A auditoria contínua é um tipo de auditoria que produz resultados de auditoria simultaneamente ou com um curto período de tempo após a ocorrência de um evento relevante. entretanto para ser viável, os processos precisam ser automáticos e o acesso aos dados seja de forma rápida e precisa. um dos maiores problemas que a auditoria contínua encontra é os diversos tipos, variedades e formas de acessar os dados, o que torna o processo difícil e caro de implementar, pois depende fortemente de customizações e desenvolvimento específicos para cada caso. diante desse problema essa tese tem como objetivo propor o desenvolvimento de um framework de integração de dados para auditoria contínua. algumas contribuições podem ser listadas como: fornece uma padronização de dados e nomenclaturas para os dados usados pelos procedimentos de auditoria contínua; reutilização de algoritmos de detecção e análise previamente desenvolvidos; redução dos custos de desenvolvimento e implementação dos processos de auditoria contínua nas organizações, devido à padronização de dados e à reutilização de algoritmos. a tese também contribuí para a literatura com o aprofundamento das formas de acessar, estruturar e coletar dados críticos e/ou necessários para a ac. com o aprofundamento do audit data standard e do extensible business reporting language (xbrl), além de criar uma base para pesquisas futuras com a integração de algoritmos de extração, análise e detecção de exceção que são utilizados pela ac.