Jam operasional perusahaan sudah berakhir, tetapi sistem masih mencatat transaksi. Ada pembayaran yang disetujui pukul 23.42, perubahan data vendor pada hari libur, atau pembatalan transaksi ketika sebagian besar karyawan sedang tidak bekerja. Apakah semuanya perlu dianggap sebagai kecurangan? Belum tentu. Bisa saja aktivitas itu dilakukan oleh petugas shift malam, tim yang bekerja lintas zona waktu, atau proses yang memang dijalankan otomatis.

Meski demikian, transaksi di luar jam kerja layak mendapat perhatian apabila waktunya tidak sesuai dengan kebiasaan proses bisnis. Kejadian seperti ini sering tersembunyi di antara ribuan baris data, terutama ketika tim hanya memeriksa ringkasan transaksi bulanan. Dengan analisis data transaksi, perusahaan dapat menyaring aktivitas yang tidak biasa, lalu menentukan mana yang benar benar perlu diperiksa.

Mengapa waktu transaksi bisa menjadi petunjuk penting?

Setiap proses bisnis biasanya memiliki pola. Toko ritel mungkin menerima transaksi pada malam hari, sedangkan persetujuan pembayaran kantor umumnya berlangsung pada jam kerja. Gudang tertentu mungkin beroperasi sepanjang malam, tetapi perubahan rekening bank vendor setelah tengah malam merupakan aktivitas yang berbeda sifatnya.

Di sinilah audit data transaksi menjadi relevan. Tim tidak sekadar menghitung nominal penjualan atau pembayaran. Mereka juga melihat kapan transaksi terjadi, siapa yang menjalankannya, jenis aktivitasnya, dan apakah ada alasan operasional yang masuk akal. Deteksi anomali transaksi dimulai dari memahami pola normal, bukan dari langsung menuduh setiap aktivitas yang berbeda sebagai kesalahan.

Misalnya, sebuah perusahaan menerapkan jam persetujuan pembayaran pada pukul 08.00 hingga 18.00. Laporan menunjukkan beberapa persetujuan muncul setelah pukul 21.00. Temuan awal itu belum membuktikan pelanggaran. Auditor perlu memeriksa kalender kerja, kewenangan pengguna, tanggal efektif sistem, dan riwayat persetujuan sebelum mengambil kesimpulan.

Data apa yang dibutuhkan untuk pemeriksaan awal?

Untuk memulai pemeriksaan transaksi tidak wajar, tim perlu memastikan informasi penting tersedia dalam data. Setidaknya terdapat tanggal dan jam aktivitas, nomor transaksi, jenis transaksi, pengguna atau pihak yang menjalankan proses, nominal jika relevan, dan status transaksi. Riwayat perubahan atau approval log akan membuat pemeriksaan lebih kuat.

Jangan lewatkan zona waktu. Sistem cabang dapat menyimpan waktu dalam format yang berbeda, sedangkan data aplikasi mungkin menggunakan UTC. Jika seluruh catatan langsung disamakan tanpa penyesuaian, transaksi yang sebenarnya terjadi pada jam kerja bisa tampak seperti aktivitas tengah malam. Kualitas waktu dan kelengkapan data sama pentingnya dengan alat yang digunakan.

Setelah itu, buat batasan jam yang sesuai dengan setiap unit. Cabang yang beroperasi 24 jam tidak bisa dibandingkan begitu saja dengan kantor administrasi. Monitoring transaksi bisnis lebih bermanfaat ketika aturan pemeriksaannya mengikuti kegiatan perusahaan yang sebenarnya.

Cara memilah transaksi yang perlu diperiksa

Langkah awal cukup sederhana. Tentukan jenis aktivitas yang ingin dianalisis, misalnya approval pembayaran, perubahan data vendor, atau pembatalan penjualan. Setelah itu, saring transaksi yang waktunya berada di luar rentang normal untuk proses tersebut. Bandingkan hasilnya dengan jadwal kerja, otorisasi, serta dokumentasi pendukung.

Apabila banyak catatan ditemukan, tim dapat mengurutkan prioritas. Aktivitas dengan nilai material, pengguna yang tidak biasa, perubahan data sensitif, atau kejadian berulang dapat diperiksa lebih dahulu. Analisis risiko transaksi bukan soal memberikan label merah pada semua baris yang berbeda, melainkan mengarahkan perhatian kepada aktivitas dengan dampak paling relevan.

Sebagai contoh ilustratif, staf operasional menjalankan transaksi pada pukul 22.15 karena sedang bertugas di shift malam. Catatan itu mungkin wajar. Sementara itu, perubahan nomor rekening vendor oleh akun yang biasanya hanya membaca laporan memerlukan verifikasi akses dan alasan bisnis. Keduanya sama sama terjadi di luar jam kerja, tetapi konteks risikonya sangat berbeda.

Apakah harus menggunakan software khusus?

Untuk data yang masih sedikit, audit data transaksi dapat dimulai dengan filter spreadsheet atau laporan dari sistem. Tantangannya muncul ketika tabel semakin besar, format tanggal tidak konsisten, atau auditor perlu mencoba banyak kombinasi kondisi. Dalam situasi tersebut, software audit analytics dapat membantu tim menjalankan pemeriksaan dengan lebih sistematis.

Pada solusi tertentu, AI data analytics membantu pengguna menyusun pertanyaan analisis dengan bahasa yang lebih mudah dipahami. Misalnya, tim ingin melihat transaksi yang disetujui di luar waktu operasional dan dikelompokkan menurut pengguna. Pendekatan analisis data berbasis AI dapat mempermudah eksplorasi, terutama bagi anggota tim yang tidak terbiasa menyusun query sendiri. Namun, ketersediaan fitur, jenis file yang didukung, serta cara data diproses tetap perlu dikonfirmasi pada solusi yang dipilih.

Hal paling penting adalah hasil analisis bisa diperiksa kembali. Auditor perlu memahami aturan filter, periode data, dan alasan sebuah transaksi masuk daftar pengecualian. AI dapat membantu menemukan pola, tetapi tidak mengetahui seluruh kesepakatan operasional, alasan persetujuan, atau bukti di balik suatu transaksi.

Dari daftar anomali menjadi tindak lanjut yang masuk akal

Daftar pengecualian bukan laporan kecurangan. Setelah deteksi anomali transaksi, tim perlu mengecek apakah aktivitas didukung otorisasi yang sah, apakah ada kebutuhan mendesak, serta apakah perubahan tersebut selaras dengan prosedur. Dokumentasikan hasil verifikasi dan alasan suatu catatan dinyatakan wajar atau perlu ditelusuri lebih lanjut.

Jika jenis kejadian yang sama sering terulang, perusahaan dapat meninjau prosesnya. Mungkin jam operasional pada sistem belum mengikuti jadwal aktual, atau hak akses belum diperbarui setelah perpindahan tugas. Dengan begitu, monitoring transaksi bisnis menjadi masukan untuk memperbaiki kontrol, bukan sekadar menghasilkan daftar masalah.

Memulai dengan satu pertanyaan yang jelas

Tidak perlu langsung menganalisis seluruh database. Mulailah dari proses yang memang penting bagi bisnis, misalnya persetujuan pembayaran atau perubahan master data vendor. Tentukan periode, definisi jam normal, dan data pembanding. Baru setelah itu tentukan apakah pemeriksaan akan dilakukan berkala atau sebagai analisis saat audit berlangsung.

Pemeriksaan transaksi tidak wajar yang baik memberikan dasar bagi keputusan manusia. Dengan analisis data transaksi yang terarah dan analisis risiko transaksi yang mempertimbangkan konteks, tim Finance dan Internal Audit dapat memakai data yang sudah dimiliki secara lebih bernilai.

Actifficient membantu perusahaan mengevaluasi kebutuhan AI data analytics untuk audit dan pemeriksaan transaksi, termasuk eksplorasi data yang lebih mudah dan tindak lanjut hasil analisis. Kenali solusi teknologi Actifficient atau Request Consultation untuk mendiskusikan skenario pemeriksaan yang paling relevan bagi tim Anda.