大數(shù)據(jù)審計：五大趨勢與五大挑戰(zhàn)

張敏

【摘 要】 大數(shù)據(jù)審計代替?zhèn)鹘y(tǒng)審計是大勢所趨。文章在介紹人工智能和大數(shù)據(jù)等技術(shù)的基礎(chǔ)上，提出了大數(shù)據(jù)審計的五大趨勢，即審計智能化、審計平臺化、審計信息多維化、從抽樣審計向詳細(xì)審計轉(zhuǎn)變以及審計可視化。同時，還指出了大數(shù)據(jù)審計面臨的五大挑戰(zhàn)，即大數(shù)據(jù)獲取成本高、觀念與習(xí)慣轉(zhuǎn)變困難、人才難得、審計業(yè)務(wù)的復(fù)雜性與大數(shù)據(jù)審計體系設(shè)計的復(fù)雜性，研究結(jié)論對于大數(shù)據(jù)審計實踐具有一定的借鑒意義。

【關(guān)鍵詞】 大數(shù)據(jù)審計; 五大趨勢; 五大挑戰(zhàn)

【中圖分類號】 F239.1? 【文獻(xiàn)標(biāo)識碼】 A? 【文章編號】 1004-5937（2020）08-0002-10

會計智能化的趨勢已經(jīng)日漸清晰。無論是實務(wù)界、學(xué)術(shù)界，還是監(jiān)管機(jī)構(gòu)，關(guān)注的重點應(yīng)該盡快從會計工作是否會智能化、是否會被機(jī)器代替，轉(zhuǎn)向如何盡快引進(jìn)人工智能、大數(shù)據(jù)等技術(shù)推動會計工作、會計教育、會計監(jiān)管全面向智能化轉(zhuǎn)型。

我們可以在大腦中假想這樣三幅圖：第一幅圖是一條泥濘的土路以及路上的行人;第二幅圖是一條高速公路以及路上的行人;第三幅圖是一條高速公路以及飛馳的跑車。這三幅圖分別代表會計工作的過去、現(xiàn)在和未來。在過去，會計“基礎(chǔ)設(shè)施”簡陋，因而形成了一套人工會計規(guī)則?，F(xiàn)在，人工智能、大數(shù)據(jù)等技術(shù)蓬勃發(fā)展，已經(jīng)初步具備了會計智能化條件，但我們?nèi)匀灰匀斯嫗橹?。這種狀態(tài)不具有可持續(xù)性，未來一定會形成與技術(shù)一致的智能會計體系，即第三幅圖。

本文擬從大數(shù)據(jù)審計角度，嘗試分析新技術(shù)對審計的影響。具體而言，本文提出大數(shù)據(jù)審計的五大趨勢與五大挑戰(zhàn)。

一、大數(shù)據(jù)審計：五大趨勢

審計工作的核心是從紛繁蕪雜的結(jié)構(gòu)與非結(jié)構(gòu)化數(shù)據(jù)中發(fā)現(xiàn)風(fēng)險點進(jìn)而找出重大錯報。隨著人工智能、大數(shù)據(jù)等技術(shù)的發(fā)展，這一過程正在進(jìn)行一場深刻的變革，并且呈現(xiàn)出與以往任何形式的審計變革都不一樣的特點。具體而言，近期審計工作可能會呈現(xiàn)出如下五大趨勢。

（一）審計智能化

技術(shù)的進(jìn)步讓審計工作從手工模式向智能化模式轉(zhuǎn)變成為可能，下面結(jié)合具體的技術(shù)來闡述審計智能化趨勢。

1.機(jī)器學(xué)習(xí)

簡而言之，機(jī)器學(xué)習(xí)就是要讓電腦像人一樣學(xué)習(xí)知識，然后利用學(xué)到的知識解決問題。其中最重要的角度之一是基于歷史數(shù)據(jù)訓(xùn)練模型，利用訓(xùn)練好的模型進(jìn)行預(yù)測。機(jī)器學(xué)習(xí)不拘泥于“可解釋性”，靈活地選擇函數(shù)形式進(jìn)行擬合數(shù)據(jù)，這使得其預(yù)測能力強(qiáng)于傳統(tǒng)計量方法[1]。例如，Bao et al.[2]提出了一套利用機(jī)器學(xué)習(xí)技術(shù)預(yù)測上市公司舞弊概率的方法，發(fā)現(xiàn)新模型的預(yù)測準(zhǔn)確性比傳統(tǒng)的邏輯回歸模型提高了近5倍②。

另外，用機(jī)器學(xué)習(xí)的方法來嘗試預(yù)測上市公司的業(yè)績（如圖1）。圖中a線是上市公司實際的EPS均值，b線是基于機(jī)器學(xué)習(xí)的預(yù)測值，c線是分析師的一致性預(yù)測值。可以看出，基于機(jī)器學(xué)習(xí)的方法得到的預(yù)測值與實際的業(yè)績非常接近，比分析師的一致性預(yù)測更準(zhǔn)確。

正因為有著傳統(tǒng)計量方法所不具備的優(yōu)勢，機(jī)器學(xué)習(xí)技術(shù)在審計中具有廣闊的應(yīng)用前景。從短期來看，主要的應(yīng)用場景包括業(yè)務(wù)承接、風(fēng)險評估與控制測試等環(huán)節(jié)。在業(yè)務(wù)承接與風(fēng)險評估環(huán)節(jié)，可以基于訓(xùn)練好的模型，輸入客戶公司的數(shù)據(jù)，自動分析它們的舞弊概率、風(fēng)險高低、預(yù)測的關(guān)鍵財務(wù)指標(biāo)與實際指標(biāo)之間的差異度等，然后自動判斷審計風(fēng)險的高低，進(jìn)而確定是否承接該業(yè)務(wù);如果承接該業(yè)務(wù)，則進(jìn)一步自動分析客戶主要的風(fēng)險點有哪些。在控制測試環(huán)節(jié)，可以基于以前年度的內(nèi)控運行數(shù)據(jù)、訓(xùn)練模型，預(yù)測可能的薄弱環(huán)節(jié)?？傊?，機(jī)器學(xué)習(xí)技術(shù)可以幫助審計師更多地進(jìn)行非現(xiàn)場審計、智能化審計，在提升效率的同時，大幅度提升審計的質(zhì)量。

2.自然語言處理

自然語言處理的核心理念是讓計算機(jī)學(xué)習(xí)并處理（尤其是人機(jī)交互）人類語言，是一個前景廣闊的研究與應(yīng)用領(lǐng)域。目前的技術(shù)已經(jīng)足夠用來提升會計審計的智能化水平。在具體應(yīng)用方面，Chan et al.[3]利用自然語言技術(shù)，研究了一個有趣的問題，將人民日報從創(chuàng)刊到2018年的所有文章都“喂給”計算機(jī)，然后訓(xùn)練模型，預(yù)測每一篇文章成為頭版頭條的概率，并將預(yù)測值與實際值進(jìn)行比較，構(gòu)建了一個PCI指數(shù)。該指數(shù)的值越小，表明從時間序列來看，國家政策比較平穩(wěn);反之，則表明國家政策波動較大。如圖2所示，以1966—1976年為例，PCI的值較小，說明預(yù)測值與實際值比較一致。但是在1970年代末期，PCI的值突然顯著上升，表明國家政策正在發(fā)生大的變化。例如，以關(guān)于真理討論、經(jīng)濟(jì)改革等主題的文章為主。計算機(jī)會根據(jù)這個指數(shù)的變化，提示國家政策正在發(fā)生變化。這正如一個人每天閱讀人民日報，如果他是有心人并具備很強(qiáng)的邏輯分析能力，就能夠根據(jù)文章主題的變化，推斷國家政策的風(fēng)向標(biāo)正在發(fā)生變化。不過，機(jī)器學(xué)習(xí)無論是效率還是效果，可能都要優(yōu)于人類。

自然語言處理技術(shù)在審計工作中大有用武之地。它能夠幫助審計師自動分析海量的文本，并提煉出大量有價值的信息，這恰恰是傳統(tǒng)人工審計的薄弱環(huán)節(jié)。雖然審計準(zhǔn)則要求審計師對被審計單位的各種文件、規(guī)章制度、會議記錄等文本信息進(jìn)行分析，從而獲取審計證據(jù)，但受限于高昂的審計成本，審計師只能分析其中很少一部分，而且效果較差。而計算機(jī)可以對這些非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行全面高效的分析。例如，通過對報表期間的會議記錄等文本信息進(jìn)行文本分析，判斷公司戰(zhàn)略、經(jīng)營管理等方面是否發(fā)生了重大變化、如何變化，進(jìn)而分析可能的審計風(fēng)險。

在訪談信息處理方面，自然語言處理也很有優(yōu)勢。審計準(zhǔn)則要求審計師對相關(guān)人員進(jìn)行訪談，發(fā)現(xiàn)進(jìn)一步審計的線索，尤其是當(dāng)不同訪談對象針對同一問題給出的回答不一致時，更容易發(fā)現(xiàn)線索。然而，人工分析的效率和效果都比較差，會嚴(yán)重影響訪談這一審計程序的應(yīng)用效果?；谧匀徽Z言處理技術(shù)，可以實現(xiàn)智能分析。具體步驟如圖3所示。首先，通過現(xiàn)場訪談，形成音頻文件;其次，自動將語音轉(zhuǎn)為文本信息;再次，利用自然語言處理技術(shù)，自動對文本信息進(jìn)行分析，提取關(guān)鍵信息。例如，通過分析不同訪談對象針對同一問題的回答，分析是否存在矛盾之處;通過分析訪談信息中的高頻詞，構(gòu)建詞云圖（word clouds），判斷最關(guān)心的事項有哪些等等。總之，采用自然語言處理技術(shù)，可以基本實現(xiàn)訪談信息分析的自動化與智能化。

自然語言處理技術(shù)也可以用于內(nèi)控測試。例如，可以自動分析企業(yè)內(nèi)控運行情況是否與內(nèi)控手冊的要求一致。以授權(quán)這一重要的控制活動為例，計算機(jī)可以自動分析每項業(yè)務(wù)的授權(quán)人是誰，并自動與內(nèi)控手冊中的規(guī)定進(jìn)行比較，看兩者是否一致。如果發(fā)現(xiàn)不一致，則自動標(biāo)記為一項內(nèi)控偏差。

自然語言處理技術(shù)也適用于審計質(zhì)量控制環(huán)節(jié)。例如，計算機(jī)可以自動將工作底稿與審計準(zhǔn)則、職業(yè)規(guī)范等進(jìn)行對比分析，自動判斷審計工作是否符合審計準(zhǔn)則和職業(yè)規(guī)范的要求。比較的點包括重要性水平的確定標(biāo)準(zhǔn)，具體審計項目的抽樣比例、審計證據(jù)數(shù)量、審計程序性質(zhì)與數(shù)量等等。

此外，也可以利用自然語言處理技術(shù)自動生成審計報告。計算機(jī)會基于工作底稿，自動提取關(guān)鍵信息，基于固定的模板，自動生成審計報告。從技術(shù)角度來說，目前已經(jīng)可以實現(xiàn)。

3.社會網(wǎng)絡(luò)分析

社會網(wǎng)絡(luò)分析的核心思想是利用圖論等技術(shù)研究社會網(wǎng)絡(luò)關(guān)系，即將研究的視角從“點”拓展為“網(wǎng)絡(luò)”，從而發(fā)現(xiàn)更多隱藏在數(shù)據(jù)背后的信息。以一篇利用網(wǎng)絡(luò)分析方法研究內(nèi)控的論文為例[4]，其中一個例子是很多單據(jù)無人簽字的內(nèi)控缺陷。根據(jù)所有簽字人之間的網(wǎng)絡(luò)關(guān)系繪制成網(wǎng)絡(luò)圖，最終形成三個群落（上方、下方、右方），如圖4所示，其中每個點表示一個簽字人。上、下兩個群落通過中間的兩個人聯(lián)系在一起，但右方群落中的三個人是孤立的，從未和其他人員發(fā)生關(guān)系?？梢酝茰y，很可能這三個人之間相互共享ERP的賬號和密碼。例如按照規(guī)定，張三制單，李四復(fù)核。但李四覺得太麻煩，干脆將賬號和密碼告知張三。張三制單之后，再用李四的賬號登錄系統(tǒng)進(jìn)行復(fù)核，從而導(dǎo)致張三和李四的姓名總是成對出現(xiàn)在單據(jù)上。這種網(wǎng)絡(luò)分析圖為審計師進(jìn)一步搜集證據(jù)提供了直接線索。

圖5的例子也很直觀[5]，這張圖展示了某個企業(yè)全部供應(yīng)商的分布圖，每個圓點代表一個部門或人員，各聯(lián)絡(luò)線分別代表不同的供應(yīng)商。網(wǎng)絡(luò)圖很直觀地展示了供應(yīng)商信息，可以幫助審計師清晰地辨識可能的異常供貨行為。

在審計工作中應(yīng)用社會網(wǎng)絡(luò)分析技術(shù)具有諸多優(yōu)勢：

其一，社會網(wǎng)絡(luò)分析技術(shù)能夠幫助審計師在紛繁蕪雜的數(shù)據(jù)中發(fā)現(xiàn)隱藏的信息。審計師在審計過程中需要分析大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，難點在于如何分析這些數(shù)據(jù)之間的關(guān)系，以及這種關(guān)系所揭示的隱含信息。利用網(wǎng)絡(luò)分析技術(shù)，可以將“點數(shù)據(jù)”變?yōu)榫W(wǎng)狀結(jié)構(gòu)，從而快速揭示這些隱含信息，并且實現(xiàn)實時、動態(tài)的分析。例如圖5所展示的供應(yīng)商網(wǎng)絡(luò)關(guān)系。

其二，社會網(wǎng)絡(luò)分析技術(shù)能夠通過可視化技術(shù)直觀地展示數(shù)據(jù)之間的關(guān)系。可視化的優(yōu)點在于將所有結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)圖形化，一目了然，不僅能幫助審計師提高數(shù)據(jù)分析的效率，更重要的是能夠幫助審計師從海量的數(shù)據(jù)中發(fā)現(xiàn)異常，找到進(jìn)一步審計的線索。

（二）審計平臺化

隨著技術(shù)的進(jìn)步，審計工作的組織形式將由現(xiàn)在的分部門“單打獨斗”模式轉(zhuǎn)變?yōu)橐云脚_為中心的模式。

傳統(tǒng)的審計組織是一種垂直結(jié)構(gòu)（如圖6），團(tuán)隊之間是割裂的，每個團(tuán)隊獨自完成從業(yè)務(wù)承接到出具審計報告的全過程③。這種組織形式存在很多缺陷：其一，無法整合事務(wù)所的全部資源，實現(xiàn)資源互補(bǔ);其二，無法形成專業(yè)化運營。現(xiàn)有組織形式下，每個團(tuán)隊都是“全面型”團(tuán)隊，包攬了審計溝通、審計取證、數(shù)據(jù)分析等所有業(yè)務(wù)，但在每個方面都無法做到專業(yè)化。

實際上，審計業(yè)務(wù)的核心在于通過數(shù)據(jù)分析找出風(fēng)險點和錯報，因此數(shù)據(jù)分析是重中之重。既然如此，審計組織應(yīng)該以數(shù)據(jù)分析平臺為中心，構(gòu)建一個敏捷反應(yīng)組織。例如，阿里巴巴之所以建立數(shù)據(jù)中臺，正是因為它的電商等業(yè)務(wù)是數(shù)據(jù)驅(qū)動的，離開了全球一流的數(shù)據(jù)分析系統(tǒng)，就不可能有今天的阿里巴巴。作為新型審計組織核心的數(shù)據(jù)分析平臺也是一種數(shù)據(jù)中臺。

新的審計組織形式如圖7所示。居于中心位置的是數(shù)據(jù)處理中心，它將現(xiàn)場小組、協(xié)調(diào)小組、質(zhì)控小組、技術(shù)支持小組等業(yè)務(wù)小組鏈接起來。數(shù)據(jù)處理中心就是數(shù)據(jù)加工廠，它的工作內(nèi)容包括數(shù)據(jù)收集、數(shù)據(jù)分析與結(jié)果反饋等方面，并且24小時不間斷工作。事務(wù)所內(nèi)部和外部每時每刻都在產(chǎn)生海量數(shù)據(jù)，包括宏觀政策、行業(yè)信息、產(chǎn)品信息、客戶數(shù)據(jù)等外部數(shù)據(jù);歷史業(yè)務(wù)數(shù)據(jù)、決策數(shù)據(jù)、審計師特征信息等內(nèi)部數(shù)據(jù)。在現(xiàn)有審計模式下，這些數(shù)據(jù)中的大多數(shù)都未能受到重視。在新的審計組織模式下，數(shù)據(jù)處理中心是一個專業(yè)化中心，能夠24小時不間斷地收集與分析各方面數(shù)據(jù)，優(yōu)化各算法模型。各業(yè)務(wù)小組可以隨時向中心輸入數(shù)據(jù)，提出數(shù)據(jù)處理要求，中心實時分析，實時輸出結(jié)果。在這種模式下，各業(yè)務(wù)小組也變成了專業(yè)中心，能夠在各自最擅長的領(lǐng)域?qū)⒐ぷ髯龅綐O致。

與傳統(tǒng)審計組織形式相比，新審計組織形式具有以下優(yōu)點：

第一，事務(wù)所內(nèi)部的垂直型組織變成了具有專長的專業(yè)小組。各小組最大化發(fā)揮專長，整個事務(wù)所從一個個割裂的部門的集合變成了眾多專長型小組的有機(jī)集合體。

第二，事務(wù)所由一個反應(yīng)遲鈍的組織變成了一個反應(yīng)敏捷的組織。各業(yè)務(wù)小組在強(qiáng)大的數(shù)據(jù)處理中心的支持下，在各自工作范圍內(nèi)敏捷出擊，實時反應(yīng)。

第三，以數(shù)據(jù)處理中心為紐帶，將整個事務(wù)所的資源有機(jī)整合起來。每個專長型小組各司其職，發(fā)揮專長，互相補(bǔ)充，互相支援，共同對外。

目前，國際“四大”已經(jīng)在構(gòu)建數(shù)據(jù)處理中心，在未來幾年內(nèi)，可能會有越來越多的事務(wù)所向這一方向轉(zhuǎn)型。

（三）審計信息多維化

在大數(shù)據(jù)審計模式下，審計信息將是多維的大數(shù)據(jù)。傳統(tǒng)審計模式下，審計師用于分析的數(shù)據(jù)主要以結(jié)構(gòu)化數(shù)據(jù)為主，而且只是可用的結(jié)構(gòu)化數(shù)據(jù)里很小的一部分。既然要將審計風(fēng)險盡量降低，那么就不應(yīng)該只局限于分析有限的信息，只要是有用的信息，都應(yīng)該納入數(shù)據(jù)池，包括內(nèi)部信息與外部信息、財務(wù)信息與非財務(wù)信息、結(jié)構(gòu)化信息與非結(jié)構(gòu)化信息等等。在大數(shù)據(jù)審計模式下，通過引入大數(shù)據(jù)技術(shù)，能夠突破傳統(tǒng)審計模式下所面臨的各種限制，對這些大數(shù)據(jù)進(jìn)行整理和分析。

大數(shù)據(jù)審計中用到的信息除了傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)之外，還可以包括文本信息、視頻與圖像信息、音頻信息等多維度信息。

1.文本信息

審計師可用的文本信息包括客戶內(nèi)控文檔、生產(chǎn)記錄、會議記錄、訪談記錄、新聞報道等;微博、朋友圈、郵件等社交媒體信息;宏觀層面的政策文件、行業(yè)信息等等。在傳統(tǒng)審計模式下，大量的這類信息都被束之高閣。隨著自然語言處理等技術(shù)的發(fā)展，如今已經(jīng)有能力對這些信息進(jìn)行收集和分析?，F(xiàn)有不少研究已經(jīng)證明，文本信息是非常有用的信息，有些時候有用性甚至超過結(jié)構(gòu)化數(shù)據(jù)。例如，有研究發(fā)現(xiàn)，上市公司年報中文本信息的語氣以及它們所反映的情緒會顯著影響企業(yè)風(fēng)險和股票收益[6-7]。Hoberg et al.（2016）發(fā)現(xiàn)，基于上市公司年報中的產(chǎn)品介紹的文本信息提取的行業(yè)分類比傳統(tǒng)的行業(yè)分類更準(zhǔn)確。

將文本信息“喂給”計算機(jī)后，可以做多維度的分析。如前文提及的讓計算機(jī)學(xué)習(xí)并預(yù)測人民日報文章的例子，就是基于文本信息進(jìn)行預(yù)測的經(jīng)典用法，還可以從文本信息中提煉情緒指數(shù)。圖8是IBM開發(fā)的文本信息分析平臺，在平臺上輸入相關(guān)文本信息后，將自動輸出作者的情緒。例如，將蘋果公司年報中“管理層討論”部分輸入平臺后，顯示該公司管理層的情緒比較負(fù)面;當(dāng)輸入ipad這一產(chǎn)品名稱時，顯示的負(fù)面情緒更嚴(yán)重。

上述文本信息分析技術(shù)能夠廣泛應(yīng)用于審計工作。例如，將公司的相關(guān)文本信息輸入文本分析平臺，可以分析管理層的情緒，判斷公司的持續(xù)經(jīng)營能力。如果管理層都比較悲觀，說明公司的發(fā)展前景確實堪憂。這種分析可以應(yīng)用于業(yè)務(wù)承接、風(fēng)險評估等諸多環(huán)節(jié)。再比如，可以將文本信息與結(jié)構(gòu)化的財務(wù)指標(biāo)進(jìn)行比較，看這兩類信息是否一致，例如，文本信息顯示公司業(yè)務(wù)增長迅速，但財務(wù)指標(biāo)并未反映這一趨勢，則表明公司財務(wù)數(shù)據(jù)或者業(yè)務(wù)數(shù)據(jù)可能值得關(guān)注。由于文本信息量遠(yuǎn)大于結(jié)構(gòu)化的財務(wù)數(shù)據(jù)量，將這部分一直被忽略的信息挖掘出來后，能夠大大提升審計師發(fā)現(xiàn)問題的概率，大幅度降低審計風(fēng)險。

2.視頻與圖像信息

這類信息在傳統(tǒng)審計模式下基本上未納入分析范疇，但卻非常重要。目前，基于AI的圖像識別技術(shù)已經(jīng)有很大進(jìn)展，實用性很強(qiáng)。例如，Choudhury et al.[8]利用大量圖片作為訓(xùn)練集，訓(xùn)練出一套模型，能夠非常準(zhǔn)確地識別圖片中人物的表情。圖9是研究者訪談過的一些CEO的照片，作者利用訓(xùn)練好的模型識別他們的表情，準(zhǔn)確率非常高。最近，不少高科技養(yǎng)殖公司引入了“豬臉識別”技術(shù)，能夠自動識別每頭豬的身份，并實現(xiàn)實時監(jiān)控。比如，如果某頭豬突然食欲不振，系統(tǒng)會自動識別并發(fā)出警報，養(yǎng)殖人員馬上進(jìn)場干預(yù)。與傳統(tǒng)養(yǎng)殖業(yè)相比，這種技術(shù)能夠大幅度提高預(yù)警能力，降低養(yǎng)殖風(fēng)險。根據(jù)報道，京東通過采用這種技術(shù)，能將養(yǎng)殖成本降低30%～50%。

在審計過程中，會涉及到很多視頻與圖像信息，可以將其充分利用。例如，在訪談過程中，可以利用訓(xùn)練好的模型，對訪談對象的表情和肢體語言進(jìn)行分析，判斷他們所提供信息的可靠性。在審計過程中，還可以充分利用客戶公司在生產(chǎn)經(jīng)營場所的視頻信息，利用AI進(jìn)行自動分析，例如可以分析內(nèi)控的缺陷，根據(jù)生產(chǎn)經(jīng)營視頻提取的信息與財務(wù)指標(biāo)進(jìn)行對比，考察財務(wù)業(yè)務(wù)數(shù)據(jù)的一致性，利用攝像頭進(jìn)行遠(yuǎn)程智能存貨盤點等等。

3.音頻信息

現(xiàn)有研究發(fā)現(xiàn)，在資本市場上，音頻信息具有信息含量，例如，Campbell et al.[6]發(fā)現(xiàn)，上市公司電話會議音頻的語氣會影響投資者的交易行為。在審計中，音頻信息在訪談環(huán)節(jié)非常有用。前文圖3已經(jīng)展示了如何在審計中利用音頻信息。此外，還可以根據(jù)對訪談錄音進(jìn)行智能分析，判斷訪談對象的性格特征、訪談時的態(tài)度等等，據(jù)此判斷訪談信息的可靠性，或者為進(jìn)一步采取哪些措施獲取審計證據(jù)提供線索。

4.其他信息

除了上述信息之外，還有很多其他類型的信息可以用于分析，例如移動互聯(lián)時代產(chǎn)生的特有信息——定位信息。在使用智能手機(jī)時，會用到很多互聯(lián)網(wǎng)公司或大數(shù)據(jù)公司的產(chǎn)品或服務(wù)，其中很多會留下定位信息。對于這些公司而言，通過分析這些定位信息可以產(chǎn)生很多商業(yè)模式，例如，通過定位信息分析某區(qū)域的人流量以及他們的特征（例如每個人的來源地），從而幫助商場選址、精準(zhǔn)營銷等。圖10是深圳極光公司利用定位信息繪制的中國人民大學(xué)校園實時人流分布圖。顏色越深，表明人流越密集。這種圖是動態(tài)的，反映不同時點人流量的變化。

這種定位信息可以幫助審計師足不出戶就能非常準(zhǔn)確地核實客戶公司的經(jīng)營情況。以中國資本市場上經(jīng)典的舞弊案例之一“藍(lán)田舞弊案”為例，藍(lán)田2000年主營業(yè)務(wù)收入是12.7億元，每天銷售額大概是300萬元，大約每天要銷售100萬斤的水產(chǎn)品。這么多水產(chǎn)品運輸大概需要200多輛輕型卡車。據(jù)此估算出每天的人流量至少是2 000人。加上公司員工，每天養(yǎng)殖基地進(jìn)出的人流量至少在2 000人以上。審計師可以利用定位信息，遠(yuǎn)程判斷人流量與公司披露的收入是否配比。

（四）從抽樣審計向詳細(xì)審計轉(zhuǎn)變

隨著技術(shù)的進(jìn)步，傳統(tǒng)的抽樣審計方法可能會慢慢消失，詳細(xì)審計又重新回歸。眾所周知，審計產(chǎn)生之初采用的是詳細(xì)審計方法，但隨著企業(yè)規(guī)模越來越大，業(yè)務(wù)越來越復(fù)雜，詳細(xì)審計越來越不符合成本效益原則，從而被迫讓位于抽樣審計。抽樣審計雖然能提高審計效率，但它將審計的不確定性帶入一個讓人日益無法接受的區(qū)域，導(dǎo)致審計師時刻面臨訴訟風(fēng)險。

隨著人工智能、大數(shù)據(jù)等技術(shù)的日益完善，審計方法重新回歸詳細(xì)審計模式越來越成為可能。從技術(shù)角度來說，風(fēng)險評估、內(nèi)控測試等環(huán)節(jié)更容易實現(xiàn)完全智能化，因此它們可能會首先完成智能化轉(zhuǎn)型。而細(xì)節(jié)測試的智能化轉(zhuǎn)型的難度較大，主要是由于用于準(zhǔn)確識別錯報的智能模型開發(fā)難度較大，涉及到大量的職業(yè)判斷，因此，細(xì)節(jié)測試的完全智能化可能尚需時日。

不過，目前的技術(shù)可以實現(xiàn)準(zhǔn)詳細(xì)審計，具體步驟如下：首先，讓計算機(jī)學(xué)習(xí)規(guī)則，例如會計準(zhǔn)則、審計準(zhǔn)則等。如同戰(zhàn)勝圍棋冠軍李世石的阿爾法狗（AlphaGo），應(yīng)先讓它學(xué)會圍棋規(guī)則。雖然會計和審計規(guī)則比圍棋規(guī)則更復(fù)雜，但從技術(shù)角度來說是完全可以實現(xiàn)的。其次，讓計算機(jī)學(xué)習(xí)過去已經(jīng)完成的審計業(yè)務(wù)數(shù)據(jù)，用機(jī)器學(xué)習(xí)技術(shù)，訓(xùn)練錯報識別模型。AlphaGo之所以能戰(zhàn)勝李世石，是因為它學(xué)習(xí)了三千萬盤棋局，訓(xùn)練出一個高質(zhì)量模型。通過機(jī)器學(xué)習(xí)，可以讓計算機(jī)像審計師一樣進(jìn)行職業(yè)判斷。隨著訓(xùn)練集越來越大，訓(xùn)練的模型也越來越精確，計算機(jī)會越來越聰明，達(dá)到完全代替審計師的程度。最后，利用訓(xùn)練好的模型進(jìn)行錯報識別。與傳統(tǒng)的人工審計相比，智能化的詳細(xì)審計不僅是對所有報表項目進(jìn)行審計，而且會用到多維度的大數(shù)據(jù)，審計效率和效果會遠(yuǎn)遠(yuǎn)超過審計師。

（五）審計可視化

可視化技術(shù)將改變傳統(tǒng)審計模式下的數(shù)據(jù)界面，代之以直觀的各種動態(tài)圖表。目前，已經(jīng)有很多公司開發(fā)出可視化商業(yè)智能（BI）產(chǎn)品，商業(yè)化應(yīng)用日益普遍，無論是企業(yè)的生產(chǎn)部門、安監(jiān)部門，還是管理部門，都在大量使用可視化技術(shù)。例如儀表盤（駕駛艙）是目前應(yīng)用很廣的可視化產(chǎn)品，它能夠直觀地反映各環(huán)節(jié)、各產(chǎn)品、各部門的實時狀態(tài)，大幅度提升企業(yè)決策的效率。

一直以來，審計師在審計過程中面對的大多是數(shù)據(jù)界面，很難快速找出數(shù)據(jù)中隱藏的規(guī)律和問題，即便是已經(jīng)加工過的數(shù)據(jù)。而可視化界面可以直觀地將數(shù)據(jù)形象地展示出來，便于審計師快速分析并得出結(jié)論。圖11是一個氣泡圖的例子[9]。橫軸是審計客戶，縱軸是這些客戶公司購買的股票的代碼，圖中每個點對應(yīng)的就是每家客戶購買的股票，氣泡的大小代表投資收益的大小。從圖中可以看出，有些公司投資的上市公司數(shù)量不多，但每項投資的收益都很可觀，因此，應(yīng)該將這些公司的股票投資業(yè)務(wù)作為審計重點，看是否存在內(nèi)幕交易等行為。實際上，在審計的全過程中，都可以基于BI等工具，自動將所有數(shù)據(jù)以圖表形式展現(xiàn)出來。未來的趨勢是將AI與BI結(jié)合，讓可視化技術(shù)更加智能。

此外，在審計過程中，可以以儀表盤的形式展示審計項目的實時動態(tài)實時展示各小組工作完成情況、所需資源、遇到的困難、發(fā)現(xiàn)的問題等等。從項目負(fù)責(zé)人角度來說，他們可以隨時了解項目進(jìn)展并協(xié)調(diào)各小組的工作;從項目小組的角度來說，小組之間、小組內(nèi)部可以實現(xiàn)實時資源共享。在移動互聯(lián)時代，這些都可以在移動端實現(xiàn)，讓審計工作更加便捷高效。

可視化技術(shù)不僅適用于審計過程，也適用于審計報告階段。在出具審計報告之前，審計師要實施分析程序，最后確認(rèn)審計后的報表是否存在異常。在此階段，除了可以采用機(jī)器學(xué)習(xí)等方法將審計后的報表與歷年報表以及同行業(yè)其他公司的報表進(jìn)行對比分析之外，還可以采用可視化技術(shù)，直觀而形象地呈現(xiàn)報表項目，便于與歷年報表以及同行業(yè)其他公司的報表進(jìn)行比較。關(guān)彥慶等[10]僅基于Excel中的Microsoft Research Treemapper控件，就將傳統(tǒng)的數(shù)字型報表變成了圖形報表（如圖12所示）。報表中每一個方框的大小代表相應(yīng)報表項目的金額，顏色代表增長率。與傳統(tǒng)報表相比，這種改進(jìn)后的報表一目了然。當(dāng)然，基于BI等工具，能夠畫出更精致更有價值的圖形報表。

在審計報告階段，也可以更多用圖表的形式展示審計結(jié)果。目前的審計報告屬于一維模式，未來的報告應(yīng)該是多維的，可以用動態(tài)圖、立體圖等形式展示更豐富的細(xì)節(jié)。

綜上所述，可以構(gòu)建如圖13所示的大數(shù)據(jù)審計框架。大數(shù)據(jù)審計的核心組織是數(shù)據(jù)處理中心，它24小時不間斷地收集、整理、分析數(shù)據(jù)，反饋結(jié)果。以該中心為平臺，首先讓計算機(jī)儲備知識，即讓它學(xué)習(xí)會計、審計等規(guī)則以及歷史審計數(shù)據(jù)。學(xué)習(xí)規(guī)則的目的是為了讓計算機(jī)“懂”會計、審計知識;學(xué)習(xí)歷史審計數(shù)據(jù)的目的是為了讓它成為會計、審計專家，會像人一樣進(jìn)行職業(yè)判斷。儲備了足夠的知識和經(jīng)驗之后，計算機(jī)就可以開始執(zhí)行審計業(yè)務(wù)。在風(fēng)險評估階段，可以基于大數(shù)據(jù)進(jìn)行自動分析，查找異常。在內(nèi)控測試階段，可以基于社會網(wǎng)絡(luò)分析等技術(shù)自動檢測各個內(nèi)控點，自動判斷是否存在內(nèi)控偏差。在細(xì)節(jié)測試階段，基于學(xué)習(xí)的規(guī)則和歷史審計數(shù)據(jù)，對所有報表項目進(jìn)行自動核對，重點根據(jù)風(fēng)險評估和內(nèi)控測試階段發(fā)現(xiàn)的線索進(jìn)行強(qiáng)化檢測。在審計報告階段，自動生成審計報告。

二、大數(shù)據(jù)審計：五大挑戰(zhàn)

雖然大數(shù)據(jù)審計代替?zhèn)鹘y(tǒng)審計是大勢所趨，然而，在目前階段還存在諸多困難和挑戰(zhàn)，需要學(xué)術(shù)界、實務(wù)界和監(jiān)管層共同合作，逐步加以克服，推動大數(shù)據(jù)審計的快速落地與迭代。

（一）大數(shù)據(jù)獲取成本高

能否以合適的成本獲取所需的數(shù)據(jù)是進(jìn)行大數(shù)據(jù)分析的關(guān)鍵。然而，目前很多數(shù)據(jù)的獲取成本很高。從客戶數(shù)據(jù)來看，在實踐中，由于保密性等原因，客戶只會提供部分電子數(shù)據(jù)，而且主要局限于部分財務(wù)數(shù)據(jù)，其中還有不少匯總性數(shù)據(jù)，不適合進(jìn)行大數(shù)據(jù)分析。從外部數(shù)據(jù)來看，從網(wǎng)絡(luò)上爬取公開數(shù)據(jù)也會面臨高昂的成本，除了存儲成本、人員成本、數(shù)據(jù)清洗成本等，更大的成本是公開數(shù)據(jù)的不可獲得性或者數(shù)據(jù)質(zhì)量較差。例如，要讓計算機(jī)自動分析客戶銷售收入的合理性，就需要獲取客戶具體產(chǎn)品實時的市場價格、市場份額、技術(shù)指標(biāo)等數(shù)據(jù)，然而，目前網(wǎng)絡(luò)上關(guān)于這方面的數(shù)據(jù)非常匱乏。而且，隨著大數(shù)據(jù)監(jiān)管政策趨嚴(yán)，爬取公開數(shù)據(jù)的成本會越來越高。從事務(wù)所內(nèi)部積累的數(shù)據(jù)來看，由于我國事務(wù)所的信息化水平尚處于一個較低的水平，電子版的歷史審計數(shù)據(jù)積累不夠，很難滿足機(jī)器學(xué)習(xí)所需要的數(shù)據(jù)量。

（二）觀念與習(xí)慣轉(zhuǎn)變困難

人們很難改變已經(jīng)習(xí)慣的生活方式。因此，企業(yè)要進(jìn)行變革，首先就會遇到來自企業(yè)內(nèi)部的阻力。如果是自上而下的變革，往往會面臨來自中層和基層員工的阻力。因為從傳統(tǒng)審計模式向大數(shù)據(jù)審計模式轉(zhuǎn)變，需要員工重新學(xué)習(xí)新知識、拋棄多年來積累的經(jīng)驗和工作方式，必然會引發(fā)他們的抵觸心理。如果是自下而上的變革，又往往需要說服上層管理者和兄弟部門支持變革，在未取得實質(zhì)性變革成效之前，要獲得他們的支持存在很大難度。從我國目前的審計市場現(xiàn)狀來看，事務(wù)所之間的競爭還處于爭奪客戶階段，尚未進(jìn)化到技術(shù)競爭階段，事務(wù)所在審計模式轉(zhuǎn)變方面的壓力較小，主動變革的動力會較弱。

（三）人才難得

大數(shù)據(jù)審計需要專業(yè)的復(fù)合型人才，既掌握會計審計知識，又掌握大數(shù)據(jù)技術(shù)。然而，目前這方面的人才極為缺乏。作為人才的主要供給方，目前高校教育普遍還是傳統(tǒng)的培養(yǎng)模式，培養(yǎng)的還是傳統(tǒng)的會計審計人才。雖然已經(jīng)有部分高校開始開設(shè)智能會計、大數(shù)據(jù)會計課程或?qū)I(yè)，但尚處于起步階段。很多高校已經(jīng)意識到向智能會計、大數(shù)據(jù)會計轉(zhuǎn)型是大勢所趨，希望轉(zhuǎn)型，但它們普遍面臨的問題是缺教材、缺師資、缺方案。因此，高校還無法向?qū)崉?wù)界大規(guī)模供給大數(shù)據(jù)審計專業(yè)人才。

（四）審計業(yè)務(wù)的復(fù)雜性

隨著企業(yè)規(guī)模越來越大、業(yè)務(wù)越來越復(fù)雜，審計業(yè)務(wù)也越來越復(fù)雜。為了應(yīng)對這種復(fù)雜性，現(xiàn)代審計提供了一套完整而精致的方法體系。然而，即便如此，審計團(tuán)隊花費數(shù)月時間，也很難將所有重大錯報找出來，更勿論所有錯報。作為一種新型審計模式，大數(shù)據(jù)審計在很多方面優(yōu)于傳統(tǒng)審計，但囿于審計業(yè)務(wù)自身的復(fù)雜性，要很好地實現(xiàn)存在諸多困難，尤其是在細(xì)節(jié)測試階段。企業(yè)往往會提供多種產(chǎn)品或服務(wù)，即使是同一種產(chǎn)品或服務(wù)，還存在不同的型號或類型，如果要深入分析每種產(chǎn)品或服務(wù)的賬務(wù)處理是否合理，就需要讓計算機(jī)學(xué)習(xí)每種產(chǎn)品的相關(guān)知識，而這顯然是有難度的。

（五）大數(shù)據(jù)審計體系設(shè)計的復(fù)雜性

大數(shù)據(jù)審計系統(tǒng)應(yīng)該是一個標(biāo)準(zhǔn)化或者準(zhǔn)標(biāo)準(zhǔn)化的系統(tǒng)，能夠用于各種審計場景。然而，在實踐中，審計師面對的往往并非標(biāo)準(zhǔn)化的場景：不同的企業(yè)、不同的產(chǎn)品或服務(wù)、不同的商業(yè)模式、不同的行業(yè)慣例等等。因此，要想設(shè)計出一個標(biāo)準(zhǔn)化的審計系統(tǒng)，訓(xùn)練通用性的審計模型，確實存在很大難度。此外，大數(shù)據(jù)審計模式應(yīng)該遵循什么思路來構(gòu)建？是繼承傳統(tǒng)審計的風(fēng)險評估、內(nèi)控測試、細(xì)節(jié)測試三階段模式，還是另起爐灶，采用完全不同的模式？目前還沒有明確的答案，還需要在審計實務(wù)中慢慢摸索出可行的方案。

三、結(jié)語

美國科幻小說家凡爾納曾經(jīng)說過：“但凡人能想到的事，必定有人能將它實現(xiàn)。”在技術(shù)大爆炸的今天，越來越多的顛覆性技術(shù)不斷涌現(xiàn)，不斷重塑企業(yè)的商業(yè)模式。我們堅信，大數(shù)據(jù)審計代替?zhèn)鹘y(tǒng)審計是大勢所趨，我們應(yīng)該主動擁抱這種變革，并努力創(chuàng)新技術(shù)，一步步實現(xiàn)它。

世界審計創(chuàng)新的引擎在中國，中國審計創(chuàng)新的關(guān)鍵在產(chǎn)學(xué)合作。中國為大數(shù)據(jù)審計的發(fā)展提供了沃土。根據(jù)金融數(shù)據(jù)公司Pitchbook的統(tǒng)計，2018年中國的BAT（百度、阿里巴巴和騰訊）在AI領(lǐng)域共投入了128億美元，而美國的四大巨頭（谷歌、亞馬遜、臉書、蘋果）合起來才投入17億美元④。中國在技術(shù)方面大規(guī)模的投入以及更加寬松的大數(shù)據(jù)應(yīng)用環(huán)境為大數(shù)據(jù)審計的發(fā)展提供了難得的發(fā)展機(jī)遇。不過，中國審計要真正引領(lǐng)世界審計的創(chuàng)新，必須加大產(chǎn)學(xué)合作力度，單靠實務(wù)界或者學(xué)術(shù)界都很難實現(xiàn)。●

【參考文獻(xiàn)】

[1] 陳碩，王宣藝.機(jī)器學(xué)習(xí)在社會科學(xué)中的應(yīng)用：回顧與展望[Z].2018.

[2] BAO YANG，et al.Detecting accounting fraud in publicly traded U.S. firms using a machine learning approach[J/OL].2015.

[3] CHAN J T，et al.Reading China：predicting policy with machine learning[J/OL].2018.

[4] MIEKE JKNS，et al.Does process mining add to internal auditing？An experience report[J].Enterprise Business-Process and Information Systems Modeling，2011（81）：31-45.

[5] LOOKMAN S，et al.A framework for occupational fraud detection by social network analysis[Z].2015.

[6] CAMPBELL J L，et al.Express yourself：Why managers disclosure tone varies across time and what investors learn from it[J/OL].2017.

[7] JIANG F，et al.Manager sentiment and stock returns[J].Journal of Financial Economics，2019，132（1）：126-149.

[8] CHOUDHURY P R，et al.Machine learning approaches to facial and text analysis：Discovering CEO oral communication styles[J].Strategic Management Journal，2019，40（11）：1705-1732.

[9] 陳偉.基于可視化分析技術(shù)的大數(shù)據(jù)審計案例研究[J].中國注冊會計師，2019（6）：61-64.

[10] 管彥慶，楊喜梅，博斌.我國企業(yè)財務(wù)報告的可視化研究——基于上市公司合并資產(chǎn)負(fù)債表的Treemaps圖形化視角[J].中國注冊會計師，2014（9）：74-79.

[11] SUN T S，et al.Applying deep learning to audit procedures：an illustrative framework[J].Accounting Horizons，2019，33（3）：89-109.