Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

Büyük Veri Çalışma Grubu

GELIŞIMINE GENEL BAKIŞ

BÜYÜK VERİ
DENETİMLERİ
YÜKSEK DENETİM KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN

2016'DAN 2021'E KADAR

Eylül

2022
ÖNSÖZ
İçinde bulunduğumuz bilgi çağında veri, iyi yönetişimin sağlanması için vazgeçilmezdir. Bu
nedenle büyük veri denetimi, yüksek denetim kurumları (YDK'lar) için veri toplama, denetim
analizi ve risk tespiti konularında gelişmekte olan bir yaklaşım haline gelmiştir.

Sayıştaylar Tarafından 2016-2021 Yılları Arasında Gerçekleştirilen Büyük Veri Denetimlerine

Genel Bakış konulu bu raporu INTOSAI camiasına sunmaktan memnuniyet duyuyoruz.
Rapor, INTOSAI Büyük Veri Çalışma Grubu üyeleri tarafından yürütülen büyük veri
denetimlerine ilişkin bir araştırmanın bulgularını sunmakta, büyük veri denetimi
uygulamasına ilişkin bir çerçeve çizmekte ve büyük veri denetiminin gelişim eğilimini
anlamaya çalışarak Sayıştayların son beş yıldaki deneyim ve uygulamalarına
değinmektedir. Rapor, YDK'ların teknoloji uygulaması, veri yönetişimi ve hedeflerin yerine
getirilmesi konularındaki uygulamalarını anketler aracılığıyla karşılaştırmalı olarak
incelemektedir. Raporda ayrıca Sayıştayların büyük veri denetimi yapabilmeleri için öneriler
de sunulmaktadır. Bu raporun kamu sektörü denetiminde büyük veri kullanımını teşvik
edeceğini umuyoruz.

Avusturya, Brezilya, Çin, Danimarka, Ekvator, Estonya, Finlandiya, Fransa, Hindistan, Endonezya,
Hollanda, Norveç, Peru, Filipinler, Rusya, Türkiye, İngiltere, ABD ve Avrupa Sayıştayı
Sayıştaylarına bu rapora temel teşkil eden büyük veri denetimine ilişkin uygulamalarını
paylaştıkları için teşekkürlerimizi sunarız. INTOSAI Büyük Veri Çalışma Grubu Sekretaryasına bu
raporu derledikleri için teşekkür ederiz. Ayrıca Bhutan, Danimarka, Ekvator, Eritre, Estonya,
Finlandiya, Fransa, Hindistan, Endonezya, İrlanda, Meksika, Hollanda, Peru, Filipinler, Portekiz,
Tayland, Türkiye, Ukrayna, İngiltere, Vietnam ve AFROSAI-E Sayıştaylarının soru formunun
tasarımına ilişkin değerli önerileri i ç i n minnettarız.

Bu raporu faydalı bulacağınızı umuyoruz.

Hou Kai
Çin Ulusal Denetim Ofisi Genel Denetçisi INTOSAI Büyük
Veri Çalışma Grubu Başkanı
 INTOSAI HAKKINDA
Büyük Veri Çalışma Grubu

INTOSAI Büyük Veri Çalışma Grubu (WGBD), INTOSAI tarafından Stratejik Amaç Üç kapsamında
onaylanmış özel bir çalışma grubudur: Bilgi Paylaşımı ve Hizmetler. Amacı, büyük veri çağında
Sayıştayların karşılaştığı zorlukları ve fırsatları tespit etmek, büyük veri denetimi alanındaki bilgi
ve deneyimleri özetlemek ve büyük veri konusunda ikili ve çok taraflı teknik işbirliğini
güçlendirmektir.

Sandalye

Çin

Başkan Yardımcısı

Birleşik Devletler

Üyeler

- Arjantin- Avusturya- Bangladeş- Belçika- Butan

- Brezilya- Kanada- Şili- Danimarka- Ekvador

- Estonya- Finlandiya- Fiji- Fransa- Gürcistan

- Hindistan- Endonezya- Kuveyt- Malezya- Meksika

- Hollanda- Yeni Zelanda- Norveç- Pakistan- Peru

- Filipinler- Portekiz - Kore Cumhuriyeti - Rusya Federasyonu - Samoa

- Senegal- Slovakya- Tayland- Türkiye- Ukrayna

- Birleşik Krallık - Zambiya

Gözlemciler

- AFROSAI-E- Bulgaristan - Avrupa Sayıştayı- İrlanda- Vietnam

 İÇİNDEKİLER

Özet 01

I. Büyük Veri Denetiminin Teorik Araştırma ve Uygulama Çerçevesi 02

II. Büyük Veri Denetimi Uygulamaları - Vaka Uygulamasına Dayalı 05

1. Büyük veri denetim teknikleri ve metodolojilerinin uygulamaları 05

2. için ortam ve donanımın oluşturulması ve iyileştirilmesi 07

büyük veri denetimi

3. Büyük şirketlerin organizasyon modellerinin dönüşümü ve devrimi 08

veri̇ deneti̇mi̇

4. Kalite ve verimliliğin artırılmasına yönelik hedefler ve yaklaşımlar 09

büyük veri denetiminin

III. Büyük veri denetiminin güncel gelişimi ve zorlukları-bir analiz 10

anket sonuçlarına göre.

1. Toplanan verilerin doğruluğunun düşük olması ve kapsamlı veri gecikmesi 11

2. Veri platformu oluşturma konusunda yetersiz teknikler ve daha az dikkat 11

3. Kusurlu veri paylaşım modeli ve kurumsal yönetim 13

4. Güvenilirliği ve risk tahminini artırmada düşük performans gösteren büyük veri denetimi 13

IV.Büyük Veri Denetimi Uygulama Çerçevesi ve Pratik Karşı Önlemler 15

1. Entegre veri platformlarının kurulmasını hızlandırmak için 17

veri toplama standartları ve en yeni teknolojileri keşfetmek

2. Büyük veri teknoloji merkezleri kurmak, eğitim planları oluşturmak, 17

ve departmanlar arası ve bölgeler arası işbirlikleri yürütmek

3. İyileştirmek için büyük veri denetimini ulusal yönetişime dahil etmek 18

denetim güvenilirliği ve risk uyarısının doğruluğu

Ekler 19
ÖZET

Dünya bilgi çağına doğru vites değiştirirken, büyük veri ulusal

yönetişim sisteminin ve yönetişim kapasitesinin
modernizasyonunu teşvik etmede çok önemli bir rol oynamış
ve ülkelerin denetim modelleri de buna bağlı olarak
değişmiştir. Büyük veri denetimi, Yüksek Denetim Kurumları
(YDK) için denetim verilerini elde etmek, denetim analizi
yapmak, şüpheli ihlalleri tespit etmek ve risk uyarısı yapmak
için önemli bir yaklaşım olarak giderek a r t m a k t a d ı r . Bu
genel bakış INTOSAI WGBD üyelerinin büyük veri denetimi
teorisine ilişkin araştırma bulgularını özetler; teknoloji düzeyi,
yönetişim düzeyi ve amaç düzeyi boyutlarına dayalı bir büyük
veri denetimi uygulama çerçevesinin oluşturulmasını araştırır;
WGBD ve INTOSAI arasındaki yakın irtibat yoluyla son 5
yılda dünya genelindeki YDK'ların gelişmiş uygulamalarından
yararlanır; Büyük veri denetiminin gelişim trendini araştırır ve
özetler; Sayıştayların teknoloji uygulaması, veri yönetişimi ve
hedeflerin yerine getirilmesi açısından gerçeklerini,
dezavantajların analizi ve araştırılmasına odaklanarak anket
araştırması yoluyla özetler ve karşılaştırır. Çeşitli ülkelerin
büyük veri denetimi çalışmalarının gözden geçirilmesi ve
görünümü, değerlendirilmesi ve geri bildirimi,
karşılaştırılması ve referans verilmesi yoluyla, bu genel bakış,
dünya çapında devlet denetiminde büyük veri denetiminin
aktif bir rol oynamasını amaçlayarak, büyük veri denetiminin
gerçekleştirilmesinde YDK'lar için öneriler ortaya
koymaktadır.

INTOSAI WGBD
0
1
TEORIK ARAŞTIRMA VE
BÜYÜK VERİ DENETİMİ UYGULAMA ÇERÇEVESİ

Büyük veri; devasa ölçek, hızlı iletim, çeşitli kaynaklar, karmaşık yapı ve paha biçilemez değere
sahiptir (Connelly vd., 2016)1 . Bilgi çağının ve teknolojik devrimin ortaya çıkışı, büyük verinin
birçok ülke için hükümet tarafından kamu yönetişimini geliştirecek bir teknoloji kaynağı olarak
ortaya çıkmasına neden olmuştur. Büyük veri denetiminin temel içeriği, büyük verinin içerdiği
muazzam değerin etkin kullanımı, veri modellerinin analizi, anormal verilerin tanımlanması,
faydalı bilgilerin çıkarılması ve veri görselleştirme çözümlerinin oluşturulmasıdır (AICPA, 2014)2 .
Sayıştaylar, devasa veri kaynaklarını kanunların verdiği yetkiye uygun olarak toplamakta ve
bunlardan tam olarak yararlanmakta, denetçilerin şüpheli ihlalleri tespit etmeleri ve ilgili
konularda değerlendirme, sonuç ve makro analiz y a p m a l a r ı için etkili önlemler olan akıllı
veri madenciliği ve tüm boyutlarda çapraz alan, çapraz düzey, çapraz sektör ve çapraz sistem
olan verilerin analizini gerçekleştirmektedir (Hu Zejun, 2019)3 . Büyük veri denetim çalışması
çerçevesinin oluşturulması, denetim çalışması önceliklerinin kamu gelirlerinin ve
harcamalarının verimliliğini artırmaktan bilgi şeffaflığını artırmaya, kamu itibarını teşvik etmeye,
büyük riskleri önlemeye ve çözmeye doğru kaymasını teşvik edecektir4 .

Geleneksel denetimle karşılaştırıldığında, büyük veri denetimi üç açıdan kayda değer yenilikler
kaydetmiştir: teknikler ve yöntemler, uygulama alanları ve organizasyon şekilleri.

1. Connelly R, Christopher J. Playford, V G, vd. Sosyal bilim araştırmalarındaki büyük veri devriminde idari verilerin rolü,
Social Science Research, 2016, 59: 1-12.
2. AICPA. Kablolu Bir Dünyada Denetimi Yeniden Tasarlamak (Beyaz Kitap). 2014. New York: Amerikan Sertifikalı Kamu
Muhasebecileri Enstitüsü.
3. Hu Zejun. 2019, Çin Halk Cumhuriyeti Ulusal Denetimi. Pekin: China Times Press.
4. INTOSAI Stratejik Planı 2017-2022

0 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

2 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

Teknolojik yenilik açısından, denetim analizi yaklaşımı örnekleme denetiminden tam veri
analizine, analiz yöntemi geleneksel sorgulama istatistiklerinden büyük veri teknolojilerine (Liu
Xing vd., 2016; Alles vd., 2016)5 ve denetim kanıtı toplama tek veri çıkarma ve analiz
tekniklerinden büyük veri platformlarının kurulmasına ve büyük veri değer zincirlerinin
entegrasyonuna (Niu Yanfang vd., 2017)6 evrilmiştir.

Uygulama alanı açısından, büyük veri yalnızca kamu maliyesi performans denetimine
uygulanmaz, aynı zamanda dağıtımdan yönetime, kamu fonlarının, devlete ait varlıkların ve
devlete ait kaynakların kullanımına kadar tüm sürece yayılır (Qian Hongdao ve diğerleri, 2019)7 ,
büyük veri denetiminin tam kapsamını gerçekleştirir (Ma Zhijuan, 2015)8 .

Organizasyon yapısı açısından, önceki merkezi olmayan denetim ekipleri, süreç standardı,
profesyonel kapasite, ağ desteği ve çeşitlendirilmiş gözetim özelliklerine sahip entegre bir
denetim sistemine dönüştürülmüştür. Sistem, farklı kurum ve makamlardan gelen verileri
tam olarak kullanmakta ve birleştirmekte, büyük veri teknolojisini denetim kapasitesiyle
bütünleştirmekte (Zheng Wei vd., 2016)9 , denetçiler tarafından paylaşılan değer hedeflerini ve
davranış kurallarını formüle etmekte (Li Chengai vd., 2019)10 ve organizasyon yapısını büyük veri
bağlamında dönüştürmektedir (Xu Zongben vd., 2014)11 .

Büyük veri denetim tekniklerinin uygulanması, yasal sistemin oluşturulması ve organizasyon

yapısının geliştirilmesi açısından, çeşitli YDK'lar arasında ilerlemeler farklılık göstermektedir
(Giest, 2017)12 ve yüksek ilk yatırım ve teknik eşik, büyük veri denetimlerinin uygulanmasındaki
temel zorluklar arasındadır (Omitogun vd., 2019)13 . Denetim çalışmalarının etkili bir şekilde
yürütülmesi, risklerin ve engellerin tespit edilmesi ve ortadan kaldırılması amacıyla

5. Liu Xing, Niu Yanfang, Tang Zhihao. Büyük Veri Denetiminin Geliştirilmesinin Teşvik Edilmesi Üzerine Düşünceler.
Auditing Research, 2016(05): 3-7; Alles M, Gray G L. Büyük verinin denetimlere dahil edilmesi: Engelleyicilerin
belirlenmesi ve bu engelleyicileri ele almak için bir araştırma gündemi. International Journal of Accounting Information,
2016, 22, 44-59.
6. Niu Yanfang, Feng Zhanguo, Meng Xiangyu. Büyük Veri Değer Zinciri Perspektifinden Denetim Çalışmalarında
İnovasyon ve Uygulama. Auditing Research, 2017(5), 17-22.
7. Qian Hongdao, Xie Tianyu. Denetimin Tam Kapsamı Perspektifi Altında Denetim Kanunundaki Değişiklik Eğilimi ve
Mantığı. Journal of Audit & Economics, 2019, 34(03): 22-31.
8. Ma Zhijuan, Liang Siyuan. Büyük Veri Çağında Devlet Çevresel Hesap Verebilirlik Denetiminin Tam Kapsamlı
Denetim Uygulama Yolu Üzerine Çalışma. Auditing Research, 2015, 000(005): 28-34.
9. Zheng Wei, Zhang Limin, Yang Li. Büyük Veri Ortamında Veri Odaklı Denetim Modu Üzerine Bir Araştırma. Auditing
Research, 2016(04): 20-27.
10. Li Chengai, He Xiaobao. Büyük Veri Denetim Organizasyonu Modlarının Keşfi ve İnovasyonu. Denetim Araştırmaları,
2019(05): 23-29.
11. Xu Zongben, Feng Zhiyan, Guo Xunhua, Zeng Dajun, Chen Guoqing. Büyük Verinin Yönlendirdiği Yönetim ve Karar
Verme Alanında Sınır Konular. Yönetim Dünyası, 2014(11):158-163.
12. Giest S. Politika yapımı için büyük veri: moda mı yoksa hızlı yol mu? Politika Bilimleri, 2017, 50(3):1-16.

INTOSAI WGBD
03
Büyük veri denetimlerini kurumu bir bütün olarak ele alarak analiz etmek, değerlendirmek ve
köklü nedenlere inerek karşı önlemler önermek.

Appelbaum ve diğerleri (2017)14 ve AI-Sai ve diğerleri (2020)15 gibi akademisyenlerin

araştırmalarına dayanarak, büyük veri üç düzeyde uygulanmaktadır - yönetişim ortamı, büyük
veri teknolojileri ve performans hedefleri. Denetim hedeflerinin etkinliği, organizasyon, teknoloji
ve yönetişim faktörleri tarafından ortaklaşa desteklenmektedir. Bu teori doğrultusunda, büyük
veri denetim uygulamalarının çerçevesi teknoloji seviyesi, yönetişim seviyesi ve hedef seviyesi
olmak üzere üç seviyeye ayrılmıştır (bkz. Şekil 1).

Teknoloji düzeyindeki göstergeler, büyük veri

Şekil 1 Büyük veri
te knolojik inovasyonu ve uygulamasının
denetim uygulamalarının
yanı sıra denetim kurumlarının yönetimini
değerlendirmek üzere tasarlanmıştır. çerçevesi

Bunlar dört boyutta ölçülmektedir: veri

toplama kalitesinin daha verimli olması, teknik
ve yöntemlerin (veri modelleme ve
algoritmalar gibi) daha çeşitli olması, denetim
alanının daha kapsamlı olması ve altyapının
(büyük veri denetim platformu modülü gibi)
daha yetenekli olması.

Yönetişim le vel'd e k i göstergeler

organizasyon, fonksiyonel yapı ve büyük veri
denetim tekniklerinin eşleşme derecesini
değerlendirmek üzere tasarlanmıştır. Bunlar
üç boyutta ölçülmektedir: büyük veri
teknolojisi merkezlerinin kurulması, büyük veri
yeteneklerinin eğitimi ve departmanlar ve
bölgeler arasında tam işbirliği.

Hedef düzeyindeki göstergeler, büyük verinin etkinliğini değerlendirmek üzere tasarlanmıştır

13. Omitogun, A. ve Al-Adeem, K. 2019, Denetçilerin Büyük Veri ve Veri Analitiğine İlişkin Algıları ve Yetkinlikleri: An
Empirical Investigation, International Journal of Computer Auditing, 1 (1): 92-114.
14. Appelbaum D, Kogan A, Vasarhelyi M A. Modern Denetim Görevlerinde Büyük Veri ve Analitik: Araştırma İhtiyaçları.
Auditing A Journal of Practice & Theory, 2017, 36(4):1-27
15. Al-Sai Z, Abdullah R, Husin H. Büyük Veri için Kritik Başarı Faktörleri: Sistematik Bir Literatür Taraması. IEEE Access,
2020:1-1.

0 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

4 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

beklenen hedefleri ve uygulama sonrası etkiyi karşılamaktadır. Bunlar üç boyutta ölçülmektedir:
şüpheli ihlallerin tespitinin etkinliği (etkililik), bilgi şeffaflığının artırılmasıyla teşvik edilen sosyal
etki (meşruiyet) ve risk önlemenin doğruluğu (ileriye dönük).

Yönelim olarak amaç seviyesi ile birlikte, üç seviye birbiriyle etkileşim halindedir v e birbirini
etkiler; teknoloji seviyesi ve yönetişim seviyesi birbirine bağlıdır ve karşılıklı olarak birbirini
teşvik eder. Uygulamada, büyük veri denetim teknikleri sürekli olarak yenilenmekte, kurumsal
yönetişim mekanizmaları gelişmeye devam etmekte ve büyük veri teknolojileri ile kurumsal
yönetişim sistemleri uyum içinde birbirlerini tamamlamakta, birlikte YDK'ların denetim
hedeflerinin gerçekleştirilmesini kolaylaştırmaktadır.

BÜYÜK VERI DENETIMI

UYGULAMALAR - VAKA PRATIĞINE DAYALI

INTOSAI Büyük Veri Çalışma Grubu (WGBD), Uluslararası Yüksek Denetim Kurumları Teşkilatı
(INTOSAI) tarafından 2016 yılında onaylanan ve "Bilgi Paylaşımı ve Bilgi Hizmetleri" başlıklı
stratejik hedef 3'e ulaşmayı amaçlayan özel bir gruptur. Dünya çapında 40'tan fazla ülke ve
bölgede üye ve gözlemcileri bulunan çalışma grubu, büyük veri çağında Sayıştaylara yönelik
zorlukları ve fırsatları belirlemekten, büyük veri denetimi alanındaki bilgi ve deneyimleri
özetlemekten ve ikili ve çok taraflı teknolojik işbirliğini güçlendirmekten sorumludur. WGBD
bugüne kadar, çeşitli ülkelerden gelen temsilcilerin kendi ülkelerindeki büyük veri denetiminin
gelişimini ve uygulamalarını tanıttıkları 5 yıllık toplantı düzenlemiştir. Bu toplantılar, INTOSAI
WGBD üyelerinin, yeni senaryolarda çeşitlendirilmiş büyük veri teknolojilerinin uygulanmasını
geliştirerek, departmanlar arası işbirliklerinde büyük veri denetimini uygulayarak, veri
paylaşımını güçlendirerek ve büyük veri denetimlerinin tam kapsamını sağlayacak şekilde ilgili
düzenlemeleri yürürlüğe koyarak büyük veri denetimi çalışmalarına büyük önem verdiklerini
göstermiştir. Spesifik tedbirler aşağıdaki gibidir:

1. Büyük veri denetim teknikleri ve metodolojilerinin uygulamaları

Büyük veri teknolojisi ve denetim metodolojisinde yenilik

Büyük veri teknolojisinin gelişmesi ve geniş ç a p t a uygulanmasıyla birlikte, temel karşılaştırmalı

analiz ve trend analizinin ötesine geçerek, metin tanıma ve veri

INTOSAI WGBD
05
karmaşık makine öğrenimi, AI (yapay zeka) ve blok zinciri gibi en ileri teknolojilere doğru erken
aşamada ilişkilendirme. Son 5 yılda YDK'lar tarafından paylaşılan vakalardan da görülebileceği
üzere (Şekil 2), büyük veri denetim yöntemleri, veri madenciliği ve görselleştirme teknolojisinin
basit kullanımından çeşitli ve nispeten

karmaşık model hesaplama yöntemleri. Örneğin, Hükümet Hesap Verebilirlik Ofisi (GAO) büyük
veri denetim faaliyetlerini gerçekleştirirken Python ve R dili gibi programlama dillerinden, SAS
ve Stata gibi istatistiksel analiz yazılımlarından, Tableau gibi görselleştirme yazılımlarından ve
ArcGIS ve MapInfo gibi CBS (coğrafi bilgi sistemi) yazılımlarından ve blok zincirinden yoğun bir
şekilde yararlanmaktadır.

Şekil 2 INTOSAI WGBD Toplantılarında sunulan büyük veri teknolojileri

Büyük veri denetim kapsamının genişletilmesi ve uygulama alanlarındaki atılımlar

Geleneksel denetimde veri denetim teknikleri daha çok maliye ve vergi gibi denetim alanlarında
uygulanmaktadır. YDK'lar tarafından paylaşılan örneklerden de görülebileceği üzere, kamu
maliyesi denetimi

0 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

6 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

büyük veri denetim çalışmalarının ana akımını oluşturmaktadır. Bu arada, farklı denetim
performansı önceliklerine sahip YDK'lar sağlık hizmetleri, ceza soruşturması, eğitim, çevre
koruma ve afet tahmini konularında denetimler gerçekleştirmiştir. Örneğin, Çin Sayıştayı 2017
gibi erken bir tarihte kaynak-çevre büyük veri denetimi vakalarını paylaşmıştır. 2018'den 2020'ye
kadar SAI Danimarka, Fransa ve GAO eğitim alanında verimli keşifler gerçekleştirdi. 2020'de SAI
Estonya, acil kurtarma ve risk tahmininde başarılı deneyimlerini tanıttı. 2021 yılında Avrupa
Sayıştayı, çok dilli haber takibi ve Avrupa Ortak Tarım Politikasının uygulanmasının gerçek
zamanlı denetiminde yenilikler yaptı.

2. Büyük veri denetimi için ortam ve donanımın oluşturulması ve

iyileştirilmesi

Büyük veri denetimi için politika ortamının oluşturulması ve iyileştirilmesi

Kurumsal düzenlemeler, birçok ülkede, veri kaynaklarının paylaşılmasını ve açılmasını teşvik

etmek, veri kullanımının değerini artırmak ve büyük veri denetim modeli oluşturmak için ön
koşuldur. Son yıllarda Hindistan, Çin, Amerika Birleşik Devletleri, Norveç ve Ekvador gibi ülkeler
büyük veri denetiminin yetki ve toplama standardına ilişkin politikalar yayınlamıştır. Birkaç
örnek vermek gerekirse, Amerika Birleşik Devletleri, devlet işlerinin dijitalleştirilmesini teşvik
etmeyi ve birleşik devlet veri standartları oluşturmayı amaçlayan Dijital Hesap Verebilirlik ve
Şeffaflık Yasasını yayınladı; Ekvador hükümeti, denetçilere ulusal bilgi sistemi portalını ziyaret
etme ve Çalışma Bakanlığı, mülk kayıt yetkilileri ve sosyal güvenlik yetkililerinden bilgi alma
yetkisi veren ve denetim işini gerçekleştirirken verilerden tam olarak yararlanmayı garanti
e d e n Şeffaflık ve İş Bilgileri Y a s a s ı i l e Ulusal Kamu Veri Kayıt Yasasını
imzaladı.

Denetim veri kalitesi ve güvenliğinin yönetimi ve kontrolü

Denetim veri kalitesi ve veri güvenliği, büyük veri denetiminin normal işleyişini sağlamak için
hayati önem taşır. Veri kalitesinin iyileştirilmesi ve veri güvenliğinin artırılması denetim
kapsamının genişletilmesine, analiz kalitesinin artırılmasına ve iç kontrol sorunlarının
önlenmesine yardımcı olabilir. Yıllar içinde Filipinler, Meksika ve Avrupa Sayıştayları, veri
operasyon ortamını optimize etmeyi ve veri güvenliğini korumayı taahhüt etmişlerdir. Büyük
veri prosedürlerine v e kendi projelerinin özelliklerine uygun olarak veri güvenliği yönetimi için
ilkelerini ve yeni veri güvenliği yönetim modellerini tanıttılar. SAI Meksika, büyük verinin genel
kalite yönetimini güçlendirmeyi amaçlayarak veri kalitesini veri kaynağı, veri türü ve veri
özellikleri olmak üzere üç boyutta ölçmek için bir değerlendirme endeksi sistemi kurmuştur.

INTOSAI WGBD
0
7
 Büyük veri denetim altyapısının kurulması ve geliştirilmesi

Daha büyük ölçekte yoğun ve sistematik büyük veri denetimi gerçekleştirmek için, bazı
ülkelerdeki Sayıştaylar, denetçilerin, denetim prosedürlerinin ve teknik araçların tek bir
sistemde entegre bir şekilde yönetilmesini sağlayan veri toplama, hazırlama, depolama, analiz
ve sunum süreçlerinin tamamını içeren bir denetim platformu oluşturmuşlardır. Geçtiğimiz 5
toplantı boyunca toplam 9 denetim kurumu büyük veri denetim platformlarının kuruluşunu
tanıtmıştır. Örneğin, Endonezya Sayıştayı ve Norveç Sayıştayı 2017 y ı l ı n d a denetim analiz
platformlarını ve görselleştirme p l a t f o r m l a r ı n ı ; Çin, Rusya ve Brezilya Sayıştayları 2018
yılında denetim platformlarının kuruluşunu; Estonya Sayıştayı ve Türkiye Sayıştayı 2019 yılında
sırasıyla X-Road ve VERA adlı veri platformlarını; Filipinler Sayıştayı ise 2020 yılında olağandışı
işlemleri otomatik olarak tanımlayabilen MIKA-EL (makine zekasına dayalı denetim deneyimi
öğrenme) akıllı platformunu tanıtmıştır. Ayrıca, 2021 yılında Avrupa Sayıştayı, AB üyelerinin yerel
yetkili kullanıcıları için veri toplama, veri depolama ve otomatik analiz işlevlerini içeren altyapı
hizmet platformu n u s u n d u .

3. Büyük veri denetiminin organizasyon modellerinin dönüşümü ve

devrimi

Büyük veri denetim yeteneklerinin oluşturulması ve

eğitilmesi

Bazı ülkelerdeki Sayıştaylar denetçilerin veri analizi ve teknoloji uygulama kapasitelerini

geliştirmeyi hedefleyen çeşitli yetenek eğitimi programları başlatmışlardır. İstatistiklere göre
YDK'lar tarafından benimsenen başlıca eğitim modları şunlardır: merkezi eğitim (YDK Birleşik
Krallık), teknik uzman grubu ve denetim grubu tarafından ortak denetim (GAO), denetim
görevlerine katılan dış uzmanlar ve profesyonel veri analistleri (YDK Finlandiya), çevrimiçi teknik
eğitim ve düzenli teknik tartışma (YDK Avusturya) ve yeni ve kıdemli denetçiler arasında
"deneyim mentorluğu" (YDK Danimarka). Merkezi yönetimi kolaylaştırmak ve yeteneklerin temel
teknolojik avantajlarından daha iyi yararlanmak için Çin, Hindistan, Hollanda, Birleşik Krallık
Sayıştayları ile GAO ve Avrupa Sayıştayı geçici veri merkezleri veya yetenek merkezleri
kurmuşlardır. Örneğin SAI Çin, veri yönetimi ve analizinden sorumlu olmak üzere 2014 yılında
Elektronik Veri Denetimi Departmanını kurmuş; GAO ise 2019 yılında veri bilimi ve gelişmekte
olan teknolojilerin araştırılması yoluyla hükümet genelinde var olan önemli denetim
zorluklarının üstesinden gelmek üzere bir İnovasyon Laboratuvarı kurmuştur.

Büyük veri denetim kaynaklarının entegrasyonu ve işbirliği

Birçok ülke toplanan verileri bir bütün olarak birleştirmek ve uygun kategorizasyon yapmak için çaba
göstermektedir.

0 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ
DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ
Departmanlar arası, sektörler arası ve bölgeler arası işbirliğini kolaylaştırmak için. Örneğin,
Avrupa Sayıştayı, zamanında veri güncellemesi ve paylaşımı için Avrupa Birliği içindeki üye
devletler ve kurumlarla düzenli temaslar sürdürmeye çalışmakta ve büyük veri denetimi
gerçekleştirirken akademi ve meslek kuruluşlarıyla aktif bir şekilde işbirliği yapmaktadır; ve
Chesapeake Körfezi temizleme davasının denetiminde GAO, büyük veri konusunda devlet
işbirliğine daha fazla önem vermiştir16 . Estonya Sayıştayı, veri doğrulama için veri işlemedeki
zengin deneyiminden yararlanmak üzere istatistik departmanıyla yakın işbirliği yapmaktadır.

Büyük veri denetimlerinin organizasyon biçiminin dönüşümü

Büyük veri, denetim ekibi ile ilgili departmanlar ve kuruluşlar arasındaki koordinasyonu
güçlendirmekte, bu da denetçilerin departman işbirliklerine ve denetim verilerinin
entegrasyonuna yansımaktadır. Denetim projesinin organizasyon şekli de sabit üyelerden ağ
destekli ve çok kaynaklı insan gücüne doğru değişmiştir. Bu dönüşüm, mevcut pandemide
denetim ekibinin hızlı bir şekilde uyum sağlamasını kolaylaştırmada ve uzaktan çalışmanın
neden olduğu rahatsızlıkları azaltmada önemli bir rol oynamıştır. Örneğin, YDK Türkiye, mobilite
ihtiyacını azaltmak için denetlenenlerin elektrik belgelerine ve ilgili verilerine daha fazla
güvenmiş; YDK Avusturya ise denetim ekibine zamanında daha fazla teknik personel sağlayarak
hızlı bir şekilde uyum sağlamıştır.

4. Büyük veri denetiminin kalitesini ve verimliliğini artırmaya yönelik

hedefler ve yaklaşımlar

Yukarıda bahsedilen büyük veri denetim teknik ve yöntemlerindeki yenilikler, yazılım ve

donanım altyapısının iyileştirilmesi ve kurumsal yönetişim modellerinin dönüşümü, büyük veri
denetiminin amaçlarına hizmet etmektedir. Birçok YDK için, büyük veri teknolojilerinin yenilikçi
uygulaması ve kurumsal yönetişim modellerinin dönüşümü ve gelişimi sırasıyla denetim
hedefleri tarafından yönlendirilmekte, aynı zamanda bu hedefler denetim kapasitesinin ve yeni
koşulların iyileştirilmesine de tabi olmaktadır.

Büyük veri, aşağıdaki üç yaklaşım aracılığıyla denetimin yerine getirilmesinin kalitesini ve

verimliliğini etkili bir şekilde artırmıştır: İlk olarak, şüpheli durumları ortaya çıkarma yeteneğini
ve verimliliğini geliştirmiştir

16. Chesapeake Körfezi'nde ötrofikasyon, sularda düşük oksijen, ekolojik işlevlerin kaybı ve balıkçılık üretiminin azalması
gibi uzun süredir var olan çevresel sorunlar nedeniyle, ABD Federal Hükümeti ve havza bölgesindeki eyalet hükümetleri
1983 yılında bölgeler arası yönetişim için Chesapeake Körfezi Programı'nı kurmuştur. Su kalitesi yönetişimi birden fazla
paydaşın çıkarlarını içerdiğinden, bir koordinasyon sektörünün (bu durumda Chesapeake Körfezi Programı), eyalet
temsilcilerinin aktif katılımı ve metin analizine dayalı olarak gerçekleştirilen bir uyumluluk incelemesi ile hükümet yetkilileri
arasındaki işbirliği potansiyelini değerlendirmek ve geliştirmek için liderlik e t m e s i g e r e k m e k t e d i r .

INTOSAI WGBD
09
İhlaller. Örneğin, Ukrayna Sayıştayı kamuya açık görselleştirilmiş bir mali harcama veri sistemi
geliştirmiş ve denetçilerin bazı bölgelerde ilaç alım fiyatlarındaki aşırı değerleri tespit etmelerine
yardımcı olarak denetimin kapsamını ve etkinliğini genişletmiştir. İkinci olarak, şeffaflığı
artırmış ve denetim çalışmalarına kamuoyunun ilgisini daha fazla çekmiştir. Denetim kurumları
hakkında kamuoyunda artan farkındalık, bu kurumların sosyal etkisini ve güvenilirliğini daha da
artırmıştır. Örneğin, Avusturya Sayıştayı halkın anlamasını kolaylaştırmak için interaktif
arayüzler aracılığıyla daha fazla denetim bulgusu yayınlamıştır; GAO tarafından interaktif
fonksiyonlar ve kullanıcı davranış analizi ile tasarlanan GAGAS'ın (Genel Kabul Görmüş Kamu
Denetim Standartları) dijital versiyonu daha fazla sosyal ilgi çekmiştir.

MEVCUT GELIŞIM VE
BÜYÜK VERİ DENETİMİNİN ZORLUKLARI-ANKET
SONUÇLARI ÜZERİNE BİR ANALİZ.

Dikkat. Üçüncü olarak, denetimler tarafından yapılan risk uyarılarının doğruluğunu artırmıştır.
Örneğin, GAO ve SAI Estonya doğal afet tahmininde büyük veri teknolojisini uygulamış ve doğru
tahmini sonuçlar elde etmiştir; ve sivil toplum kuruluşu-DataKind'den uzmanlar, konum
verilerini ve ilgili kamu bilgilerini analiz ederek bir yangın tahmin modeli oluşturmayı ve analiz
edilen sonuçlara dayanarak yangın alarmlarını zamanında ve etkili bir şekilde dağıtmayı
öne rm i ştir .

Sayıştaylar büyük veri denetimi alanında kapsamlı uygulamalarda bulunmuş olsalar da,
ülkelerin (bölgelerin) gelişimi henüz bir dengeye oturmamıştır. INTOSAI WGBD Sekretaryası,
YDK'lar tarafından gerçekleştirilen büyük veri denetimlerinin kapsamlı ve derinlemesine bir
özetini çıkarmak, özellikle mevcut zorlukları ve güçlükleri anlamak amacıyla, YDK'lar tarafından
gerçekleştirilen büyük veri denetimlerinin deneyimlerini özetleyecek şekilde teknoloji düzeyi,
yönetişim düzeyi ve amaç düzeyi olmak üzere üç düzeye odaklanan 44 soruluk bir anket
hazırlamıştır.

Eylül 2021 sonu itibariyle, Asya'da 8 ülke (Vietnam, Tayland, Filipinler, Estonya, Türkiye,
Hindistan, Butan, Endonezya), Avrupa'da 8 ülke (Fransa, Birleşik Krallık, Finlandiya, Norveç,
İrlanda, Ukrayna, Portekiz, Danimarka), Amerika'da 3 ülke (Meksika, Peru, Ekvador) ve Afrika'da
3 ülke/kuruluş (AFROSAI-E, Eritre ve Sudan) olmak üzere 22 ülke ve bölgeden (15'i gelişmekte
olan ülke) YDK anketi yanıtlamıştır. Sayıştayların çoğu kanunla zorunlu kılınan bağımsızlığa
sahiptir (17/22) ve merkezi denetimden yerel denetim kurumlarına kadar en az iki seviyeli
organizasyon yapısı altında yönetilmektedir (12/22),

1 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

0 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

ve Sayıştayların çoğu mali denetime odaklanmakta ve performans denetimi ve uygunluk
denetimi ile desteklenmektedir. (13/22).

Geri bildirimler, ankete katılan YDK'ların büyük veri denetimi alanında uzun yıllardır kapsamlı
uygulamalar yaptıklarını göstermektedir. YDK'ların %50'sinden fazlası, büyük veri analizi
teknolojisini uygulamada daha fazla esnekliğe sahip olarak, yasalara uygun şekilde birden fazla
kaynaktan veri toplayabilmektedir ve çoğu 3'ten fazla büyük veri teknolojisini uygulamıştır.
YDK'ların büyük veri d e n e t i m i n d e farklı öncelikleri vardır ve bunların %50'sinden
fazlası işletme denetimi, mali sübvansiyon denetimi ve devlet bütçesi denetimine
odaklanmaktadır. Sudan, Vietnam ve İrlanda gibi ülkeler de kaynak, çevre, finans, eğitim, sağlık
sigortası ve sosyal güvenlik denetimlerinde büyük veri denetim tekniklerini uygulamıştır.

Ülkeler büyük bir hızla ilerlerken, yetersiz büyük veri teknolojileri, profesyonel yetenek eksikliği,
zayıf departmanlar arası işbirliği kapasitesi ve modası geçmiş yönetim gibi zorluklara ve
sorunlara da tanık oldular.

1. Toplanan verilerin doğruluğunun düşük olması ve kapsamlı veri

gecikmesi
Çok çeşitli ve farklı veri kaynakları, veri yapısının farklılığı ve sınırlı teknolojik imkanlar nedeniyle,
YDK'ların %41'i toplanan verilerin kalitesinin tatmin edici olmadığını, %45'i toplanan verilerin
doğruluğunu ortalama veya zayıf olarak değerlendirdiğini; %36'sı veri toplamak için düzenli bir
toplama mekanizmasından ziyade denetim görevlerine güvendiğini; %45'i veri toplamanın
zamanlılığı konusunda endişe duyduğunu belirtmiştir.

Veri doğruluğunun düşük olmasının ve veri gecikmesinin nedenleri çeşitli veri kaynakları, türleri
ve formatlarında yatmaktadır. Veri kaynakları arasında finansal veriler (%28), iş verileri (%24),
yönetim bilgi verileri (%19), ağ verileri ve diğerleri (%29) yer almaktadır. Veri formatı elektronik
tablo (%30), metin (%29), resim (%16), mekânsal coğrafya verileri ve diğerlerini (%25)
içermektedir. YDK'ların yarısı, veri kaynakları ve formatlarındaki bu çeşitlilik nedeniyle
çalışmalarındaki denetim verisi standardizasyonunun tatmin edici olmaktan uzak olduğunu
belirtmiştir.

2. Veri platformu oluşturma konusunda yetersiz teknikler ve daha

az dikkat

Sonuçlar, veri toplama, analiz ve sunum aşamalarında, yapısal

INTOSAI WGBD
1
1
SQL Server, Oracle, Access, Python ve Excel gibi veritabanı ve elektronik tablo yazılımları en sık
kullanılan yazılımlardır (bkz. Şekil 3) ve toplamın yaklaşık %60'ını oluşturmaktadır.

Nispeten az sayıda jeo-uzamsal teknoloji ve profesyonel görselleştirme teknolojisi vakası ve

yapay zeka, derin öğrenme ve sinir ağları gibi ileri teknolojik araçların daha da az sayıda
uygulama vakası bulunmaktadır. Sayıştayların %60'ından fazlası büyük verinin öncü
teknolojilerini ve tekniklerini keşfetme konusunda engellerle karşılaşmıştır.

Şekil 3- Büyük veri teknolojilerinin uygulanmasına ilişkin istatistikler

Büyük veri denetim tekniklerinin yeterince desteklenmemesi, büyük veri yeteneklerinin eksikliği
ve daha az gelişmiş büyük veri platformları arasında bir ilişki vardır. YDK'ların yarısı, büyük veri
teknolojisi yeteneklerinin eksikliği, büyük veri uygulamalarının düşük seviyesi ve daha az hedefli
faaliyetlerle başa çıkmakta zorlandıklarını ifade etmiştir. Birçok ülkedeki YDK'lar büyük veri
denetimi konusunda daha fazla uzman yetiştireceklerini belirtmiş olsalar da, anket sonuçları 22
YDK'dan 12'sinin (%55) büyük veri yeteneklerine "ortalama veya altında" önem verdiğini ve 6
YDK'nın ilgili herhangi bir eğitim programı başlatmadığını göstermektedir.

Bu tür programlar başlatmış olan 16 YDK arasında, eğitimleri çoğunlukla sabit mesleki sınıfları
(10/16) içermekte ve daha az etkileşim (profesyonel kurumlarla ortak eğitim; ziyaretler ve
değişimler gibi) içermektedir. Ankete katılanların sadece %36'sı büyük veri denetim platformları
kurmuştur.

1 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

2 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

 3. Kusurlu veri paylaşım modeli ve kurumsal yönetimi
Sayıştayların büyük veri denetiminin geliştirilmesi, sorumlu makamların genel planlamasından
ve birimler arası veri paylaşım mekanizmasından ayrılamaz. Ancak, mevcut aşamada, YDK'ların
yarısı büyük veri teknolojisi merkezleri kurmuş olsa da (yaklaşık %45), sistematik bir
organizasyon modelinden ve profesyonel yeteneklerden bir ölçüde yoksundur. Büyük veri
teknoloji merkezleri kurmuş olan katılımcıların yalnızca %40'ı büyük veri CTO'su (baş teknoloji
sorumlusu) pozisyonunu oluşturmuştur ve %50'den fazlası bu tür merkezlerin kurulmasının
temel amacının profesyonel teknolojiyle ilgili sorunları çözmek ve teknik yeteneklerin merkezi
yönetimi ve iletişiminden ziyade verilerin merkezi yönetimi ve kontrolünü sağlamak olduğuna
inanmaktadır. YDK'ların veri merkezlerinin %50'sinde teknik personel toplam personelin
%10'undan daha azını oluşturmaktadır ve bu da söz konusu merkezlerin işletilmesi için yetersiz
görünmektedir.

Bu arada, sonuçlar Sayıştayların %45'inin büyük veri uygulamasında veri paylaşım

mekanizmalarının ve mevcut düzenlemelerin eksik olduğunu; Sayıştayların %41'inin diğer
ülkeler veya bölgelerle büyük veri konusunda sınırlı/yetersiz işbirliğine sahip olduğunu;
Sayıştayların %32'sinin birimler arası veri alışverişinin zayıf veya sorunlu uygulamasıyla karşı
karşıya olduğunu göstermektedir. Bu durum, birçok YDK arasında büyük veri denetimi
konusunda devam eden işbirliğine rağmen, birçok YDK'nın iyi işleyen bir kurumlar arası veri
paylaşımı ve işbirliği mekanizması kurması için hala kat etmesi gereken uzun bir yol olduğunu
göstermektedir.

4. Güvenilirliği ve risk tahminini artırmada yetersiz performans

gösteren büyük veri denetimi

Büyük veri teknolojisi denetim alanını önemli ölçüde genişletmiş olsa da, anket katılımcıları
büyük veri teknolojilerini kullanarak doğru risk uyarısı yapma ve sosyal etkiyi artırma konusunda
iyi bir performans gösterememiştir. Ankete katılanların %86'sı büyük veri denetimlerinin ileriye
dönük denetimler gerçekleştirmeye ve potansiyel riskleri zamanında keşfetmeye elverişli
olduğuna inansa da, ankete katılanların %63'ü büyük veri teknolojilerinin ekonomik kalkınmayı
analiz etme ve tahmin etme konusunda pek de isabetli olmadığını ve ankete katılanların
yaklaşık %86'sı hastalık ve doğal afet risklerini tahmin etme konusunda büyük veri
teknolojilerinin doğruluğunun daha az tatmin edici olduğunu belirtmiştir.

Büyük veri denetimi, çok yönlü denetimlere ve ilgili veri kaynaklarına dayanarak, denetim
nesneleri ve halk arasında ortak endişe y a r a t a n konular tarafından genel yasa ve yönetmelik
ihlallerinin nedenleri ve eğilimlerinin analizini yapabilir, altındaki değerin derinlemesine
araştırılmasını sağlayabilir, makro karar alma ve kurumsal gelişime daha iyi hizmet edebilir ve
sosyal etkiyi artırabilir. Anket, denetim kurumlarının çoğunun büyük veri denetiminin aşağıdaki
konularda iyileşme sağladığına inandığını göstermektedir
INTOSAI WGBD
13
denetim verimliliğini artırma, denetim izlerini ve gizli riskleri keşfetme, durumu analiz etme ve
denetim alanını genişletme gibi faydalar sağlasa da, pratik uygulamada sosyal etkiyi artırma rolü
tam olarak oynanmamaktadır. Katılımcıların sadece %18'i büyük veri denetiminden tam olarak
y a r a r l a n m a n ı n d e n e t i m kurumlarının sosyal etkisini artırmaya yardımcı
olacağına inanmaktadır ve büyük veri teknolojilerinin getirdiği avantajlar çoğu tarafından tam
olarak kullanılamamakta ve paylaşılamamaktadır

Ankete katılan 22 YDK'nın geri bildirimlerinin özeti olarak, teknoloji düzeyi, yönetişim düzeyi ve
hedef düzeyi olmak üzere üç düzeyden oluşan bir liste hazırlanmıştır (bkz. Tablo 1).

Tablo 1 Büyük veri denetim çerçevesine dayalı anket sonuçlarının özeti

Seviye Göstergeler Sonuçların Değerlendirilmesi

Katılımcıların veri toplama kalitesi genel olarak yüksek olmakla birlikte,

Toplanan Büyük
zamanlılık, toplama mekanizması ve veri doğruluğu açısından hafif
Verinin
yetersizlikler söz konusudur.
Kalitesi

Sayıştayların çoğu birden fazla veri tekniği ve yöntemini kapsamlı bir şekilde
Büyük veri
uygulayabilmektedir, ancak en yeni teknolojilerin kullanımının
denetim
güçlendirilmesi gerekmektedir.
Teknoloji teknikleri
Seviyesi
Büyük veri uygulama Büyük veri denetim teknikleri birçok denetim alanına uygulanmış olsa da,
alanları ana denetim nesneleri çoğunlukla hala kamu maliyesine odaklanmaktadır.

Büyük veri
Büyük veri platformlarının kurulması nispeten düşük kalmaktadır.
altyapısının
kurulması

Büyük veri teknoloji Birçok Sayıştay büyük veri teknoloji merkezleri kurmuştur, bu merkezlerde
merkezi hizmet veren teknik personel biraz yetersizdir.

Yönetişim Büyük veri Büyük veri teknolojisi yeteneklerinin eğitim şekli tek görünmektedir ve büyük
seviyesi yeteneklerini veri yeteneklerine verilen önem yetersizdir.
n eğitimi

Her ne kadar birçok YDK birimler arası ve bölgeler arası denetim işbirliği
Departmanlar arası
gerçekleştirmiş olsa da, bölgeler arası ve birimler arası işbirliğinde yetersiz
işbirliği
veri paylaşımı ve engeller gibi bazı sorunlar hala mevcuttur.

Büyük veri teknolojisi, üye Sayıştayların denetim verimliliğini ve etkinliğini

Etkililik
önemli ölçüde artırabilir.

Amaç Büyük veri teknolojilerinin uygulanması, üye YDK'ların denetim

Meşruiyet
seviyesi güvenilirliğini ve sosyal etkisini artırmada iyi bir performans
göstermemiştir.

İleriye dönük Büyük veri teknolojilerinin uygulanması, doğru ekonomik tahminlerin ve risk
öngörüsünün gerçekleştirilmesinde iyi bir performans göstermemiştir.

1 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

4 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

BÜYÜK VERİ DENETİM UYGULAMASI
ÇERÇEVE VE PRATIK KARŞI ÖNLEMLER

Teknoloji düzeyinde, anket sonuçlarının yatay olarak karşılaştırılması, çoğu katılımcı için altyapı
platformunun kurulmasının ve büyük veri teknolojilerinin yenilikçi bir şekilde
u y g u l a n m a s ı n ı n veri toplama kalitesini artırdığını ve uygulama alanlarını genişlettiğini
göstermektedir. Örneğin, Sudan, Türkiye, Ekvator, Peru, Birleşik Krallık, Endonezya, Danimarka
ve Portekiz dahil olmak üzere 8 ülkedeki YDK'lar, toplanan verilerin yüksek kalitesine katkıda
bulunan ve denetim kapsamını büyük ölçüde genişleten büyük veri denetim platformları
kurmuştur. Sayıştay Fransa, Türkiye, B i r l e ş i k Krallık, Hindistan, Endonezya ve Portekiz'in de
aralarında bulunduğu altı Sayıştay, denetimin tüm aşamalarında birden fazla büyük veri
teknolojisi uygulamış ve diğer ülkelere kıyasla daha yüksek kalitede veri toplamış ve daha fazla
alanda denetim yapmıştır. Veriler ve vakalar, altyapı platformunun kurulmasının ve büyük veri
teknik kapasitesinin geliştirilmesinin veri toplama kalitesini büyük ölçüde artırabileceğini,
denetim alanını genişletebileceğini ve merkezi, birleşik ve kapsamlı bir büyük veri denetim ve
gözetim sistemi oluşturmak için sağlam bir temel oluşturabileceğini göstermektedir.

Yönetişim düzeyinde, yerleşik teknoloji merkezlerine sahip katılımcılar, departmanlar arası ve

bölgeler arası işbirliği yapma olasılığı daha yüksek olan yetenek eğitimine daha fazla önem
verme eğilimindedir. Örneğin, Sayıştay Vietnam, Fransa, Sudan, Türkiye, İngiltere, Hindistan ve
Norveç, yetenek eğitim modlarını çeşitlendirerek büyük veri yeteneklerinin eğitimine büyük
önem vermektedir. Bu arada, yukarıdaki 7 ülke yerel büyük veri denetim işbirliği ve veri
paylaşımında iyi bir performans sergilemiştir. Bu durum, teknoloji merkezlerinin kurulmasının
yönetişim düzeyinde büyük veri denetiminin geliştirilmesine yardımcı olacağını ve büyük veri
denetimi yeteneklerinin yönetimini destekleyeceğini göstermektedir.

Nesnel düzeyde, teknoloji ve yönetişim düzeylerindeki göstergeler ne kadar yüksek

değerlendirilirse, denetim etkinliğindeki iyileşme de o kadar belirgin olmaktadır. Örneğin,
Sudan, Türkiye, Hindistan ve Endonezya olmak üzere 4 ülkedeki Sayıştaylar yönetişim ve
teknoloji düzeylerinde yüksek puanlar almıştır.

INTOSAI WGBD
15
İstatistikler, büyük veri denetimlerinin verimliliğini ve etkinliğini de yüksek oranda kabul
ettiklerini göstermektedir.

Bu nedenle, büyük veri denetiminin teknoloji düzeyi, yönetişim düzeyi ve amaç düzeyinin
gelişimlerinde birbiriyle ilişkili olduğu sonucuna varılabilir (bkz. Şekil 4). Uygulamada, aşağıdaki
gibi üç açıdan yansıtılmaktadır.

İlk olarak, büyük veri teknolojilerinin desteği ve büyük veri denetim kapasitesinin
geliştirilmesiyle, YDK'lar büyük veri karşılaştırması yapabilir, geçmişte keşfedilmesi zor olan
şüpheli konuları ve soruları analiz edebilir, kazabilir ve ortaya çıkarabilir ve denetim verimliliğini
ve etkinliğini artırabilir; ikinci olarak, büyük veri denetim tekniklerinin uygulanması ve büyük veri
denetimleriyle ilgili yasal güvence, denetim gözetimindeki kör noktaları büyük ölçüde ortadan
kaldırır ve böylece denetim gözetiminin otoritesini ve güvenilirliğini korur; Üçüncüsü, büyük
verinin tam kapsamı ve çeşitli makamların işbirliği, ekonomi, finans ve afetle ilgili büyük riskleri
önleme ve çözme yeteneğini geliştirir ve zamanında bilgi geri bildirimi ve risk uyarısı yoluyla
yerel ekonominin ve toplumun sağlıklı çalışmasını sağlar.

Şekil 4 Büyük veri denetim çalışmalarının teknoloji düzeyi, yönetişim düzeyi ve amaç düzeyi arasındaki
karşılıklı teşvik ilişkisinin şematik diyagramı

1 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

6 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

Teorik araştırma bulguları, anket sonuçları ve gerçek uygulamalarla birlikte, çeşitli ülkelerde
büyük veri denetiminin gelişiminin dengesiz olduğu görülebilir. Bununla birlikte, genel eğilim
çok açık olma eğilimindedir. Büyük veri denetimi, tek bir veri madenciliği ve analizi
yönteminden, donanım desteği olarak büyük veri denetim platformları gibi altyapılara, ortam
garantisi olarak politikalara, sistemlere ve yönetişim düzenlemelerine dayanan, teknik ve
yöntemleri pratik denetim gereksinimleriyle birleştiren ve veri toplama, depolama, aktarma,
analiz ve sunumu kapsayan çok alanlı ve departmanlar arası bir denetim faaliyetine doğru
kademeli olarak evrilmektedir. Geleneksel denetimlerle karşılaştırıldığında, denetim
verimliliğini artırmada, denetim bulgularının güvenilirliğini ve risk önleme yeteneğini
geliştirmede daha iyi performans gösterir.

Katılımcıların geri bildirimlerine, çeşitli ülkelerdeki büyük veri denetiminin mevcut eksikliklerine
ve öncü mesleki deneyimlere dayanarak, büyük veri denetimlerinin uygulanması ve
geliştirilmesi için aşağıdaki üç öneride bulunulmuştur:

1. Entegre veri platformlarının kurulmasını hızlandırmak, veri

toplama standartlarını düzenlemek ve en yeni teknolojileri
keşfetmek.

Akıllı bir büyük veri platformu, veri toplama, ön işleme, depolama ve yönetim, analiz ve
madencilik, sunum ve uygulama işlevlerini entegre edecek ve büyük verinin temel
teknolojilerini kapsamlı bir ş e k i l d e bütünleştirecektir; bu da veri standardizasyonunun tam
kapsamını ve denetim kuruluşlarının denetim sorularını madencilik ve değerlendirme
kapasitesini büyük ölçüde teşvik edecektir. İlk etapta entegre bir büyük veri denetim platformu
oluşturulması tavsiye edilmektedir. Platform, denetim verisi toplamanın işlevsel gerekliliklerini,
tasarım stratejilerini v e uygulama ortamını birleştirmeli, platformdaki standart veri toplama
teknolojisinin çözümlerini özelleştirmeli ve denetim kanıtı toplama, ipuçlarının korelasyonu,
şüpheli konuların tespiti ve risk tahmini gibi işlevleri gerçekleştirmek için veri madenciliği,
analizi ve görselleştirmeyi entegre etmelidir.

2. Büyük veri teknoloji merkezleri kurmak, eğitim planları oluşturmak

ve departmanlar arası ve bölgeler arası işbirlikleri yürütmek.

Yönetişim, işlevler ve iş yapısını büyük veri teknolojileriyle uyumlu hale getirerek denetim
faaliyetlerini düzenleyecek, iş verimliliğini artıracak ve mesleki riskleri azaltacaktır. Büyük veri
teknolojilerini kurmak için deneyim ve teknik kapasiteye sahip profesyonellerin seçilmesi tavsiye
edilir.

INTOSAI WGBD
17
Bir büyük veri denetim teknikleri merkezi veya veri analizi çalışma grubu kurmak ve sahada
genişletme ve veri analizinin karşılıklı teşviki ile akademik değişim ve merkezi eğitimin
kombinasyonu yoluyla yeni teknik ve yöntemlerin araştırılması ve öğrenilmesinin takibini
yürütmek. Merkez (veya grup) kademeler arası, bölgeler arası, sektörler arası ve departmanlar
arası değişimleri ve denetim işbirliğini koordine etmekten sorumlu olacaktır, özellikle YDK'lar
arasındaki değişimler uluslararası seminerler, eğitimler veya oturumlar anlamına gelebilir.
Bunların amacı, çeşitli ülkelerdeki ileri teknolojileri ve deneyimleri anlamak, tartışmak ve
öğrenmek ve bu deneyimleri gerçek ihtiyaçları karşılamak ve denetim hedeflerine ulaşmak i ç i n
yerelleştirmektir.

3. Denetim güvenilirliğini ve risk uyarısının doğruluğunu artırmak için

büyük veri denetimini ulusal yönetişime dahil etmek.

Büyük veri denetiminin gelecekteki hedefleri aşağıdaki üç hususu içerecektir. Birincisi, denetim
çalışmalarının verimliliğini artırmak, denetim tavsiyelerinin kalitesini iyileştirmek ve ulusal
yönetişimde denetim verilerinden tam olarak yararlanmak; ikincisi, denetim bulgularının ve
düzeltmelerin şeffaflığını ve kamuya açıklığını artırmak; üçüncüsü, ekonomik izleme ve risk
uyarısı kapasitesini ve büyük riskleri önleme ve çözme yeteneğini geliştirmek. Yüksek denetim
kurumlarının teknik kapasitelerini daha da güçlendirmeleri, tahmin modellerini optimize
etmeleri, denetim işbirliğinin kapsamını genişletmeleri, yönetişim ve koordinasyonu
geliştirmeleri ve büyük veri denetimlerinin etkinliğini, güvenilirliğini ve ileriye dönük
öngörülerini tam anlamıyla kullanmaları tavsiye edilmektedir.

1 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

8 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

Ekler

Anket Sonuçları Analizi

Yüksek Denetim Kurumlarının Büyük Veri Denetiminin Gelişim Beklentisi

Birincil İkincil
Seviye Sorular
göstergele göstergele
r r

7. Ülkenizde YDK'nın denetim verilerine erişimini sağlamak için büyük veri

denetimi ile ilgili kanun, yönetmelik ve politikalar çıkarıldı mı?

A. Evet B. Hayır
"Evet" ise, lütfen yönetmelikleri, politikaları ve bunları yayınlayan
departmanı listeleyin (ek sayfa eklenebilir)
Veri toplama
engelleri 8. (Tek seçenekli) Denetlenenlerden yasal olarak veri toplanması
açısından, ülkenizdeki Sayıştay
A. Neredeyse veri toplanamıyor
B. Verilerin yalnızca küçük bir kısmını toplayabilir
C. Bundan emin değilim.
D. Verilerin çoğunu toplayabilir
E. Verileri sorunsuz bir şekilde toplayabilir

9 (Tek seçenekli) Ülkenizdeki YDK'nın gerekli verileri zamanında

toplayabildiğine katılıyor musunuz?
A. Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
Tamamen katılmıyorum
Veri toplama
10 (Tek seçenekli) Sizce YDK gerekli verileri düzenli olarak
zamanlılığı
Teknoloji Veri toplama toplayabilir mi?
seviyesi kalitesi A. Gerekli verileri istediği zaman toplayabilir
B. Gerekli verileri her ay düzenli olarak toplayabilir
C. Gerekli verileri bir yıl içinde düzenli olarak toplayabilir
D. Veriler düzenli olarak toplanamıyor
E. Diğerleri

11 (Tek seçenekli) Ülkenizde YDK tarafından toplanan verilerin doğru

olduğuna katılıyor musunuz?
Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
Tamamen katılmıyorum
Toplanan
16 (Tek seçenekli) Veri standardizasyonu açısından, ülkenizde YDK
büyük
tarafından toplanan veriler aşağıdaki türleri içermektedir:
verilerin
A. Çoğunlukla yapılandırılmamış veri, az sayıda yarı yapılandırılmış ve
kalitesi ve
yapılandırılmış veri
doğruluğu
B. Çoğunlukla yapılandırılmamış ve yarı yapılandırılmış veriler, az sayıda
yapılandırılmış veri
C. Çoğunlukla yarı yapılandırılmış veriler, az sayıda yapılandırılmamış
veri ve yapılandırılmış veri
D. Çoğunlukla yarı yapılandırılmış ve yapılandırılmış veriler, az sayıda
yapılandırılmamış veri
E. Çoğunlukla yapılandırılmış veriler, az sayıda yarı yapılandırılmış ve
yapılandırılmamış veriler

14 (Çoktan seçmeli) Ülkenizde YDK tarafından toplanan aşağıdaki veri

türleri şunlardır
Veri
A. Transanction verileri
Kaynakları
B. Finansal veriler
INTOSAI WGBD
19
 Birincil İkincil
Seviye Sorular
göstergele göstergele
r r

C. İnternet verileri: denetlenen kişi ile ilgili internet ve sosyal medya

verileri gibi
D. Yönetim verileri: personel, resmi belgeler, yönetmelikler vb.
E. Sektör verileri veya izleme verileri
F. Diğerleri

Veri toplama Veri 15 (Çoktan seçmeli) Ülkenizde YDK tarafından toplanan aşağıdaki veri
kalitesi Kaynakları biçimleri şunlardır
A. Tablo verileri
B. Metin verileri
C. Grafik veriler
D. Ses verileri
E. Video verileri
F. Coğrafi mekansal veriler

17 (Çoktan seçmeli) Ülkenizde YDK tarafından veri toplama ve

hazırlamada ne tür büyük veri teknolojileri kullanılıyor?
A. Doğrudan veritabanı toplama
B. WEB veri toplama
C. Algılama cihazı toplama
D. Sistem günlüğü toplama
E. Diğerleri
Veri toplama
Teknoloji
teknolojileri 18 Ülkenizde YDK tarafından veri toplama ve hazırlamada ne tür büyük
seviyesi
veri araçları kullanılıyor?
A. SQL Server
B. Oracle
C. Python
D. Kâtip
E. Flume
F. Crawler4j veya Scrapy
G. IoT
Büyük veri H. Diğerleri
denetim
teknikleri
19 (Çoktan seçmeli) Ülkenizde YDK tarafından denetim
verilerinin iletilmesinde ne tür büyük veri teknolojileri
kullanılmaktadır?
A. Mobil cihazlar
B. İnternet
Veri C. Bulut ve diğer senkron iletim fonksiyonları D.5G
depolama ve E. IoT teknolojisi
iletim F. Diğerleri
teknolojileri
20 (Çoktan seçmeli) Ülkenizdeki YDK tarafından denetim
verilerinin depolanmasında ne tür büyük veri teknolojileri
kullanılmaktadır?
A. Genel sunucu
B. Veri merkezi sistemi veya veritabanı
C. Dağıtılmış depolama
D. Bulut depolama platformu
E. Diğerleri

Veri analiz 21 (Çoktan seçmeli) Ülkenizdeki YDK tarafından veri analizinde ne tür
teknolojileri büyük veri teknolojileri kullanılmaktadır?
A. İstatistiksel analiz

2 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ

0 DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ

 Birincil İkincil
Seviye Sorular
göstergele göstergele
r r

B. Doğal dil
C. Veri madenciliği
D. Özel denetim araçları
E. İş zekası
F. Sinir ağı
G. Yapay zeka, makine öğrenimi veya derin öğrenme
H. Diğerleri

22 (Çoktan seçmeli) Ülkenizdeki YDK tarafından veri analizinde ne tür

Veri analizi
büyük veri araçları kullanılmaktadır?
teknolojileri
A. Excel
B. SAS
C. SQL veya R dili
D. Python
E. Oracle
F. BP (Geri yayılım)
G. HADOOP
H. ARCGIS veya GIS
1. Diğerleri

23 (Çoktan seçmeli) Ülkenizdeki YDK tarafından veri görselleştirmede

ne tür büyük veri teknolojileri kullanılmaktadır?
A. Ofis yazılımı
B. İstatistiksel yazılım teknolojisi
Büyük veri C. Grafik veritabanı teknolojisi
denetim D. Profesyonel görselleştirme teknolojisi
teknikleri E. Coğrafi bilgi teknolojisi
Teknoloji F. Doğal dil işleme
seviyesi G. Diğerleri
Veri
24 (Çoktan seçmeli) Ülkenizdeki YDK tarafından veri
sunum
görselleştirmede ne tür büyük veri araçları kullanılmaktadır?
teknolojileri
A. Excel
B. SPSS veya SAS
C. Neo4j
D. Tableau
E. PowerBI
F. ArcGIS veya MapInfo
G. SQL veya Python
H. Dundas
I. QlikView
J. Diğerleri

25 (Çoktan seçmeli) Ülkenizdeki YDK tarafından veri güvenliği

yönetiminde ne tür büyük veri teknolojileri kullanılmaktadır?
A. Geliştirilmiş veri imha yöntemleri
Veri güvenliği
B. Blockchain teknolojisi
yönetimi
C. Güvenlik Duvarı
D. Şeffaf şifreleme ve şifre çözme teknolojisi
E. Diğerleri

Büyük veri Büyük veri 38 (Çoktan seçmeli) Ülkenizdeki YDK büyük veri teknolojisini aşağıdaki
uygulama uygulama alanlarda kullanmıştır
alanları alanları A. Kurumsal denetim

INTOSAI WGBD
21
 Birincil İkincil
Seviye Sorular
göstergele göstergele
r r

B. Finansal kurumların denetimi

C. Kaynak-çevre denetimi
D. Eğitim denetimi
E. Tıbbi ve sosyal sigorta denetimi
Büyük veri Büyük veri
F. Mali yardım denetimi
uygulama uygulama
G. Devlet bütçe denetimi
alanları alanları
H. Politika inceleme denetimi
1. Trafik yönetimi
G. Cezai soruşturma
K. Gümrük denetimi

26 (Boşlukları doldurun) Ülkenizdeki Sayıştayın denetim için entegre bir

Büyük veri Büyük veri
veri platformu oluşturup oluşturmadığı Platformun adı
altyapısının platformunun
A. Evet B. Hayır
kurulması kurulması

Büyük veri 29 (Boşlukları doldurunuz) Ülkenizdeki YDK'nın büyük veri konusunda

teknoloji özel bir teknik departman veya merkez kurup kurmadığı? Evet ise,
merkezinin kuruluş yılı
kurulması A. Evet B. Hayır

29-1 (Çoktan seçmeli) Teknik departman veya merkezin rolü

Büyük veri
A. Profesyonel teknik sorunları çözme
teknoloji
B. Yeteneklerin merkezi eğitimi
merkezinin
C. Çeşitli yetenekler arasında teknik iletişim
işlevleri
D. Verilerin merkezi yönetimi ve kontrolü
E. Diğerleri

Büyük veri
teknoloji 29-2 (Boşlukları doldurun) Teknik departman veya
Yöneti Büyük veri merkezdeki toplam personel sayısı
m teknoloji merkezinin
seviye merkezi ölçeği
si

CTO (baş 28 (Boşlukları doldurunuz) Ülkenizdeki YDK, YDK'da büyük verinin

teknoloji geliştirilmesi ve uygulanmasına öncülük etmek ve teşvik etmek için
sorumlusu) büyük veri teknik direktörüne benzer bir pozisyon atadı mı?
pozisyonu Evet B. Hayır

31 (Çoktan seçmeli) Ülkenizdeki Sayıştay, büyük veri denetimi için

yetenekleri aşağıdaki yollarla eğitmektedir
A. Merkezi profesyonel eğitim
Yetenek B. Üniversiteler ve diğer bilimsel araştırma kurumları gibi profesyonel
eğitim kurumlarla işbirliği yapmak
modları C. Diğer kuruluşlarda geçici bir görev alın
D. Değişim için diğer ülkeleri ziyaret edin
E. Diğerleri

2 2016-2021 YILLARI ARASINDA YÜKSEK DENETİM

KURUMLARI TARAFINDAN GERÇEKLEŞTİRİLEN BÜYÜK VERİ
DENETİMLERİNİN GELİŞİMİNE GENEL BAKIŞ
 Birincil İkincil
Seviye Sorular
göstergele göstergele
r r

Departmanla 35 (Tek seçenekli) Ülkenizdeki YDK'nın büyük veriye dayalı olarak

r arası diğer ülkeler veya bölgelerle tam olarak işbirliği yaptığına katılıyor
işbirliği musunuz?
modeli
Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
Tamamen katılmıyorum

36 (Tek seçenekli) Ülkenizdeki YDK birimleri arasında veri alışverişi ve

paylaşımının nasıl olduğunu düşünüyorsunuz?
Departmanla
A. Çok iyi. Veriler departmanlar arasında herhangi bir engel olmaksızın
r arası
değiştirilebilir ve paylaşılabilir.
işbirliği
B. İyi. Veriler çoğu departman arasında değiş tokuş edilebilir
Veri paylaşım ve paylaşılabilir.
mekanizmas C. Normal. Veriler bazı departmanlar arasında değiş tokuş
ı edilebilir ve paylaşılabilir.
D. Zayıf. Departmanlar arasında çok az veri alışverişi vardır.
E. Bilgi sistemi mevcut değildir, bu nedenle veri alışverişi mümkün
değildir.
F. Emin değilim

39 (Çoktan seçmeli) Sizce büyük veri analizi YDK'nın çalışmalarında

nasıl bir rol oynayabilir?
A. Denetim çalışmalarının verimliliğini artırmaya yardımcı olur
B. Sorunların ipucunu daha doğru keşfetmeye yardımcı olur
C. İleriye dönük denetim yapmak ve riskleri keşfetmek için elverişlidir
Büyük veri ile D. Belirli alanların genel durumunu analiz etmek için elverişlidir
Denetim denetim E. Denetim kapsamının genişletilmesine yardımcı olur ve daha fazla fon,
verimliliği verimliliğinin proje ve denetlenen kurum dahil edilebilir.
artırılması F. Devlet denetiminin sosyal etkisini artırmaya yardımcı olur
G. Belirgin bir etkisi yok

40 Büyük veri teknolojisinin YDK'ların denetim verimliliğini artırmak için

önemli bir araç olduğuna katılıp katılmadığınız
Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
Tamamen katılmıyorum

Amaç
seviyesi 42 Ülkenizdeki YDK'nın büyük veri denetimi gerçekleştirerek denetimin
Denetim Sosyal etkiyi
sosyal etkisini artırdığına katılıyor musunuz?
hizmet ilerletmek
Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
kalitesi
Tamamen katılmıyorum

Ülkenizdeki YDK'nın büyük veri ve ilgili teknolojileri kullanarak

Ekonomik Makroek ekonomik kalkınma konusunda daha doğru analiz ve tahminler
tahmin ve onomik yaptığına katılıyor musunuz?
risk uyarısı tahminle A. Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
r Tamamen katılmıyorum

44 Ülkenizdeki YDK'nın büyük veri ve ilgili teknolojileri kullanarak daha

Ekonomik doğru risk tahmini (hastalıklar ve doğal afetler gibi) yaptığına katılıyor
tahmin ve Risk Uyarısı musunuz?
risk uyarısı A. Tamamen katılıyorum B. Katılıyorum C. Emin değilim D. Katılmıyorum E.
Tamamen katılmıyorum
INTOSAI WGBD
23
 Büyük Veri Çalışma Grubu

INTOSAI Büyük Veri Çalışma Grubu Sekretaryası

Ekle： Çin Halk Cumhuriyeti Ulusal Denetim Ofisi
No.17 Jin Zhong Du Nan Jie, Fengtai District, Pekin 100073, Çin
Tel: + 86 (10) 50992782
E- intosai-wgbd@audit.gov.cn
posta: