Kelas Audit Industri Spesifik pada Rabu, 4 November 2026 membahas mengenai Data Analytics for Decision Making, yang dibawakan oleh Bapak Handrow Cahyadi selaku Partner, Head of Financial Services & IT Audit dan Bapak Yosua Young selaku Digital Transformation Lead dari KPMG Indonesia yang telah berpengalaman dalam dunia audit.
Materi dibuka dengan penjelasan mengenai evolusi pelaporan keuangan. Analisis yang dahulu hanya dilakukan pada sampel transaksi dengan data terstruktur, seiring kemajuan teknologi, analisis berkembang ke data set yang lebih besar, pengenalan pola, hingga deteksi cepat atas outlier dan anomali. Teknologi pendukungnya pun bergerak dari robotic process automation, ke predictive analytics, lalu ke cognitive technology seperti natural language processing. Pembicara juga membandingkan pengambilan keputusan berbasis data dengan insting (gut feeling). Insting bersifat subjektif dan emosional, sedangkan data memungkinkan kita menganalisis, memprediksi, dan mengoptimalkan. Rumus utamanya adalah data + business knowledge = value, yaitu data sebagai kumpulan fakta dan business knowledge sebagai pemahaman atas lingkungan bisnis, yang bertemu dalam data-driven decision making.
Selanjutnya dijelaskan pengertian data analytics serta analytical skills yang diperlukan, yaitu rasa ingin tahu, pemahaman konteks, data strategy, data design, dan technical mindset. Pada bagian data fundamentals, mahasiswa diperkenalkan dengan sumber data internal dan eksternal serta perbedaan data terstruktur dan tidak terstruktur. Data terstruktur, seperti data di ERP atau Excel, lebih mudah dianalisis, sedangkan data tidak terstruktur, seperti email dan dokumen, diolah lebih dahulu. Bagi calon auditor, kualitas data juga menjadi perhatian lewat tiga risiko, yaitu data input risk, data integrity risk, dan data import risk, sehingga data perlu divalidasi dan dibersihkan sebelum dianalisis.
Pertemuan hari ini juga menyinggung tentang big data, yaitu data dalam volume besar yang sebagian besar tidak terstruktur, bergerak cepat, berasal dari luar organisasi, dan tersimpan di banyak server. Big data bermanfaat untuk mendeteksi kecurangan dan memprediksi kerusakan peralatan, tetapi menghadirkan tantangan berupa penyimpanan yang aman, kualitas data, dan kebutuhan keterampilan baru untuk menganalisisnya.
Inti materi adalah empat tahap analytics: descriptive (apa yang terjadi), diagnostic (mengapa terjadi), predictive (apa yang akan terjadi), dan prescriptive (bagaimana mengoptimalkan). Pada tahap predictive, model dibangun dari data historis untuk memperkirakan kemungkinan hasil di masa depan. Namun, hasil prediksi bersifat probabilistik, bukan kepastian, sehingga hanya berfungsi sebagai alat bantu pengambilan keputusan dan tidak menggantikan professional judgment. Untuk memberikan gambaran yang lebih jelas, pembicara juga memberikan contoh penerapan RPA, advanced analytics, dan predictive modelling dalam data analytics.
Pembicara juga membahas AI (Artificial Intelligence) sebagai bagian dari analitik modern beserta risikonya, seperti bias, privasi data, dan halusinasi. Karena itu, AI tidak menggantikan skeptisisme profesional, melainkan membuatnya makin penting. Auditor perlu mengevaluasi output AI secara kritis dan menerapkan prinsip “trust but verify”. Di akhir kelas, diadakan sesi tanya jawab yang memberikan kesempatan kepada mahasiswa untuk mengajukan pertanyaan seputar materi yang telah disampaikan oleh pembicara
