تُتيح نظم المراجعة المستمرة للمراجعين إمكانية فحص كميات كبيرة من البيانات في الوقت المناسب، مما يسهم في تعزيز فعالية عملية المراجعة. ومع ذلك، فإن تحليل هذا الكم الهائل من البيانات غالبًا ما يؤدي إلى توليد عدد كبير من التحذيرات، وهو ما قد يؤثر سلبًا على كفاءة المراجعة. كما أن أساليب المراجعة التقليدية لم تعد تفي بالغرض في ظل التطورات التكنولوجية المتسارعة، خاصة في بيئة التحول الرقمي الحالية.
وانطلاقًا من هذا الواقع، هدفت الدراسة إلى تقديم إطار ثلاثي المراحل لتطوير نظام مراجعة مستمرة يعتمد على تقنيات التحول الرقمي. تتضمن المرحلة الأولى تجميع بيانات قيود اليومية باستخدام تقنية التنقيب عن البيانات من خلال خوارزمية التجميع المعتمدة على القواعد (Rule-based clustering)، وذلك للكشف عن المعاملات غير العادية بناءً على قواعد محددة. في المرحلة الثانية، يتم توظيف نفس الخوارزمية لاكتشاف الحالات الاستثنائية. أما المرحلة الثالثة والأخيرة، فتعتمد على تقنيات التعلم الآلي، وتحديدًا خوارزمية غابة العزل (Isolation Forest – IF) للكشف عن الحالات الشاذة.
وقد تم تطبيق هذا الإطار في دراسة حالة على إحدى مؤسسات التعليم العالي الخاصة، حيث جرى تحليل بيانات قيود اليومية لعدد 1493 معاملة خلال الفترة من عام 2020 حتى 2023. وأظهرت نتائج التطبيق أن الإطار المقترح يسهم بشكل ملحوظ في تحسين كفاءة وفعالية عملية المراجعة.