大數據對審計工作的影響

劉偉欽

[提要] 大數據應用于審計工作既符合國家的發展戰略也符合審計工作自身發展的需要。推進基于大數據的審計信息化建設是應對未來各種挑戰及實現審計全覆蓋的必由之路。大數據對審計工作的影響不容小覷，應從審計理論創新、審計法律修訂、審計管理升級等方面入手，應對大數據對審計工作的影響。

關鍵詞：大數據;審計工作;影響

本文為2018年度韶關學院校級科研項目：“‘互聯網+時代韶關高校校園文化建設研究——以韶關學院為例”階段性成果

中圖分類號：F239 文獻標識碼：A

收錄日期：2019年2月19日

2008年8月，大數據這一名詞被首次提出，直到目前理論界與學術界仍未對大數據這一名詞作出權威的界定。不過我們可以參考麥肯錫全球研究所對大數據概念的解釋，即大數據是指一種規模巨大的數據集合，其規模遠遠超過了傳統數據庫軟件在獲取、儲存、管理和分析等方面處理能力。大數據具有數據規模龐大、數據傳輸速度快、數據類型多樣及價值密度低等典型特征。

一、大數據審計是大勢所趨

2014年12月，為探索在審計實踐中大數據技術的運用途徑，國務院頒布了《國務院關于加強審計工作的意見》。2015年12月，中共中央辦公廳和國務院辦公廳聯合印發的《關于完善審計制度若干重大問題的框架意見》，明確要求構建大數據審計工作模式。2017年1月召開的全國審計工作會議指出要積極推進大數據審計。2018年2月，為加強對經濟的監測、預測、預警能力，倡導綜合利用大數據等技術手段，從中央層面頒布了《中共中央關于深化黨和國家機構改革的決定》。大數據應用于審計工作既符合國家的發展戰略也是符合審計工作自身發展的需要。推進基于大數據的審計信息化建設是應對未來各種挑戰及實現審計全覆蓋的必由之路。

二、大數據對審計工作的影響

（一）數據采集方面。數據采集是審計工作的第一步。大數據背景下的數據采集工作有跨領域、跨行業、跨層級等特征，確定數據采集范圍和豐富數據獲取方式就成了這一步驟的關鍵。

1、確定數據采集范圍。傳統的審計數據主要采集于被審計單位的財務、業務和管理等數據。大數據背景下審計數據的采集范圍被極大的放大，除傳統數據采集范圍外，非結構化數據、互聯網數據乃至未來物聯網自動生成的數據等都成為了大數據審計的數據采集范圍。不過，對如此龐大的數據進行全部采集不僅會導致數據采集、處理、存儲等成本的劇增卻又無太大實際價值，還會導致由于信息過載而帶來錯誤引導等副作用。

2、豐富數據獲取方式。傳統的審計數據獲取方式主要是由被審計單位報送，雖然這種數據獲取方式簡單易行，但是也導致獲取的數據在時間上具有滯后性。為了克服傳統審計數據被動獲取方式的弊端，大數據背景下的數據獲取方式，可以在傳統審計數據被動獲取方式的基礎上，借助互聯網爬蟲技術等進行數據的主動獲取，這樣既可以彌補獲取數據有時間滯后性的缺陷，又可以與傳統獲取方式下的數據進行對比，提高數據的準確性。

（二）數據處理方面。類型多樣的審計大數據導致數據處理難度大增，大數據審計必須解決數據不規范統一、不準確完整等數據質量問題。

1、建立行業數據標準。由于歷史和現實的種種原因，不同領域、不同行業的數據標準千差萬別，更有甚者同一領域、同一行業、不同時期的數據標準也有著較大的差異，使得在大數據背景下的數據處理異常困難。要實現大數據背景下的審計全覆蓋，就必須解決數據標準不統一的問題。因此，應通過統一規劃，建立既滿足各行業自身審計需要的，又有利于跨行業數據關聯的行業數據標準。

2、探索數據轉換機制。在行業數據標準建立之前形成的審計數據以及在行業數據標準不成熟的初期形成的審計數據都需要進行數據的清理和轉換，這一工作量是巨大且復雜的，單單依靠審計主體進行相關數據的清理和轉換是不現實的。探索并建立一套成熟實用的數據轉換機制，是解決這一問題的必由之路。即被審計單位通過這套數據轉換機制自行進行審計數據的清理和轉換，并向審計主體提供符合行業數據標準的審計數據。

（三）數據存儲方面。大數據背景下，隨著海量數據的采集與處理，數據的存儲需求劇增，這也引發了一系列的問題，如存儲空間有限、服務器接收處理數據過多等。

1、建設審計數據中心。為解決大數據審計對數據的存儲需求，應通過總體設計建設基于大數據存儲管理技術的審計數據中心。該中心不但需要像其他海量存儲系統一樣，在系統層面具備可擴展性、強性能和低運營成本等特性，還需要在數據層面滿足審計大數據動態性、復雜性和不確定性等特征。

2、建立數據分類機制。大量終端連接到服務器，同時向服務器上傳海量數據，對服務器的數據處理和記錄能力是極大的考驗，為此可以引入數據分類機制并結合優先級處理一起使用。如可將設備狀態數據、監控數據、正常操作數據和非常操作數據等各設為一類，將這些不同類別的數據按重要程度列入優先級隊列中進行依次處理。

（四）數據分析方面。審計業內認為交叉融合和智能挖掘是大數據分析的典型特點，全維化和智能化是大數據審計分析的本質。

1、無邊界全維化分析。大數據的海量存儲使得跨領域、跨行業、跨層級等的無邊界審計全維化分析有了實現的基礎。審計主體應充分利用大數據分析的優勢，通過對與重點領域、重點行業、重要層級的審計對象的數據進行關聯性全維化分析，以點帶面，點面結合地完成審計數據分析工作。

2、創新數據分析技術。審計分析方法創新是審計大數據分析的現實需要。審計分析技術正從傳統而簡單地匯總和統計向利用各種大數據技術發展。數據挖掘技術、可視化分析技術、智能學習算法等大數據分析技術運用于大數據審計分析的案例層出不窮。當然，目前由于處于審計大數據分析的初級階段，審計大數據分析的深度和廣度還需要進一步提高。

（五）數據安全方面。審計大數據為審計工作提供了更廣和更深的數據基礎，但也同時產生了更加嚴峻的數據安全風險，因此大數據對審計工作而言是一把“雙刃劍”。

1、數據采集風險。數據的真實性決定了數據的價值和生命力。數據采集風險主要源于大數據的“雜亂無章”和“模棱兩可”，這就需要審計主體在數據采集這一步把好關，做好對各種結構化數據和非結構化數據的甄別篩選。

2、數據處理風險。大數據的優勢在于數據類型的豐富多樣，但為了審計工作的需要必須對數據進行統一化、規范化和標準化的處理。對審計大數據的這種處理，雖然有利于大數據審計工作的開展，但也喪失了大數據中存在的個性化指標，無法保留大數據的“微面孔”，容易錯失“管中窺豹”的機會。

3、數據存儲風險。大數據的安全存儲和便利使用之間的關系就好像是針尖對麥芒。為了保障數據的安全，必須為數據加很多的“鎖”，設置很多的使用限制，但為了提高數據的使用效率又需要為數據者配上“鑰匙”和增加權限。因此，平衡存儲安全和使用便利兩種的措施也就成了數據儲存風險大小的衡量指標。

4、數據分析風險。大數據為審計數據分析提供了更多的素材，便于審計人員依據充分的數據支撐對審計對象進行畫像。不過，也正因為大數據的數據價值密度低、數據干擾性強等固有風險，這種信息過載現象容易使審計人員無所適從，甚至誤導審計人員的數據分析方向，從而導致“失之毫厘，差之千里”的數據分析風險的產生。

三、應對大數據對審計工作影響的措施

大數據對審計工作的影響不容小覷，應從審計理論創新、審計法律修訂、審計管理升級三個方面入手應對大數據對審計工作的影響。

（一）審計理論創新

1、抓大不放小，力爭錙銖必較。傳統審計理論限于樣本數和全面審計成本等原因，一般遵循大數原理，主要采取抽樣審計相關方法，最終按照并非十分精確的結果得出審計結論。大數據審計為全面審計提供了數據和技術基礎，在涉及重點領域、重點行業或重要層級審計工作時，可以通過大數據審計方法，不放過任何“蛛絲馬跡”，做到從大處著眼，從小處著手。

2、簡約不簡單，保留個性特征。傳統審計理論限于篇幅和固有格式等原因，在提供審計結論時主要展示的都是“格式條款”，表述較為簡單，無法為審計結論使用者提供被審計單位的“微表情”。大數據審計可以在傳統審計結論的基礎上，通過附注或其他技術手段為審計結論使用者提供具體的數據或指標，為審計結論使用者提供更加有力度的決策參考。

（二）審計法律修訂

1、完善不完全，留出一定余地。審計法律修訂是大數據審計合法性和合理性的保證。審計法律的修訂完善，應與時俱進，吸收先進的審計理論和審計技術，使審計法律可以有效保障大數據審計的開展。與此同時，審計法律的修訂完善又要避免面面俱到，避免成為大數據審計進一步發展的障礙。

2、嚴肅不嚴厲，保障發展活力。審計法律的修訂十分嚴肅和重要，應充分考慮并保障審計各關系人的合法權益。同時，由于大數據審計是一個新生事物，審計法律修訂應主要以鼓勵和保障大數據審計發展為方向，避免在審計法律修訂時對大數據審計過于嚴厲，使戴上“緊箍咒”的大數據審計失去發展的活力。

（三）審計管理升級

1、依靠不依賴，注重人機協作。大數據背景下的審計管理，可以說既簡單又復雜。簡單在于大數據審計更多依靠大數據技術進行審計數據的采集、處理、存儲和分析，減少了審計人員的工作量，減少了人工干預的風險;復雜在于大數據審計由于較多依靠大數據技術，呈現在審計人員面前的主要是經過處理后的最終數據和指標，一旦大數據技術出現誤操作或人為調整大數據審計相關設置，就會導致大數據審計的失敗。因此，對大數據審計的管理應保持審計工作中應有的謹慎和職業判斷，避免盲目依賴大數據技術。

2、認真不較真，做到張弛有度。大數據審計為“精確審計”提供了可能，對大數據審計的管理也就要求更加細致和認真，不允許放過細小的誤差，但這并不意味著大數據審計的管理“唯數字論”，變得冷冰冰。大數據審計的管理應避免對單一數據“較真”，因為大數據背景下的數據，既有可能是被審計單位的實際數據，也可能是人為“創造”的數據。

主要參考文獻：

[1]劉洋.大數據時代的信息化審計研究[J].經濟研究導刊，2019（1）.

[2]劉星，牛艷芳，唐志豪.關于推進大數據審計工作的幾點思考[J].審計研究，2016（5）.

[3]章軻，張冬霽，梁軒瑞，李朝旗.大數據審計中要做到的“三個把握”[J].審計研究，2018（5）.