclusiones obtenidas en dicha
investigación, las cuales proporcionan un análisis adicional con respecto a las
herramientas que se emplean para efectuar las analíticas de datos, conociendo así la
opinión de los distintos usuarios de dichas herramientas, incluyendo sus necesidades.
Seguidamente, la investigación de Garvich (2017) titulada: “Propuesta de análisis
de datos no estructurados para generar decisiones oportunas en la empresa GMD.”
Tuvo como objeto determinar el impacto de implementar una propuesta de análisis de
datos no estructurados, con diferentes herramientas como IBM InfoSphere, para
generar decisiones oportunas durante la implementación de los proyectos de la
empresa GMD, utilizando como autores base a Blasiak (2014), Browne (2010), Evans
(2013), Galimany (2014); Mitchell, Locke y Wilson (2012), entre otros.
La investigación tuvo un enfoque cuantitativo de tipo no experimental, siguiendo
un proceso deductivo. Tuvo un alcance correlacional tratándose la variable
independiente: la propuesta de análisis de datos no estructurados y como variable
dependiente la generación de decisiones oportunas donde se analizó el impacto en
tiempos y costos de elaborar una propuesta de análisis de datos no estructurados para
la generación de decisiones oportunas.
Finalmente, los resultados de la investigación arrojaron que el desarrollo de la
propuesta de arquitectura de análisis de datos no estructurados con las herramientas
de la plataforma de IBM, impactan positivamente en la generación de las decisiones
 12

oportunas al reducir los tiempos de extracción, procesamiento, análisis y visualización

de datos. Así como también impactan positivamente la reducción de costos brindando
un análisis en tiempo real.
El aporte obtenido a través del antecedente mencionado, se refleja en cuanto al
soporte de referencias bibliográficas para las bases teóricas de la actual investigación.
Siendo estas las referentes a los autores Mitchell, Locke y Wilson (2012) sirviendo de
soporte teórico en cuanto a las definiciones de los tipos de datos e inclusive para la
comparación de las definiciones de las características de big data.
Por otra parte, se encuentra el trabajo de investigación titulado: “Guía práctica
para obtener evidencia de auditoría en un ambiente de sistema de información por
computadora SIC, para pequeñas y medianas firmas de auditoría en el Salvador” cuyos
autores fueron, Alvarenga, Hernández, León (2006). El propósito de la investigación
está orientado a proporcionar una guía práctica que le sirva a las firmas de auditorías
para obtener evidencia de calidad cuando la información se encuentra computarizada
cumpliendo con las normas internacionales de auditoría. Las bases teóricas se
fundamentan en autores como: Loebbecke (1996), Echenique (2003), Muñoz (2002)
entre otros.
Asimismo, la metodología de la investigación fue desarrollada en dos partes, la
primera en la recopilación de información relacionada con la obtención de evidencia de
auditoría de calidad cuando la información se encuentra en un ambiente de información
computarizada y en la segunda parte se realizó un estudio analítico descriptivo a una
muestra de 51 firmas de auditoría.
Finalmente, los resultados obtenidos en la investigación llevaron a concluir que
las firmas de auditoría, tanto medianas como pequeñas no cuentan con un instrumento
práctico de apoyo en el proceso de obtención de la evidencia de auditoría cuando la
información se encuentra en ambiente computarizado. Además, los resultados
permitieron la confirmación de que la mayoría de las firmas de auditoría no realizan las
auditorías en base a las normas internacionales de auditoría, en la obtención de
evidencia en SIC, la cual sustenta la opinión del auditor.
El aporte brindado por el antecedente mencionado a la actual investigación es
proporcionar una guía metodológica de cómo organizar y revisar la información que se
encuentra en los ambientes de sistemas de información, sirviendo de base para
complementar las analíticas de datos, siendo oportuno el hecho de que el antecedente
antes mencionado está enfocado en ambientes computarizados.
Seguidamente, se encontró otro estudio que guarda relación con la presente
investigación, titulado “La evidencia de operaciones virtuales en la auditoría de estados
financieros generados en un ambiente de sistema de información por computadora”
siendo sus autores: Lazo, Mairena, Jiménez (2002). El objetivo de dicho estudio fue
diseñar una guía de procedimientos de auditoría de diferentes áreas de los estados
financieros para la obtención de evidencia de auditoría suficiente y adecuada de
operaciones virtuales. Las bases teóricas fueron enfocadas según autores como:
 13

Echenique (1997), Philipt (1988), Taylor (1987) y las normas internacionales de

auditoría.
La metodología de la investigación fue analítico o explicativo, transversal, ya que
la investigación estaba orientada a buscar la relación entre la operación virtual y el
diseño de procedimientos de auditoría a aplicar y transversal porque el análisis parte de
la causa para llegar al efecto. En la investigación se realizaron encuestas a personas
jurídicas por el consejo de vigilancia de la profesión de contaduría pública y auditoría.
Al analizar los resultados de las firmas encuestadas el 93% coincidió en que la
obtención de evidencia de operaciones virtuales es de mucha importancia, pues
también sirven de respaldo para la opinión del auditor. Por otra parte, se determinó que
solo 10 de las firmas cuentan con los procedimientos idóneos para obtener evidencia de
auditoría suficiente y competente de las operaciones virtuales.
Tomando en cuenta lo expuesto anteriormente, el aporte de esta investigación es
que aun cuando trata la auditoría de estados financieros, habla de las operaciones
virtuales, así como también de los procedimientos para la obtención de evidencia de
auditoría, cuya guía de procedimientos funcionará como base para la adaptación de
dichos procesos a la obtención de evidencia de auditoría interna.
Bases Teóricas de la Investigación

Analítica de datos
“La analítica de datos no tiene un significado único y estándar, pero en este
punto, puede verla simplemente como la búsqueda para extraer el significado de los
datos sin procesar mediante el uso de sistemas informáticos especializados.
Esencialmente, estos sistemas organizan, transforman y modelan los datos para extraer
conclusiones y trazar patrones.” Jones, (2018)
Según lo expresado por Deloitte (2014), se refieren a la analítica de datos como
un concepto y no como una tecnología. Dicho concepto abarca un conjunto de
habilidades y procesos que sirven y trabajan entre sí para llevar a cabo la exploración,
la evaluación e investigaciones de las operaciones de negocios que se realizan
diariamente en las empresas.
De acuerdo con lo expuesto anteriormente, la analítica de datos es un proceso
de búsqueda de información en datos que no han sido procesados, pero
indudablemente la extracción de dicha información no se puede obtener sin el apoyo de
sistemas tecnológicos, los cuales dan base para formar opiniones y conclusiones
acerca de distintos aspectos que deben evaluarse en las empresas al momento de
realizar las auditorías.
Esta investigación se basará en lo expuesto por Deloitte, (2014), debido a que
además de mencionar el uso de las tecnologías para obtener información a través de
los datos, también incluye la participación de las habilidades de análisis de los
profesionales, en este caso, los auditores, quienes para realizar la búsqueda de
evidencia y hacer sus evaluaciones deben combinar sus habilidades y su experiencia
con la tecnología para tener conclusiones más exactas.
 14

Tipos de analíticas de datos

Evans y Lindner, (2012) quienes expresan que el análisis empresarial puede
realizarse a través de los siguientes tres tipos de analíticas: analíticas descriptivas,
analíticas predictivas y analíticas prescriptivas. Sin embargo, Jones (2018) define cuatro
tipos de analíticas de datos: analíticas descriptivas, de diagnóstico, predictiva y
prescriptivas.
Tomando en cuenta la clasificación expuesta por ambos autores, la presente
investigación se basará en lo expuesto por Jones (2018), dado que incluye la analítica
de diagnóstico, la cual puede ser útil debido a que en el ámbito de la auditoría interna
no solo es importante descubrir qué sucedió, sino también por qué sucedió para
posteriormente los auditores puedan dar sus recomendaciones para solventar o mejorar
las debilidades y problemas encontrados.
Analítica descriptiva
Jones (2018), expresa que la analítica de datos es el tipo de analíticas más
común, ellas se basan en ofrecer una amplia visión de medidas y métricas importante
dentro de las empresas. Así como también, realiza un análisis de los datos disponibles
en tiempo real en conjunto con datos históricos para lograr obtener información
relevante acerca del futuro de la empresa. El objetivo primordial de este tipo de analítica
consiste en ser de ayuda para la búsqueda del porqué, de las razones que explican el
éxito o el fracaso del pasado.
Por otra parte, Evans y Lindner, (2012) definen la analítica descriptiva como
aquella en donde se analiza el pasado y los eventos actuales utilizando los datos
históricos y los resume en gráficos e informes significativos para profundizar en los
datos y comprender el impacto de ellos. Ambos autores concuerdan en que este tipo de
analíticas es el más común en todas las organizaciones.
Según lo expresado anteriormente, se fija posición con Jones (2018), debido a
su perspectiva hacia la analítica descriptiva como primer paso en el procesamiento de
datos, en esta etapa se realiza un resumen de los datos provenientes de eventos
pasados con el fin de responder a la pregunta ¿Qué sucedió? Para posteriormente
tener un mejor enfoque hacia el futuro, es decir, aprender a través de los resultados de
las acciones, decisiones o comportamientos que se efectuaron en el pasado y así influir
en los resultados que se esperan en el futuro.
Analítica de diagnóstico
“Es la determinación de los datos necesarios y los métodos útiles para recolectar
algún tipo de información dentro de la empresa. La recolección y el análisis de datos es
una de las actividades más complejas del desarrollo organizacional. Incluye técnicas y
métodos para describir el sistema organizacional y las relaciones entre sus elementos o
subsistemas, así como los modos de identificar problemas y temas importantes.” Lugo y
López (2018)
Por otra parte, Jones (2018), menciona que una vez evaluados los datos
descriptivos, las analíticas de diagnóstico permitirán obtener una mejor compresión
sobre los problemas, debido a que trabajan el análisis en profundidad, ayudando de
 15

este modo a encontrar o eliminar las causas de los problemas, por ello se obtiene una
mejor percepción sobre los mismos.
A su vez, menciona que actualmente las empresas tienen la posibilidad de hacer
avances, señalando las dependencias y discernir patrones gracias a las analíticas de
diagnóstico. Es importante que las empresas mantengan la información siempre a su
alcance de modo que la recopilación de datos no sea tan prolongada en cuanto al
tiempo. Por último, los paneles de control de información empresarial bien integrados y
diseñados que representan la lectura de los datos, los filtros y las capacidades de
desglose son las técnicas ideales para este tipo de análisis.
Según las definiciones anteriores, se puede notar una diferencia entre ambos
autores, pues no tienen el mismo enfoque hacia la analítica de diagnóstico. Para Lugo y
López (2018) este tipo de analítica está orientado a la identificación del problema. A
diferencia de Jones (2018), quien expresa que con las analíticas de diagnóstico se
busca dar respuesta a la pregunta de ¿Cuál fue la causa del problema?
En base a ello, se fija posición con Jones (2018), debido a que con las analíticas
anteriormente mencionadas no solo se identifican los problemas o debilidades de la
empresa, sino que también, la razón por la cual sucedieron y desde este punto de
vista, los resultados obtenidos a través de ella serán importantes en las auditorías para
posteriormente tomar las medidas preventivas o correctivas según sea necesario.
Analítica predictiva
Jones (2018) expresa:
La analítica predictiva implica un análisis de los patrones pasados en los datos y
tendencias para pronosticar el resultado futuro de negocios con precisión. Le
ayudará a establecer objetivos muy realistas para su compañía, así como su
ejecución efectiva. También podrá moderar las expectativas, a través de la
manipulación de los hallazgos de las analíticas de diagnóstico y las analíticas
descriptivas. La analítica predictiva emplea múltiples enfoques estadísticos y
algoritmos de aprendizaje automático, puede predecir la posibilidad de que
ocurra un evento en el futuro. Sin embargo, debe recordar que estas
suposiciones solo se basan en probabilidades y predicciones y, por lo tanto, no
tienen una precisión absoluta.
Por otra parte, Prieto (2018) define la analítica predictiva de la siguiente manera:
Es el área que trata los diversos aspectos de las técnicas estadísticas, incluidos
el modelado predictivo, la extracción de datos (data mining), el aprendizaje
automático (machine learning), y el análisis de datos actuales e históricos para
hacer predicciones de futuro. Las organizaciones empresariales hoy trabajan en
un entorno de constantes amenazas que llegan desde cualquier lugar,
competidores, condiciones de mercado inciertas, etc.
Ante estas situaciones las empresas pueden confiar en modelos predictivos para
explotar los patrones en datos transaccionales e históricos, con el fin de pronosticar el
futuro con un cierto grado de precisión. Desarrollar un modelo de predictive analytics
 16

ayuda a evaluar los riesgos usando un determinado conjunto de condiciones y permite

a las organizaciones moverse en un terreno desconocido para tomar las decisiones
correctas.
De acuerdo con lo expresado anteriormente, la analítica predictiva puede verse
como un análisis más arriesgado, pues va un paso adelante de las analíticas
descriptivas o de diagnóstico (pero igualmente apoyándose en ellas) en cuanto a que
su objetivo es predecir el futuro con un grado de precisión razonable, mas no absoluto,
basándose igualmente en datos históricos y apoyándose con diferentes técnicas y
herramientas, como las estadísticas o el aprendizaje automatizado.
Teniendo en cuenta las dos definiciones se fija posición con Jones (2018),
debido a que a diferencia de Prieto (2018) trata la analítica predictiva como un análisis y
no como un área, además hace referencia de que a través de este tipo de analíticas se
pueden crear objetivos y conseguir cumplirlos de manera efectiva lo cual resulta guarda
relación con el ámbito de la auditoría interna.
Analítica prescriptiva
Seguidamente, Jones (2018) expresa que la analítica prescriptiva es de
naturaleza compleja, cuya finalidad consiste en describir las acciones que se deben
tomar para responder a los futuros problemas, haciendo uso de los datos tanto internos
como externos, modelos matemáticos, las reglas de negocios, límites, entre otras
restricciones.
Ahora bien, para Aguado (2018) este tipo de analítica de alguna forma consigue
integrar en el proceso analítico la realización de recomendaciones acerca de las
mejores acciones a desarrollar en función de los datos. Desde la analítica prescriptiva lo
que se pretende es ofrecer ya esas soluciones de forma automatizada o, al menos, la
provisión de un conjunto de posibles soluciones con sus consecuencias asociadas.
Según lo expresado anteriormente, la analítica prescriptiva determina qué es lo
que se va a hacer, no solo en un aspecto negativo en cuanto a cómo se van a afrontar
los problemas, sino también a las vías de acción que se tomarán para cumplir con los
objetivos, todo esto con ayuda de los resultados obtenidos a través de las analíticas
anteriores.
Para efectos de esta investigación, se fija posición con Jones (2018), debido a la
sencillez con la que define la analítica prescriptiva a pesar de ser el tipo de analíticas de
mayor complejidad. Además, menciona que a través de ella se pueden planear las vías
de acción a ser tomadas para dar respuesta a los riesgos futuros de la empresa,
pudiendo incluirse también las vías de acción a tomar con respecto a las oportunidades.
Características de big data
Según Jones (2018), la big data está caracterizada principalmente por al menos
las siguientes tres características:

 Volumen: como su nombre lo indica, se refiere a la cantidad de datos que se

procesa en big data es sumamente grande, pudiendo generarse hasta terabytes
 17

y en ocasiones petabytes de almacenamiento, por lo que es difícil obtener un

cálculo preciso.
 Velocidad: Hoy en día además de generarse grandes cantidades de data, estas
pueden tener un aumento exponencial, puesto que también cambian a una
rapidez significativa, como por ejemplo, los precios del mercado de valores
cambian varias veces por segundo. En este sentido big data aborda el problema
de la captura y analítica de datos que se encuentran en un flujo continuo.
 Variedad: Anteriormente el término “dato” solo se relacionaba como “datos
relacionales” que se almacenaban en bases de datos, pero en este sentido big
data involucra todo tipos de datos sin importar como fueron generados, por
ejemplo, los datos no relacionales, los cuales abarcan datos no estructurados,
tales como, audios, correos electrónicos, redes sociales entre otros.
Por otra parte, según lo expuesto por Mitchell, Locke y Wilson (2012), definen las
características del big data como el modelo de las 3V (Volumen, Variedad y Velocidad).

 Volumen: se refiere a que big data analiza grandes cantidades de datos que son
generados cada segundo en el mundo digital por la interacción de personas,
empresa, maquinas, redes, entre otros.
 Variedad: se refiere al origen de los datos en diferentes formatos y estructura.
En la actualidad, la data se ha vuelto más compleja, pues no solo incluye data
relacional y tradicional sino también data Semi estructurada y no estructurada
proveniente de distintas fuentes u orígenes.
 Velocidad: se refiere a la velocidad con la cual la data es generada y
actualizada, siendo la velocidad uno de los factores claves en el análisis de
datos, ya que tradicionalmente el análisis se realizaba sobre data histórica y big
data ha ampliado este concepto incluyendo el análisis en tiempo real.
Finalmente, aun cuando ambos autores expresan de manera similar las
características del big data, se fija posición con Mitchell, Locke y Wilson (2012), quienes
mencionan las tres características del big data, tratándose del volumen, relacionado con
la enorme cantidad de información procesada hoy en día en las empresas; la variedad,
en donde no hay restricciones en cuanto a los orígenes que tengan los datos, es decir,
todo tipo de datos se tomará en cuenta, estructurados, semi-estructurados y no
estructúranos; por último y no menos importante, la velocidad con la cual estos datos
cambian, se generan y se actualizan en el mundo de los negocios.
Tipos de datos
De acuerdo con Mitchell, Locke y Wilson (2012), existen tres tipos de datos:
datos estructurados, no estructurados y semi-estructurados.

 Datos estructurados: se refiere a los datos que normalmente son usados por
los sistemas de base de datos tradicionales, donde los registros son distribuidos
dentro de campos y filas para categorizar, ordenar según los criterios que se
establezcan. Como por ejemplo, cuando se necesita registrar a un cliente y se
necesitan datos tales como, nombre, apellido y dirección.
 18

 Datos no estructurados: a diferencia de los datos estructurados, los datos no

estructurados no pueden ser almacenados en bases de datos tradicionales, pues
son datos que no tienen un formato predefinido, pueden ser videos, imágenes,
audios, correos, entre otros.
 Datos Semi-estructurados: se refiere a los datos que son producto de una
combinación entre la data estructurada y la no estructurada. Este tipo de datos
no residen en bases de datos relacionales, pero si presentan una organización
interna que facilita su tratamiento, como lo son los documentos XML, datos de
ubicación anexados a las actualizaciones de las redes sociales.
A su vez, Rodríguez y Bernal (2018) definen los mismos tres tipos de datos de la
siguiente manera:

 Datos estructurados: son aquellos datos que están organizados conforme a un

modelo o esquema. Son almacenados de una manera tabular y algunas veces
su estructura también incluye la definición de las relaciones entre ellos.
Típicamente están representados en bases de datos que hacen parte del
funcionamiento de sistemas de información.
 Datos semiestructurados: la organización y presentación de este tipo de datos
tienen una estructura básica, pero no tienen establecida una definición de
relaciones en su contenido.
 Datos no estructurados: su organización o presentación no está guiada por
ningún modelo o esquema, por lo que dentro de esta categoría se pueden incluir
las imágenes, texto, audios, contenidos de redes sociales, videos, entre otros.
Según lo expuesto, se fija posición con Mitchell, Locke y Wilson (2012), quienes
contemplan tres tipos de datos que son generados en todas las organizaciones, siendo
estos clasificados como datos estructurados, no estructurados y semi-estructurados.
Los datos estructurados son los más comunes en las organizaciones, son todos
aquellos datos que tienen un esquema o un formato y están relacionados entre sí.
Por el contrario de estos, existen los datos no estructurados, los cuales
normalmente no son tomados en cuenta, estos son aquellos que no tienen un formato,
pueden ser videos, imágenes, correo electrónicos o audios y finalmente están los datos
semi-estructurados, los cuales tienen una parte estructurada y otra no estructurada, se
caracterizan por no tener un formato o esquema, pero si una relación entre ellos. Al
tratarse de la evidencia de auditoría, sería útil identificar los tipos de datos involucrados
en ella, comúnmente no se ha indagado en los datos no estructurados y estos podrían
brindar nuevos hallazgos en las auditorías que se realizan.
Sistematización de la Variable
Variable Nominal: Data Analytics
Definición Conceptual: La Data Analytics o analíticas de datos no son una
tecnología; son un concepto. Se refiere al uso de ciertas tecnologías, conjunto de
habilidades y procesos para la exploración, evaluación, e investigación de las
operaciones de negocios. Deloitte, (2014)
 19

Definición Operacional: para la función de auditoría interna de la empresa

Alimentos del Zulia, C.A. las analíticas de datos dependen de la finalidad de la
información que se desea evaluar, encontrando que es posible la aplicación de diversos
tipos, entre ellas, las analíticas descriptivas, las analíticas de diagnóstico, las analíticas
predictivas y las analíticas de diagnóstico; las mencionadas se ajustan a las
evaluaciones de la función al tomar en cuenta las características que posee big data en
cuanto a la información que maneja, en las que se destaca el volumen, su velocidad y
la amplia variedad de contenido que se puede encontrar; siendo un reto la revisión y
seguimiento de los tipos de datos originados por el sistemas, ya sean los mismos
estructurados, semi-estructurados o no estructurados.
Cuadro Nº1
Mapa de Variables

MAPA DE VARIABLES
Título de la investigación: Data Analytics como técnica de auditoría interna en la empresa Alimentos del Zulia, C.A.
Objetivo General: Analizar la Data Analytics como técnica de auditoría interna en la empresa Alimentos del Zulia, C.A.
Objetivos Específicos Variable Dimensiones Sub-dimensión Indicadores Autores
 Descriptivas
Caracterizar los tipos de analíticas
de datos aplicados en la función de Tipos de Analiticas de  De diagnostico
Jones (2018)
auditoría interna de la empresa datos  Predictiva
Alimentos del Zulia, C.A  Prescriptiva
Identificar las características de la  Volumen
analítica big data evaluada por la Características de big
 Velocidad Jones (2018)
función de auditoría interna de Data Analytics data
Alimentos del Zulia, C.A.  Variedad

 Estructurados
Determinar los tipos de datos
Mitchell, Locke,
evaluados en la función de auditoría
Tipos de datos  Semi- Wilson, Fuller
interna en la empresa Alimentos del estructurados (2012)
Zulia, C.A.
 No estructurados

Proponer una guía metodológica

para el funcionamiento de la Data
Analytics en función de la obtención Este objetivo no se operacionaliza, se le dará respuesta a partir de los resultados obtenidos de los objetivos anteriores
de evidencia de auditoría interna de
la empresa Alimentos del Zulia, C.A.

Fuente: Núñez (2020)

 20

MARCO METODOLÓGICO
Tipo y nivel de investigación
En relación con el tipo de investigación, para Arias (2012) se puede identificar en
función del grado de profundidad con el que se abarcará un fenómeno u objeto de
estudio, en base ello, menciona tres tipos de investigaciones, siendo estas, la
investigación exploratoria, la investigación descriptiva y la investigación explicativa; en
cuanto a la investigación descriptiva, se refiere a un grado intermedio de profundidad,
donde lo que se persigue es la caracterización de un hecho, fenómeno, individuo o
grupo, con el objetivo de establecer su estructura o comportamiento.
Por otra parte, Hernández y col. (2014) tratan los tipos de investigación como
“alcances” clasificándolos en: exploratorio, descriptivo, y explicativo. Donde el estudio
descriptivo consiste en la búsqueda para especificar propiedades y características
importantes de cualquier fenómeno que se analiza, describiendo las tendencias de un
grupo o población.
De acuerdo a lo anteriormente planteado, la presente investigación se clasifica
como una investigación de tipo descriptiva, debido a que está orientada en analizar el
comportamiento de la data analytics específicamente en lo relacionado con el proceso
para la obtención de evidencia de auditoría en la unidad de auditoría interna de la
empresa Alimentos del Zulia, C.A.
Diseño de la investigación
En relación al diseño de la investigación Arias (2012) lo define como la estrategia
general que será adoptada por el investigador para dar respuesta al problema
planteado. De manera similar, Hernández (2014) la define como el plan que se
desarrolla para obtener la información requerida para responder el planeamiento de la
investigación.
A su vez, Hurtado (2012) establece criterios para la definición del diseño de la
investigación, los cuales son: según el origen de los datos, la perspectiva de la
temporalidad, la amplitud del foco y a la intervención del investigador. De acuerdo al
origen de los datos, se encuentra que pueden ser de campo, de laboratorio,
documental, fuente mixta o virtual.
Asimismo, define el estudio de campo en aquel donde el investigador obtiene la
información a través de fuentes vivas, o materiales, en su contexto natural. En tal
sentido la presente investigación se considera de campo debido a que la información se
obtuvo de manera directa a través de las unidades informantes de la organización.
Por otra parte, Hernández y col. (2014) definen dos tipos de investigación:
experimental y no experimental, esta última es definida como el estudio realizado sin la
manipulación de las variables y en los que solo se observan los fenómenos en su
ambiente natural para analizarlos. Además, dividen el diseño de no experimental en
transversal o longitudinal, siendo las investigaciones transversales aquellas que se
realizan en un momento único.
 21

En virtud de las definiciones anteriores, la presente investigación se considera no

experimental debido a que las variables: data analytics y la evidencia de auditoría se
estudiaron tal cual se presentan en la unidad de estudio seleccionada, es decir, en su
estado natural sin alteraciones en su ambiente y se considera transversal ya que tal
estudio se realizó en un periodo especifico de tiempo, el cual es el periodo comprendido
entre enero 2020 a diciembre 2020.
Sujetos de la investigación
Población
Para Tamayo (2007) la población es la totalidad de un fenómeno de estudio,
incluye la totalidad de unidades de análisis que integran dicho fenómeno y que debe
cuantificarse para un determinado estudio integrando un conjunto de N cantidad de
entidades participantes de una determinada característica, y se le denomina la
población por construir la totalidad del fenómeno adscrito a una investigación.
En efecto, el enfoque expresado por Tamayo (2007), está orientado a una
investigación por sector. Sin embargo, Arias (2012) hace mención a que es un conjunto
finito o infinito de elementos con características comunes de las cuales partirán las
conclusiones de la investigación, expresando así, como un conjunto finito a la
agrupación en donde se conoce la cantidad de unidades que la integran. Por lo tanto,
se interpreta su definición tanto para una investigación por sector como para un caso de
estudio.
Ahora bien, en relación con los casos de estudio, Arias (2012), los define como
cualquier objeto de estudio que se considera como una totalidad para ser estudiado
intensivamente, ejemplos de casos de estudios pueden ser una familia, una institución,
una empresa, uno o pocos individuos. Dado que un estudio de caso representa una
unidad relativamente pequeña, este diseño indaga de manera exhaustiva, buscando la
máxima profundidad del mismo.
Atendiendo a esas definiciones, la población de la presente investigación, es un
caso de estudio debido a que el objeto de estudio es la unidad de auditoría interna de la
empresa Alimentos del Zulia, C.A. con la finalidad de analizar la aplicación de la data
analytics en el proceso para la obtención de evidencia de auditoría suficiente y
adecuada.
Informantes

CARGOS CANTIDAD
Jefe de auditoría 1
Jefe de auditoría de TI 1
Gerente de control de gestión 1
TOTAL 3
Fuente: Núñez, (2020)
 22

Técnica e Instrumento de Recolección de Datos

Una vez identificada la población de la investigación, lo siguiente es establecer
las técnicas e instrumentos para la recolección de datos debido a que según lo
expresado por Bavaresco (2013), la investigación perdería su significado sin el
desarrollo de este aspecto, ya que a través de él se logra la verificación del problema.
Asimismo, menciona la dependencia de las técnicas hacia el tipo de investigación y en
el mismo sentido, cada técnica tendrá sus respectivos instrumentos a ser empleados.
En relación a lo expresado anteriormente, Arias (2012) se refiere a las técnicas
de recolección de datos como el procedimiento a través del cual se obtiene la
información y los instrumentos como aquel recurso que se utilice para captar, registrar o
almacenar la información obtenida, por ejemplo, dispositivos, algún formato digital o en
papel. Por otro lado, Hurtado (2012) menciona algunas técnicas de recolección de
datos, tales como, la observación, la encuesta, la entrevista, la revisión documental y
las sesiones en profundidad.
Descripción del Instrumento
Para Arias (2012), la entrevista es un conversación entre dos personas,
entrevistador y el entrevistado, la cual consiste en tratar un tema previamente
determinado con el fin de que el entrevistador obtenga la información requerida,
indagando profundamente una gran cantidad de aspectos y detalles. Además,
Bavaresco (2013), hace mención acerca de la anticipación para la elaboración de las
preguntas y pueden ser estructuradas o no estructuradas. Además, resulta necesario
realizarle la entrevista a un personal capacitado y perteneciente al objeto de estudio
debido a que se busca verificar un hecho o acontecimiento.
Ahora bien, para efectos de la presente investigación se seleccionó la entrevista
con preguntas abiertas no estructurada como instrumento para la recolección de datos,
el cual fue aplicado a los sujetos informantes de la población objeto de estudio. Dicha
entrevista está compuesta por treinta (30) preguntas formuladas tomando en
consideración los indicadores correspondientes, de tal manera de poder analizar el
comportamiento de las variables en la empresa Alimentos del Zulia, C.A.
específicamente en la unidad de auditoría interna.
Propiedades Psicométricas
Validez
Según lo expresado por Hernández y col. (2014), se puede interpretar la validez
como el grado en que un instrumento mide la variable que se busca medir, es decir,
para evitar desviaciones al recolectar la información y de esta forma no perder el
sentido de la investigación. Igualmente Arias, (2012) expresa que con la validez del
instrumento lo que se busca es que las preguntas correspondan con los objetivos de la
investigación. En vista de que el instrumento de la presente investigación fue una
entrevista de preguntas abiertas no estructurada, no requiere de validación debido a
que es algo subjetivo.

Confiabilidad
Hernández y col. (2014), expresan que la confiabilidad de un instrumento es el
grado de confianza que se le puede tener al instrumento cuando es aplicado a un
 23

mismo individuo u objeto y arroja resultados similares. Asimismo, Magnusson, 1985

(citado por Hurtado, 2012), menciona que si al realizar las medidas de una
características en distintas ocasiones se obtienen resultados diferentes, esto es un
indicador de que la confiabilidad del instrumento es baja, por lo que concluye que a
mayor diferencia en los resultados, menor será la confiabilidad del instrumento.
Ahora bien, las preguntas del instrumento de la presente investigación fueron
elaboradas en base a lo planteado por Jones (2018), y Mitchell, Locke, Wilson y Fuller
(2012), quienes son especializados en los temas relacionados a la problemática en
estudio de la presente investigación. Por lo que estos autores generan confiablidad al
instrumento aplicado para la recolección de datos.
Procedimiento de la Investigación
Para la elaboración de la presente investigación, se cumplieron una serie de
fases, iniciando con la selección del tema de estudio, buscando siempre un enfoque
innovador, para ello, haciendo uso y revisión de diferentes fuentes bibliográficas,
consultando con expertos, con el fin de indagar para identificar posibles preguntas
dignas de investigación, estableciendo posteriormente la formulación del problema
existente, incluyendo el objetivo general y los objetivos específicos y con ellos
determinar el objeto de estudio y las variables a desarrollar.
Seguidamente, se llevó a cabo la construcción del marco teórico, pilar
fundamental para sustentar la investigación, para la elaboración del mismo la búsqueda
de información fue más exhaustiva para seleccionar las referencias a desarrollar como
bases teóricas, iniciando con la búsqueda y revisión de investigaciones anteriores
relacionadas con las variables objeto de estudio y una vez concluido esto, proceder con
la definición del sistema de variables donde se determinaron las dimensiones e
indicadores pertinentes para el estudio.
Una vez realizado el marco teórico, se procedió con la elaboración del marco
metodológico donde el objetivo fue describir el tipo y diseño de la investigación, así
como también resaltar la población objeto de estudio y finalmente detallando las
técnicas e instrumentos empleados para la recolección de datos, la manera en la que
fue medida la validez y confiabilidad de los mismos y cerrando con la explicación del
plan de análisis de datos empleado para llevar a cabo el procesamiento de los datos
obtenidos a través del instrumento de recolección de datos.
Finalmente, se procedió a la elaboración y aplicación del respectivo instrumento
de recolección de datos, captando la información para posteriormente tabularla y
efectuar el análisis y la interpretación de los resultados obtenidos, en los cuales se basó
para emitir las conclusiones y recomendaciones del presente estudio.
Plan de Análisis de Datos
La finalidad de cada investigación es proporcionar evidencia sobre la cual
soportar la problemática planteada, dicha evidencia deber ser objetiva y suficiente, por
ello, es conveniente que tal evidencia se presente en forma de datos o cifras de manera
ordenada, sencilla y clara de tal manera que puedan ser fácilmente interpretados por
los lectores y otros investigadores.
 24

Por lo tanto, Hurtado (2012) expresa que una vez se hayan aplicado los
instrumentos y se haya finalizado la fase de la recolección de datos a través de dichos
instrumentos, el investigador tiene la tarea de organizar los datos y realizar un análisis
que conlleve a una conclusión, esto último debe estar estrechamente relacionado con
los objetivos planteados al inicio de la investigación con el fin de dar respuesta a la
problemática de la investigación.
Seguidamente, define el análisis como la aplicación de un conjunto de
estrategias y técnicas que le facilitan al investigador adquirir el conocimiento buscado, a
partir del manejo adecuado de los datos recolectados. Igualmente, Kelinger (1981),
(citado por Hurtado, 2012), expresa que el tipo de análisis dependerá del tipo de
investigación, el diseño seleccionado y la información proporcionada por los
instrumentos.
Por otra parte, Arias (2012) expresa que en el análisis de datos se describen las
distintas formas bajo las cuales serán sometidos los datos que se obtengan. En base a
ello, el análisis se efectuó en función de las variables para poder analizar los resultados
y facilitar la comprensión de la información para emitir las conclusiones.
Aunado a lo mencionado anteriormente, Hernández y col. (2014) definen al
proceso de triangulación de resultados como al hecho de hacer uso de distintas fuentes
y métodos de recolección. En un sentido más amplio, Rodríguez, Pozo y Gutiérrez
(2006), la describen una técnica de comparación de diferentes tipos de análisis con un
mismo objetivo y a su vez proporciona validez a un estudio de encuesta y favorece las
conclusiones que de él se derivan.
Para el procesamiento de los datos de la presente investigación, se realizó a
través de la técnica de triangulación de resultados compuesto por tres aristas, donde
cada una de ellas representa unas perspectivas que deben compararse entre sí, siendo
estas, las respuestas obtenidas, la teoría del autor base y la perspectiva del
investigador. De este modo, se confrontan los resultados con lo expuesto en el marco
teórico para reafirmar la información obtenida en la realidad del objeto de estudio.
 25

ANÁLISIS DE LOS RESULTADOS

Análisis y discusión de los resultados

A continuación, se presentan la tabulación, análisis y discusión de los resultados
encontrados a través del instrumento de recolección de datos. Dicho instrumento fue
aplicado a los distintos informantes, conformados por: el Jefe de auditoría, Jefe de
auditoría de tecnologías de información (TI) y el Gerente de Control de Gestión de la
empresa Alimentos del Zulia, C.A. La finalidad de este apartado radica en la búsqueda
de la respuesta al objetivo general de la presente investigación, el cual es Analizar la
Data Analytics como técnica para la obtención de evidencia de auditoría interna en la
empresa Alimentos del Zulia, C.A. Para ello, se realizó un contraste que abarca la
relación o diferencias de los hallazgos obtenidos con los distintos autores mencionados
en las bases teóricas de la presente investigación.
Indicador: analíticas descriptivas
Según la información obtenida a través de la entrevista, se denotó que la
empresa Alimentos del Zulia, C.A. utilizan los datos históricos y actuales en función de
la evaluación de desempeño, la cual implica una revisión de los indicadores de
desempeño para cada uno de los procesos auditados, haciendo una comparación del
ejercicio actual con respecto al mes y año anterior. Los resultados de los análisis de las
evaluaciones realizadas evidentemente fundamentan la toma de decisiones con
respecto a las planificaciones de las medidas correctivas y para posteriormente realizar
el seguimiento a las acciones propuestas, con el fin de permitir la mejora continua de
los procesos, es por estos últimos aspectos que la empresa considera relevante realizar
tales análisis.
Ahora bien, Jones (2018) expresa que las analíticas descriptivas se basan en la
realización de un análisis de los datos disponibles en tiempo real junto con los datos
históricos, dicho análisis permitirá la obtención de información relevante acerca de la
empresa y a su vez servirá de ayuda para conocer la causa de los problemas e incluso
de los logros que la empresa haya obtenido en el pasado. Por último, dichas analíticas
de tipo descriptivas, ofrecen una amplia visión de medidas y métricas.
En virtud de los resultados obtenidos y atendiendo a la definición establecida por
Jones (2018), se observó una concordancia, ya que ambos coinciden en un análisis que
abarca la información retrospectiva con respecto a la información actual. Así como
también, en cuanto a la importancia de los resultados que ofrecen este tipo de análisis.
Finalmente, se observó que con respecto a las medidas y métricas, la empresa abarca
una parte de ellas cuando se habla de las evaluaciones a los indicadores de
desempeño de cada uno de los procesos auditados.
Indicador: analítica de diagnostico
Seguidamente, en cuanto al indicador referente a la analítica de diagnóstico el
equipo de auditoría identifica las causas de los problemas y las deficiencias por medio
de tres maneras, consistiendo la primera en la elaboración y presentación de los
informes de auditoría interna, los cuales son presentados al comité de auditoría. Por
 26

otra parte, una segunda forma de identificar los problemas y deficiencias, es a través
del funcionamiento de diversos comités, como por ejemplo, Comité de crédito y
cobranzas, Comité de planificación de la producción y ventas, Comité Staff Meeting y
Comité de operaciones. Por último, explican que a través de la presentación de un
informe bimensual ante el Consejo Asesor externo, también pueden identificar las fallas
o desviaciones que obstaculicen el cumplimiento de los objetivos fijados.
Ahora bien, el proceso para recabar la información que servirá de evidencia para
la identificación de los problemas y deficiencias, se realiza con el apoyo de la Gerencia
de tecnología de la Información, puesto que la información es recopilada a través de
reportes SAP, los cuales son elaborados a la medida de los requerimientos de los
usuarios y también a través de los reportes estándar que el sistema emite.
Por último, para determinar las causas los problemas y deficiencias, el equipo de
auditoría se fundamenta en el análisis de riesgos realizado previo al inicio de la
auditoría, debido a que su plan de auditoría también se basa en los riesgos incluidos en
la matriz de riesgos corporativos y en función a la severidad de los mismos, se
planifican las medidas de acción para mitigar el impacto que tales problemas o
deficiencias puedan generarle a la empresa.
Por otro lado, Jones (2018) hace énfasis en cuanto a la profundización de los
problemas, a través de las analíticas de diagnóstico con las técnicas y herramientas
que proporcionan las mismas, realizando así, la comparación de datos históricos con
otros datos. Es por ello, que existe cierto grado de relación entre ambas perspectivas
dado que, aun cuando la empresa obtiene la evidencia para determinar los problemas y
deficiencias, así como también profundizando en ellas para conocer sus causas,
igualmente trabaja en conjunto con la gerencia de TI para la obtención de evidencias,
las cuales se encuentran en reportes automatizados que el sistema emite.
Indicador: analítica predictivas
De acuerdo a la información suministrada, las herramientas utilizadas por la
Gerencia de planificación estratégica y control de gestión, para determinar los factores
de riesgos tanto internos como externos son, el análisis FODA, PESTEL y además
cuentan con una planificación prospectiva, donde a través de las herramientas MICMAC
y MACTOR analizan los diferentes escenarios, una vez realizado el análisis del “Árbol
de problemas” basándose también en los eventos ocurridos en el pasado.
Asimismo, para la evaluación de riesgos utilizan el análisis causa-efecto
Ishikawa, para posteriormente con la participación de cada uno de los miembros del
equipo de trabajo de auditoría, se elaboran los planes de acción para mitigar y
responder a los riesgos. Además de ello, para determinar la severidad de los mismos,
aplican un instrumento de validación de riesgos a cada uno de los miembros del comité
de dirección, es decir, a la alta gerencia, con la finalidad de conocer su opinión sobre el
impacto y probabilidad de ocurrencia. Luego determinan el promedio de respuestas y la
desviación estándar para finalmente organizar los datos de mayor a menor para
determinar los riesgos en orden de severidad.
 27

En virtud de los resultados, se puede observar como los entrevistados y el autor

Jones (2018) coincide en algunos aspectos. Si bien es cierto, dicho referente teórico
expresa que la analítica predictiva parte de los patrones pasados, empleando diferentes
enfoques estadísticos, softwares y algoritmos de aprendizaje, tal como lo hace
Alimentos del Zulia, C.A. con la finalidad de realizar su planificación prospectiva
evaluando las distintas situaciones que puedan ocurrir en el futuro, a través de las
herramientas MICMAC y MACTOR y en cuanto a los enfoques estadísticos trabajan con
los promedios y la desviación estándar que determinan a partir de los resultados del
instrumento de validación de riesgos.
Indicador: analítica prescriptiva
Los informantes expresan que una vez definidas las causas primarias y
secundarias de riesgos, se definen los planes de acción a través de reuniones con el
equipo de trabajo, lideradas por la persona encargada de la gestión de riesgos, para
que con los controles internos establecidos, se pueda responder a los factores de
riesgos. En la medida de sus posibilidades buscan responder a los factores externos y
dar respuesta al 100% de las causas internas expuestas. Finalmente, a través del
seguimiento, se valida la ejecución de los planes de acción establecidos.
En ese mismo orden de ideas, dichos planes de acción los elaboran haciendo
uso de la herramienta “Tormenta de ideas”, posteriormente organizan las respuestas y
se validan según la severidad de las mismas y con la ayuda de Microsoft Planner las
organizan para realizar un seguimiento semanal conservando toda la información en
hojas de Excel.
Lo expresado por los entrevistados coincide con Jones (2018), la esencia de las
analíticas prescriptivas radica en las acciones a ser tomada, en otras palabras, ¿Qué
hacer ante futuros problemas? Al igual que mencionan el uso de los datos tanto
internos como externos para definir tales acciones. Sin embargo, no van más allá de los
programas y herramientas tradicionales, siendo esto contrario a una de las
características de las analíticas de tipo prescriptivas, la cual consiste en la intervención
de la inteligencia artificial.
Indicador: volumen
En lo referente al indicador “Volumen” Alimentos del Zulia, C.A. cuenta con un
excelente sistema de gestión empresarial con una capacidad de almacenamiento
suficiente, aproximadamente se imiten y se analizan siete mil facturas al mes. Sin
embargo, por razones vinculadas al contexto económico hiperinflacionario en el que se
encuentra la empresa, están presentando problemas de desbordamiento de campos,
aun cuando también disponen de un equipo especializado en gerencia de TI con
expertos funcionales de distintas áreas que se encargan de realizar la depuración de
los datos.
Al comparar las afirmaciones anteriores con lo planteado por Mitchell, Locke y
Wilson (2012), se observa la relación que tienen ambas perspectivas cuando se habla
de la principal que dichos autores expresan, la cual consiste en análisis de grandes
cantidades de datos, los cuales son generados desde distintos orígenes, a través de la
 28

interacción de personas, empresas y máquinas, tal como es el caso de la empresa en

cuestión.
Indicador: velocidad
En lo referente a la característica de big data relacionada con la velocidad, en
Alimentos del Zulia, C.A. los datos son actualizados automáticamente. Existen plazos
para el cierre de la información financiera, como por ejemplo, los primeros cinco días de
cada mes, lo que obliga a los empleados del área de producción realizar un cierre
oportuno de las órdenes de producción.
Por otra parte, Mitchell, Locke y Wilson (2012) mencionan que la característica
de big data: velocidad, se refiere a la rapidez con la cual la información es generada y
actualizada, debido a que este aspecto es importante para realizar los análisis en
tiempo real y no solo basarse en la información histórica. En base a ello, no se identifica
con certeza una coincidencia entre ambas perspectivas, puesto que aun cuando la
información es actualizada automáticamente, se habla de información histórica.
Indicador: variedad
Según la información obtenida, la evidencia que recopila el equipo de auditoría
está basada en información tradicional. Siendo algunos de los formatos que identifican
dicho tipo de información los siguientes: nómina (HCM), contabilidad (FI), ventas (SD),
producción (PP), mantenimiento (PM), gestión de materiales (MM) y costos (CO). Los
formatos mencionados son igualmente almacenados en el sistema SAP, al igual que la
documentación de los procedimientos, a través de SAP Document Management System
(DMS) y Microsoft Visio.
Mitchell, Locke y Wilson (2012), mencionan que la característica de big data
“variedad” surge debido a la complejidad en la data actualmente, puesto que no solo se
trabaja con los datos tradicionales, sino también, con todo tipo de data,
independientemente de su origen y formato. En ese sentido, se pudo notar la
discrepancia entre el contexto real de la empresa y la teoría planteada, ya que
Alimentos del Zulia, C.A. no incluye en sus evidencias información proveniente de
imágenes, videos, audios o publicaciones en redes sociales.
Indicador: Estructurados
En cuanto al indicador correspondiente a los datos de tipo estructurados, se
evidenció que en el sistema de la base de datos del departamento de auditoría interna
de la empresa, los expertos funcionales en Gerencia de TI procesan y extraen
información referente a los ingresos, la gestión de cobranzas, la planificación de la
producción, procura de materia prima, insumos y material de empaque, costo de los
inventarios y pagos a proveedores.
Es por ello, que se reconoce la similitud entre la situación de la empresa junto a
la teoría expresada por Mitchell, Locke y Wilson (2012), la cual define que los datos tipo
estructurados son los usados tradicionalmente en las bases de datos de las
organizaciones y además pueden ser categorizados y ordenados según criterios
 29

previamente establecidos. Por lo tanto, la información procesada y extraída por los

expertos en gerencia TI, cumple con las características mencionadas por los autores.
Indicador: Semi-estructurados
Según lo expresado por Mitchell, Locke y Wilson (2012), los datos de tipo semi-
estructurados, se caracterizan por no estar almacenados en las bases de datos
tradicionales de los sistemas, pero si constan de una organización interna para su
procesamiento, tales como los documentos XML, datos de ubicación anexados a las
actualizaciones de las redes sociales. Ahora bien, según los resultados obtenidos, no
se logró identificar ninguna concordancia entre los autores y la entidad, debido a que la
misma, no conoce este tipo de data.
Indicador: No estructurados
En referencia a los datos no estructurados, el equipo de auditoría ha incorporado
a sus evidencias otro tipo de información, tal como lo son los análisis de entorno
externo que comprenden los índices de inflación, variación en la tasa de cambios,
producto interno bruto (PIB) y el precio de la leche de vaca y búfala. Dicha información
la extraen de páginas web oficiales como la del Banco Central de Venezuela,
Ecoanalitca y observatorio lácteo. Por último, el efecto que ha generado la
incorporación de esa nueva data, les ha permitido analizar nuevas tendencias y realizar
pruebas analíticas.
Si bien es cierto que Alimentos del Zulia, C.A. cumple parcialmente con lo
establecido por Mitchell, Locke y Wilson (2012), en el sentido de la inclusión de
información proveniente de sitios webs. Sin embargo, los referentes teóricos también
mencionan la inclusión de información que pueda obtenerse a través del análisis de
videos, imágenes, audios y correos electrónicos, los cuales no necesariamente se
encuentran almacenados en un sistema.
 30

OBJETIVO DE APORTE
Cuadro Nº2
Fase 1
FASE 1 NIVEL DE MADUREZ

Objetivo Determinar el nivel de madurez de la Data Analytics en la unidad de Auditoría Interna

Dirección, Gobierno de la entidad, Auditores, Jefes de auditoría, Equipo de auditoría, Expertos en

Responsables
Tecnologías de Información

La primera fase consiste en conocer la escala de madurez en la cual se encuentra ubicado el

departamento de auditoría interna con respecto a la analítica de datos. Para ello, en primera instancia, es
importante definir los riesgos inherentes a la empresa, su apetito con relación al riesgo y por último, los
objetivos y limitaciones de la auditoría como tal. Debido a que los niveles de madurez pueden variar
dependiendo de la situación de cada empresa en función de los factores antes mencionados.
Factores:
1.1. Riesgos del negocio: en este punto se debe realizar un análisis para conocer los riesgos específicos
a los cuales se enfrenta la organización. De tal forma, de poder definir el nivel de impacto de dichos
Procedimiento riesgos, con la finalidad de establecer el nivel de profundidad adecuado que abarcarán las analíticas de
datos.
1.2. Apetito/Aceptación/Tolerancia del riesgo: este aspecto se basa en determinar cuál es la capacidad
que tiene la empresa para asumir los diferentes tipos de riesgos. Para posteriormente, definir qué tipos de
analíticas podrán brindar la implementación de controles para reducir los riesgos, ofrecer mayor
aseguramiento y auditorías más detalladas.
1.3. Objetivos y limitaciones de auditoría: este factor consiste en realizar un estudio dentro del
departamento de auditoría, con la finalidad de conocer cuáles son las funciones que realizan y a su vez los
objetivos que persiguen. Basado en ello, se evaluarán las limitaciones que impidan la consecución de los
objetivos y la implementación de la analítica de datos
Niveles de Madurez (Descripción)
 31

Nivel 1
El primer nivel, será el soporte bajo el cual se originan las analíticas de datos. En este punto las
capacidades para aplicar la Data Analytics son limitadas, ya que no se posee las herramientas específicas
para el análisis de datos. Sin embargo, al momento de realizar la planificación de la auditoría, se cuenta el
uso de las analíticas de tipo descriptivas, las cuales aplican para la interpretación de los datos históricos,
donde dicha interpretación la efectúan generalmente a través de hojas de cálculos de Excel o sistemas de
gestión empresarial, como SAP, para los cuales el porcentaje de participación de especialistas en áreas de
tecnologías de información no es significativo.

Nivel 2
En el segundo nivel de madurez, el departamento de auditoría demuestra un conjunto básico de
capacidades en cuanto a las analíticas, ya que sigue trabajando con el análisis descriptivo, pero
complementándolo con el análisis de diagnóstico para las etapas de la planificación y ejecución de la
auditoría, solo que de forma personalizada y no tan sistematizada, puesto que empiezan a incorporar
herramientas de análisis inconsistentemente o con errores en su aplicación, debido a que el porcentaje de
participación de especialistas en esas áreas sigue siendo bajo.

Nivel 3
En el tercer nivel, la dirección y el jefe del departamento de auditoría promueven la integración de la Data
Analytics en la mayor parte del ciclo de la auditoría, agregando analíticas más avanzadas, como lo son el
análisis predictivo, presentadas como conjuntos automatizados en programas, softwares y herramientas de
inteligencia empresarial, para las cuales la dirección establece una serie de políticas y metodologías para su
uso. Incrementado de esa forma la capacitación del equipo de auditoría y del personal de informática, para
que sean orientadas a las actividades de auditoría, permitiendo una evaluación continua a través del análisis
de los resultados que arrojan las herramientas.
 32

Nivel 4
En el cuarto nivel de madurez, las analíticas de datos ya se encuentran institucionalizadas y se cuenta con
la suficiente solidez para integrar las analíticas de tipo de prescriptivas en el departamento de auditoría,
debido a que las herramientas de análisis de datos están completamente adaptadas, logrando optimizar los
recursos de la auditoría. Los programas están correctamente desarrollados y todo el personal de auditoría
cumple con las habilidades requeridas para utilizarlos, por lo cual la cantidad de interrupciones son bastante
reducidas. En este nivel los auditores reciben un gran flujo de datos continuo, gracias a las herramientas de
análisis, por lo cual se efectúa un rediseño en los procedimientos de las técnicas para la obtención de
evidencia de auditoría y se incluyen los procesos más automatizados y se realizan supervisiones continuas.

Nivel 5
En el quinto nivel, el conjunto de programas automatizados del análisis de datos son los mismos del cuarto
nivel, la diferencia radica en que evidentemente han evolucionado del nivel básico hasta el más avanzado y
se utilizan para el mejoramiento continuo de los procesos, procedimientos y el análisis de los resultados. Se
establecen metodologías para la mejora continua haciendo énfasis en la sincronización de la analítica de
datos con respecto a los objetivos específicos del departamento de auditoría y de la empresa en general,
para así llevar los controles de gestión de riesgos empresariales, ofreciendo el aseguramiento continuo
sobre la gestión de riesgos de la organización, todo esto con la finalidad de llevar un seguimiento y
monitoreo esta nueva técnica para la auditoría.

Una vez reconocido el nivel de madurez en el que se encuentra posicionada la organización en cuanto a la
Data Analytics aplicada en la unidad de auditoría interna, se podrá definir en base a las necesidades y
Salida
limitaciones de la entidad, las herramientas de análisis de datos que le permitirán ampliar y mejorar sus
funciones de análisis.
 33

Cuadro Nº3
Fase 2
FASE 2 HERRAMIENTAS DE ANALISIS DE DATOS
Objetivo Determinar las herramientas de análisis de datos adecuadas para la unidad de auditoría según su
nivel de madurez
Responsables Auditores, Expertos en Tecnologías de Información, Personal del área de informática
Una vez reconocido el nivel de madurez en el que se encuentra posicionada la organización en
cuanto a la Data Analytics aplicada en la unidad de auditoría interna, se podrá definir, en base a las
necesidades y limitaciones de la entidad, las herramientas de análisis de datos que le permitirán
ampliar y mejorar sus funciones de análisis. Además, se deberá tomar en consideración el alcance
que tiene la organización con respecto a las inversiones en infra estructura de TI, para definir qué
hardware y software es más adecuado. Es importante tener una visión a futuro en esta fase, debido a
que la tecnología es un factor que va evolucionando constantemente.

Ahora bien, el mundo de las herramientas es muy amplio, pero definir cuales utilizar dependerá del
nivel de madurez encontrado, para hacer de su aplicación la más viable, ya que existen tecnologías
específicas para aquellas organizaciones que tienen un nivel de madurez avanzado, como es en el
caso de la Data Analytics para trabajar con big data y cuando se persiguen los tipos de analíticas
Procedimiento avanzadas: predictivas y prescriptivas.

Seguidamente, Tecnologías con un grado de madurez suficiente, como la automatización de

procesos, que se puede utilizar en procesos de captura de información y tareas repetitivas de testeo.
Por último, Tecnologías en estado incipiente, en el que se está experimentando para conocer su
aplicación a la auditoría, como el machine learning y la realidad virtual aumentada.
Según el Instituto de Censores Jurados de Cuentas de España (2019) las herramientas se pueden
clasificar en dos grupos: Herramientas de gestión interna y Herramientas de gestión de procesos de
auditoría. Las primeras se pueden utilizar para la planificación, organización, dirección y control de
los recursos que poseen los auditores, con la finalidad de incrementar la eficiencia y calidad de la
administración. Las herramientas de gestión de procesos de auditoría, abarcan cualquier proceso
relacionado con la auditoría, la finalidad de esas herramientas es incrementar la flexibilidad,
efectividad y eficacia de la auditoría.
 34

Al determinar cuáles son las herramientas que más se adaptan a cumplir las necesidades de la
Salida auditoría con respecto a la automatización y tecnología, se podrán definir en qué áreas capacitar al
personal.

Cuadro Nº4
Fase 3
FASE 3 CAPACITACIÓN DEL PERSONAL
Objetivo Capacitar a Auditores, Equipo de auditoría y personal informático en el análisis de datos
Responsables Recursos Humanos, Directivos, Auditores, Gerentes, Personal del área de informática
Esta tercera fase inicia, gestionando las habilidades y el talento del recurso humano de la
organización, en este caso, principalmente a los auditores y al personal encargado del área de
informática, programación y tecnologías de información, sobre el uso de las herramientas y
metodologías del análisis de datos, que facilitarán la toma decisiones acertadas hacia el
cumplimiento de los objetivos, ser más eficientes y lograr un mayor impacto. Incluso para aquellos
empresarios cuyas aspiraciones sean más elevadas, pudieran incluir capacitaciones en el área de
inteligencia artificial.

Para ello, será necesario integrar en el equipo de auditoría personal especializado, como científicos
de datos, auditores de TI, quienes tienen amplios conocimientos en las áreas de matemáticas,
estadísticas, negocios, sistemas de información y programación, para obtener el mayor provecho al
Procedimiento
implementar las analíticas. En este punto, se ha formado un equipo de auditoría integral, ya que
existirá la participación de especialistas que apoyaran a los auditores en los aspectos tecnológicos y
estos serán complementados con la experiencia y el juicio profesional de los auditores, porque
indudablemente son puntos críticos que las analíticas no pueden sustituir.

Posteriormente, el equipo de auditoría integral puede definir el alcance de las auditorías, los
objetivos, riesgos, el enfoque, para luego realizar la ejecución. La participación de cada uno de ellos,
le dará valor agregado a la auditoría. Ahora bien, para los niveles más básicos de madurez que van
del 1 al 3, existen herramientas de análisis de datos menos robustas y que no requieren de la
intervención de un científico de datos, por ejemplo. Sin embargo, es necesario que los auditores
tengan conocimientos solidos de los datos y aplicar cuidadosamente su pensamiento crítico.
 35

CONCLUSIONES
De acuerdo con los resultados obtenidos de la presente investigación Data
Analytics como técnica para la obtención de evidencia de auditoría interna en la
empresa Alimentos del Zulia, C.A. se realizaron las siguientes conclusiones para cada
uno de los objetivos fijados:
En referencia al primer objetivo, caracterizar los tipos de analíticas de datos
aplicados en la función de auditoría interna de la empresa Alimentos del Zulia, C.A.
conformadas por analíticas descriptivas, de diagnóstico, predictivas y prescriptivas. La
entidad sujeta a estudio realiza acciones que resaltan y coinciden con algunas
características relacionadas a los cuatro tipos de analíticas mencionados. Puesto que
inicialmente, se observó, en cuanto a las analíticas de tipo descriptivas, el respectivo
análisis de comparación entre la datas histórica versus los data actual y el uso de
medidas y métricas para las evaluaciones de desempeño de los procesos, lo cual es de
esperarse debido a que este tipo de analítica es el más común.
Posteriormente, en lo que respecta a las analíticas de diagnóstico, el equipo de
auditoría de Alimentos del Zulia, C.A. cuenta con el apoyo de personal capacitado en
áreas de tecnologías de información al momento de determinar las causas de
problemas y deficiencias que existan en la organización, profundizando en ellas a
través de programas automatizados que constantemente emiten los reportes. Sin
embargo, en cuanto a automatización se refiere, no es un punto representativo al
compararse con la intervención de diferentes comités por medio de los cuales se
recaba la evidencia para la identificación de las causas de problemas y deficiencias.
Por otro lado, en cuanto a las analíticas predictivas, el equipo de auditoría trabaja
con las herramientas MICMAC, MACTOR y basándose en enfoques estadísticos de
cálculos de promedio y desviación estándar de los resultados obtenidos a través de los
instrumentos de validación de riesgos, complementándolas con el análisis FODA y
PESTEL, a fin de realizar una planificación prospectiva al evaluar los distintos
escenarios que pudiesen ocurrir en el futuro, analizando las causas y efectos de los
mismos a través del análisis Ishikawa, cumpliendo así, con la particularidad predictiva
de este tipo de analíticas.
Sin embargo, al tratarse de las analíticas prescriptivas, evidentemente
establecen las vías de acción para mejorar las deficiencias, solventar los problemas y
mitigar el impacto de los mismos, únicamente a través de programas y herramientas
tradicionales, como lo es Excel, ya que no cuentan con la implementación del
aprendizaje automático, la estadística y la investigación de operaciones, los cuales
forman parte del éxito al implementar las analítica descriptiva. Es por ello que se
concluyó que la función de auditoría interna de la empresa Alimentos del Zulia, C.A. ha
integrado parcialmente los diferentes tipos de analíticas de datos.
Con respecto al segundo objetivo, relativo a identificar las características de
analítica de big data evaluada por la función de auditoría interna de la empresa
Alimentos del Zulia, C.A. relacionada con el volumen, la velocidad y la variedad, se
 36

distinguió que actualmente están presentando dificultades referentes al

almacenamiento de la información, debido a la gran cantidad de data que deben
procesar por la magnitud de sus operaciones, así como también por el contexto
económico hiperinflacionario en el que se encuentra la empresa. Sin embargo, cuenta
con disponen de un equipo especializado en gerencia de TI con expertos funcionales de
distintas áreas encargados de realizar la depuración de los datos.
Por otra parte, la velocidad de procesamiento de la data, solo está basada en
información histórica, la cual es actualizada automáticamente y para finalizar, se
observó que conservan el modo tradicional en lo que respecta a la recolección de
evidencia de auditoría, es decir, que gran parte de la evidencia está conformada por
información tradicional, las cual permite una medición y organización sencilla a través
de formatos predefinidos en los que se encuentra.
En relación al tercer objetivo, determinar los tipos de datos evaluados en la
función de auditoría interna de la empresa Alimentos del Zulia, C.A. los datos
procesados y extraídos por los expertos en gerencia de tecnologías de la información,
son los almacenados comúnmente en las bases de datos, son categorizados y
organizados según parámetros previamente establecidos relacionados con ingresos,
gestión de cobranzas, producción, inventarios y proveedores. Por el contrario, en
referencia a los datos semi-estructurados, la empresa no maneja este tipo de data.
Ahora bien, en cuanto a los datos no estructurados, el equipo de auditoría trabaja
con una pequeña porción de ellos, ya que extraen información de sitios webs oficiales
para realizar los análisis entorno externo que comprenden los índices de inflación,
variación en la tasa de cambios, producto interno bruto (PIB) y el precio de la leche de
vaca y búfala. Dicha información la extraen de páginas web oficiales como la del Banco
Central de Venezuela, Ecoanalitca y observatorio lácteo.

RECOMENDACIONES
En relación al primer objetivo, caracterizar los tipos de analíticas de datos
aplicados en la función de auditoría interna de la empresa Alimentos del Zulia, C.A. se
recomienda complementar el análisis de comparación entre la información histórica y la
actual y los indicadores de evaluaciones de desempeño de los procesos con
herramientas de inteligencia empresarial que permitan la elaboración, el análisis,
interpretación y presentación de los reportes de auditoría de una forma dinámica a
través de paneles y Dashboards Reporting, lo cual a su vez proporcionará un estilo de
auditoría continua. Además de ello, servirá de base para responder a las preguntas
¿Qué sucedió? ¿Cuál fue la causa? ¿Qué va a suceder? ¿Qué hacer?
correspondientes a cada tipo de analítica de datos.
Con respecto al segundo objetivo, el cual consistió en identificar las
características de analítica de big data evaluada por la función de auditoría interna de la
empresa Alimentos del Zulia, C.A. se recomienda establecer un proceso centrado en el
ciclo de vida de la analítica big data basado en la identificación de los datos, filtración
de los datos, extracción de datos, validación y limpieza de datos, para obtener una
 37

depuración optima de los mismos, a objeto de solventar el desborde de

almacenamiento.
En cuanto al tercer objetivo, determinar los tipos de datos evaluados en la
función de auditoría interna de la empresa Alimentos del Zulia, C.A. se recomienda
integrar en las evidencias de auditoría la información obtenida a través de los datos no
estructurados, siempre que sean relevantes para la toma de decisiones y como
resultado, obtendrán mayor ventaja competitiva, una nueva perspectiva en cuanto a la
detección de fraude, conocer la percepción de los clientes hacia la empresa y realizar
auditorías de responsabilidad social corporativa.
Por último, se recomienda evaluar la posibilidad de adquisición de un programa
de análisis de datos integral creado específicamente por auditores, con la finalidad de
analizar el 100% de la data. Así como también, garantizar la integridad de la evidencia
obtenida a través de dicho análisis y de esa forma lograr auditorías más rápidas y más
efectivas para la empresa Alimentos del Zulia, C.A.
 38

BIBLIOGRAFIA
Referencias Bibliográficas
1. Arias, F. (2012). El proyecto de investigación: introducción a la metodología
científica. (6ª ed.). Editorial Episteme.
2. Bavaresco, A. (2013). Proceso metodológico en la investigación. (6ª ed.).
Imprenta internacional.
3. Davenport, T. y Harris, J. (2017). Competing on Analytics. (1ª ed.). Harvard
Business Review Press.
4. Franklin, E. (2007). Auditoría Administrativa: Gestión estratégica del cambio. (2ª
ed.). Pearson Education.
5. Hernández, R. Fernández, C. y Baptista, P. (2014). Metodología de la
investigación. (6ª ed.). Mc Graw Hill Education.
6. Hurtado, J. (2012). Metodología de la investigación: Guía para una compresión
Holística de la ciencia. (4ª ed.). Quirón Ediciones.
7. Instituto de Auditores Internos. (2017). Normas internacionales para el ejercicio
profesional de la auditoría interna.
8. Jones, H. (2018). Analítica de datos. (1ª ed.)
9. Lara, M. (2007). Manual Básico de revisión y verificación contable. (1ª ed.).
Dykison.
10. Mitchell, I. Locke, M. Wilson, M. y Fuller, A. (2013). The White book of big data.
(1ª ed.). Fujitsu Services Ltd.
11. Rodríguez y Bernal. (2019). Gestión de la información cuantitativa en las
universidades. (1ª ed.). Imagen Editorial.
12. Tamayo, M. (2007). El proceso de la investigación científica. (4ª ed.). Editorial
Limusa.
13. Vilches, R. (2018). Apuntes del estudiante de auditoría. (2ª ed.). Academia
Española.

Referencias Electrónicas
1. Deloitte. (2014). Agregando agudeza a la auditoría.
2. ESPIÑEIRA, SHELDON Y ASOCIADOS. (2008). Boletín De Asesoría Gerencial:
La Inteligencia De Negocios. PRICE WATERHOUSE COOOPERS.
3. Evans, J. y Lindner, C. (2012). Business Analytics: the next frontier for Decision
Sciences.
4. Instituto de Censores de Jurados de Cuentas de España (2019). La
transformación digital en el sector de la auditoría.
5. Lluís Cano, J. (2007). Business intelligence: competir con información. ESADE.
6. Prieto, B. (2018). Analíticas predictivas avanzadas y el controller.
7. Rodríguez, C., Pozo, T. & Gutiérrez, J. (2006). La triangulación analítica como
recurso para la validación de estudios de encuesta recurrentes e investigaciones
 39

de réplica en Educación Superior. RELIEVE. Revista electrónica de Investigación

y Evaluación Educativa.

Investigaciones consultadas
1. Alvarenga, E. Hernandez, M. y Leon, J. (2006). Guía práctica para obtener
evidencia de auditoría en un ambiente de sistema de información por
computadora SIC, para pequeñas y medianas firmas de auditoría en el salvador.
(Tesis de pregrado, Universidad de El Salvador). El Salvador.
2. Bazalar, M. y Garvich, K. (2017). Propuesta de análisis de datos no
estructurados para generar decisiones oportunas en la empresa GMD. (Tesis de
pregrada, Universidad San Ignacio de Loyola). Lima, Perú.
3. Lazo, L. Mairena, E. y Jiménez, I. (2002). La evidencia de operaciones virtuales
en la auditoría de estados financieros generados en un ambiente de sistema de
información por computadora. (Tesis de pregrado, Universidad de El Salvador).
El Salvador.
4. Lugo, C. y Lopez, J. (2002). Analítica de datos con aplicación en un caso
práctico, mediante el uso de una herramienta libre. (Tesis de pregrado,
Universidad Tecnológica de Pereira). Colombia.
 40

ANEXO
 41

UNIVERSIDAD RAFAEL URDANETA

VICERRECTORADO ACADEMICO
FACULTAD DE CIENCIAS POLÍTICAS ADMINISTRATIVAS Y SOCIALES
ESCUELA DE CONTADURÍA PÚBLICA

DATA ANALYTICS COMO TECNICA PARA LA OBTENCION DE EVIDENCIA DE

AUDITORÍA INTERNA EN LA EMPRESA ALIMENTOS DEL ZULIA, C.A
Formato de validación de Expertos Guion de Entrevista

Autor:
Amanda Núñez, C.I: 27.530.682
Tutor de contenido:
Lcda. Marivic Molina, C.I: 18.496.971

Maracaibo, julio 2020

 42

Objetivos de la investigación
Objetivo General
Analizar la Data Analytics como técnica para la obtención de evidencia de
auditoría interna en la empresa Alimentos del Zulia, C.A.
Objetivos Específicos

Caracterizar los tipos de analíticas de datos aplicados en la función de auditoría

interna de la empresa Alimentos del Zulia, C.A.
Identificar las características de la analítica big data evaluada por función de
auditoría interna de la empresa Alimentos del Zulia, C.A.
Determinar los tipos de datos evaluados por la función de auditoría interna de la
empresa Alimentos del Zulia, C.A.
Aporte: Proponer una guía metodológica para el funcionamiento de la Data
Analytics en función de la obtención de evidencia de auditoría interna de la empresa
Alimentos del Zulia, C.A.
 43

Sistema de Variables
Variable Nominal: Analítica de datos
Definición Conceptual: Las analíticas de datos no son una tecnología; son un
concepto. Se refiere al uso de ciertas tecnologías, conjunto de habilidades y procesos
para la exploración, evaluación, e investigación de las operaciones de negocios.
Deloitte, (2014)
Definición Operacional: para la función de auditoría interna de Alimentos del Zulia,
C.A. las analíticas de datos dependen de la finalidad de la información que se desea
evaluar, encontrando que es posible la aplicación de diversos tipos, entre ellas, las
analíticas descriptivas, las analíticas de diagnóstico, las analíticas predictivas y las
analíticas de diagnóstico; las mencionadas se ajustan a las evaluaciones de la función
al tomar en cuenta las características que posee big data en cuanto a la información
que maneja, en las que se destaca el volumen, su velocidad y la amplia variedad de
contenido que se puede encontrar; siendo un reto la revisión y seguimiento de los tipos
de datos originados por el sistemas, ya sean los mismos estructurados, semi-
estructurados o no estructurados.
 44

Cuadro N.1
Mapa de variables
MAPA DE VARIABLES
Título de la investigación: Data Analytics como técnica de auditoría interna en la empresa Alimentos del Zulia, C.A.
Objetivo General: Analizar la Data Analytics como técnica de auditoría interna en la empresa Alimentos del Zulia, C.A.
Objetivos Específicos Variable Dimensiones Sub-dimensión Indicadores Autores
 Descriptivas
Caracterizar los tipos de analíticas
de datos aplicados en la función de Tipos de Analiticas de  De diagnostico
Jones (2018)
auditoría interna de la empresa datos  Predictiva
Alimentos del Zulia, C.A  Prescriptiva
Identificar las características de la  Volumen
analítica big data evaluada por la Características de big
 Velocidad Jones (2018)
función de auditoría interna de Data Analytics data
Alimentos del Zulia, C.A.  Variedad

 Estructurados
Determinar los tipos de datos
Mitchell, Locke,
evaluados en la función de auditoría
Tipos de datos  Semi- Wilson, Fuller
interna en la empresa Alimentos del estructurados (2012)
Zulia, C.A.
 No estructurados

Proponer una guía metodológica

para el funcionamiento de la Data
Analytics en función de la obtención Este objetivo no se operacionaliza, se le dará respuesta a partir de los resultados obtenidos de los objetivos anteriores
de evidencia de auditoría interna de
la empresa Alimentos del Zulia, C.A.

Fuente: Núñez, (2020)

Sujetos de la investigación
Para Tamayo (2012) la población es la totalidad de un fenómeno de estudio,
incluye la totalidad de unidades de análisis que integran dicho fenómeno y que debe
cuantificarse para un determinado estudio integrando un conjunto de N cantidad de
entidades que participan de una determinada característica, y se le denomina la
población por construir la totalidad del fenómeno adscrito a una investigación.
En efecto, el enfoque expresado por Tamayo (2012), está orientado a una
investigación por sector. Sin embargo, Arias (2012) hace mención a que es un conjunto
finito o infinito de elementos con características comunes de las cuales partirán las
conclusiones de la investigación, expresando que un conjunto finito se refiere a la
agrupación en donde se conoce la cantidad de unidades que la integran. Por lo tanto,
se interpreta su definición tanto para una investigación por sector como para un caso de
estudio.
Ahora bien, en relación con los casos de estudio, Arias (2012), los define como
cualquier objeto de estudio que se considera como una totalidad para ser estudiado
intensivamente, ejemplos de casos de estudios pueden ser una familia, una institución,
una empresa, uno o pocos individuos. Dado que un estudio de caso representa una
unidad relativamente pequeña, este diseño indaga de manera exhaustiva, buscando la
máxima profundidad del mismo.
Atendiendo a esas definiciones, la población de la presente investigación, es un
caso de estudio debido a que el objeto de estudio es la unidad de auditoría interna de la
 45

empresa Alimentos del Zulia, C.A. con la finalidad de analizar la aplicación de la data
analytics para obtener la evidencia de auditoría suficiente y adecuada.
Informantes

CARGOS CANTIDAD
Jefe de auditoría 1
Jefe de auditoría de TI 1
Gerente de control de gestión 1
TOTAL 3
Fuente: Núñez, (2020)
 46

Maracaibo, Julio de 2020

Señores,
Alimentos del Zulia, C.A.
Me dirijo a ustedes con la finalidad de solicitar su valiosa colaboración para desarrollar
el trabajo de investigación titulado: “Data Analytics y la evidencia de auditoría interna en
la empresa Alimentos del Zulia, C.A.”, avalado por la Universidad Rafael Urdaneta. Su
empresa ha sido seleccionada como parte de la población de este estudio.
Este instrumento está conformado por un guion de entrevista con la intención de hacer
de la toma de datos una tarea simple, tanto para la investigadora como para el
entrevistado (a), al cual debe responder abiertamente.
Es necesario que se responda este instrumento de manera totalmente honesta y
objetiva, ya que de ello dependerá la confiabilidad del estudio, y la validez de sus
resultados. La información suministrada tendrá un tratamiento estrictamente
confidencial, y en ningún momento los datos suministrados serán dados a conocer en
forma individual. Todos los análisis y evaluaciones a realizar se harán basándose en el
total de los datos proporcionados por la empresa en estudio, y no se hará referencia a
casos particulares, lo cual garantiza la confidencialidad de la información recolectada en
cada empresa.
Esperando la mayor receptividad y colaboración de su parte, se despide,
Atentamente,
Núñez, Amanda
APELLIDO
Núñez
 47

GUION DE ENTREVISTA
(INSTRUMENTO DE RECOLECCION DE DATOS)
Objetivo: Caracterizar los tipos de analíticas de datos aplicados en la función de
auditoría interna de la empresa Alimentos del Zulia, C.A.
Dimensión: Tipos de Analíticas de datos
Indicador: Analítica descriptiva
1. ¿Cómo utilizan los datos históricos y la información actual para explicar
qué sucedió en la empresa?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿De qué manera se presentan los datos históricos de sus operaciones en la
organización?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. Al analizar los eventos pasados con la información actual ¿Cuál es el nivel
de relevancia que tiene el resultado de dicho análisis? ¿Por qué?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: Analítica de diagnóstico
1. ¿De qué manera identifican las causas de los problemas y deficiencias en
la organización?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿Cómo es el proceso para recabar la información para identificar los
problemas y deficiencias de la organización?
______________________________________________________________________
______________________________________________________________________
 48

______________________________________________________________________
______________________________________________________________________
3. ¿Cuáles son los criterios en los que se basa el equipo de auditoría para
determinar en qué problemas profundizar primero?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: Analítica predictiva
1. ¿Qué clase de herramientas, métodos o programas utilizan para predecir
posibles eventos futuros? Como por ejemplo, oportunidades.
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿De qué manera evalúan los posibles riesgos que pueda enfrentar la
empresa en el futuro?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. ¿Cuáles son los enfoques estadísticos y algoritmos de aprendizaje
automático que se emplean en la organización para pronosticar posibles
riesgos?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: Analítica prescriptiva
1. ¿Se definen planes de acción futuros a partir de la evaluación de aspectos
internos y externos de la organización? ¿De qué manera se efectúa tal
proceso?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
 49

2. ¿Cuáles técnicas se implementan en la organización para la definición de

las posibles vías de acción a tomar en el futuro?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. Explique cómo se implementan cada una de las técnicas para la definición
de las posibles vías de acción.
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Objetivo: Identificar las características de la analítica big data evaluada por la función
de auditoría interna de Alimentos del Zulia, C.A.
Dimensión: Características de Big data
Indicador: Volumen
1. ¿Aproximadamente cuántas transacciones se realizan generalmente a
diario en la organización?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿Cuál es la capacidad de almacenamiento que tiene su sistema?
¿Considera que el mismo se ajusta a la capacidad de generación de
información de la entidad?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. ¿Cuál es el proceso que se realiza para la depuración de los datos?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: Velocidad
 50

1. ¿Cuáles de los datos utilizados como evidencia de auditoría están en

constante cambio dentro de la entidad? Explique
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿De qué manera se capta la información que contiene datos que cambian
constantemente y que influyen en los procesos organizacionales?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. ¿Con qué frecuencia es actualizada la información que contiene datos que
cambian constantemente?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: Variedad
1. ¿Para la obtención de evidencia utilizan otros datos distintos a los
tradicionales? Explique
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿Con cuales formatos de datos se maneja la información que procesan los
sistemas organizacionales de la entidad?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. ¿Cuáles son los criterios para organizar los datos que tienen distintos
orígenes?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
 51

Objetivo: Determinar los tipos de datos evaluados en la función de auditoría interna en

la empresa Alimentos del Zulia, C.A.
Dimensión: Tipos de datos
Indicador: Estructurados
1. Explique qué tipo de información tradicional procesa su sistema de base de
datos.
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. Describa de qué manera es organizada la información procesada en el
sistema de base de datos tradicionales
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. ¿Quiénes son los encargados de extraer dicha información?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: Semi-estructurados
1. ¿Cuáles tipos de datos que se manejan en la empresa que presenten una
organización interna pero que no se relacionan con su sistema de datos
principal?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿De qué manera procesa la organización aquella data que requiere una
estructura básica pero no guarda relación directa con el sistema de la
entidad?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
 52

3. ¿Cómo es documentada la evidencia que se origina a través de aquella data

que requiere una estructura básica, pero que no guarda relación con el
sistema de la entidad?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
Indicador: No estructurados
1. Explique qué otra información adicional (diferente a la tradicional) es
utilizada como evidencia de auditoría
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
2. ¿De qué manera obtiene información adicional a la tradicional para ser
utilizada como evidencia de auditoría?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
3. ¿Cuál ha sido el efecto de incorporar otro tipo información como evidencia
de auditoría?
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________
______________________________________________________________________