L'Internal Auditor ha buona mira Il campionamento, nei suoi vari possibili approcci, è una pratica essenziale nell’auditing, poiché consente di concentrare gli sforzi su una parte significativa della popolazione analizzata, senza esaminarne il 100% degli elementi. Il campionamento mirato è un metodo non statistico (*) in cui gli elementi sono selezionati sulla base di uno o più parametri (come il valore economico, il rischio percepito o altre caratteristiche di interesse). Esempi pratici: ▪️ selezionare i contratti con valore economico più elevato; ▪️ concentrarsi sulle attività di una determinata area geografica ad alto rischio; ▪️ analizzare le transazioni effettuate in periodi di discontinuità organizzativa. 👍 Il vantaggio è la focalizzazione sul rischio, concentrando gli sforzi sugli elementi più rilevanti o critici, con efficienza e flessibilità. 👎 Gli svantaggi derivano sia dalla soggettività degli Auditor (funziona meglio al crescere dell’esperienza e della collaborazione), sia dalla rappresentatività limitata, dato che il risultato delle analisi conseguenti non può riflettere l’intera popolazione. Il campionamento mirato è particolarmente utile quando: ✅ l’obiettivo non è estrapolare conclusioni generalizzabili (es. un tasso di errore), ma identificare aree di miglioramento o approfondire specifici problemi (anche con taglio di #advisory); ✅ si vuole indagare una specifica area di #rischio identificata in precedenza (es. da tool di continuous auditing); ✅ i dati disponibili non consentono di applicare un metodo #statistico. #internalaudit #sampling ------------------------------------------ (*) Il campionamento statistico è un metodo che permette di estendere i risultati di un campione (estratto casualmente) all'intera popolazione, attraverso tecniche probabilistiche; ciò è possibile calcolando un intervallo di confidenza, che rappresenta la probabilità che la situazione reale dell’intera popolazione sia approssimabile alla stima basata sul campione, entro un margine di errore definito. Scriverò nei prossimi giorni un post per spiegare meglio come funziona il campionamento statistico e in che cosa differisce da una semplice selezione casuale.
Suggerirei anche l'applicazione di tecniche di stratificazione della popolazione e ribilanciamento degli strati in fase di selezione delle teste. Lo trovo particolarmente utile quando ogni singolo controllo é particolarmente oneroso (tempo) e il campione non può essere particolarmente ampio (benché avrebbe poco senso se costretti invece a campionare pochi elementi). Anomalie perticolarmente diffuse le trovi senza se e senza ma, mentre quelle che possano concentrarsi fra gli "attributi" che connaturano solo uno o pochissimi strati, magari quelli meno "popolati", hanno maggior possibilità di essere individuate e portare anche il Management a certe decisioni (rivedere il processo, evitare certe condizioni, turnare gli staff per riequilibrare le competenze ecc).
Internal Audit - CIA, CCSA, QAR
2 mesiCiao Michele, io mi sono scontrato diverse volte con il tema del campionamento, e secondo me quello statistico, pur garantendo maggiore oggettività, risulta spesso di difficile applicazione sia in termini di caratteristiche dell'universo, sia in termini di numero degli item da verificare. Preferisco quindi un campionamento non statistico ma "indirizzato" attraverso l'utilizzo di specifici driver di selezione, che devono naturalmente essere adeguatamente motivati e tracciati.