基層審計機關大數據審計的問題與對策

徐榮華 程璐

[摘要]本文論述了大數據審計的特征和流程，分析了大數據審計存在的問題，并從制度、運行、評價及人才等方面提出相應對策。

[關鍵詞]審計機關? ? 大數據? ? 審計? ? 問題? ? 對策

年來，黨中央、國務院高度重視大數據在經濟社會發展中的重要作用，并適時出臺相關政策和措施，黨的十九大進一步提出建設數字中國、智慧社會。廣東、浙江、湖北等省先行先試，相繼發布“數字政府”建設規劃。在我國地方政府政務數字轉型快速發展的趨勢下，審計監督借助大數據實現轉型已迫在眉睫，大數據審計已成為必然趨勢。當前，開展大數據審計也是推進審計項目和審計組織方式“兩統籌”、實現審計監督全覆蓋的最佳方式。

一、大數據審計及其特征分析

目前，學術界、實務界等主要從大數據審計功能、產生動因、審計質量控制、內容、存在問題及具體審計模式等視角，系統全面地研究國家審計機關開展大數據審計的動因、內在機理、路徑及主要方式方法，并形成一些重要觀點和結論。很多學者意識到大數據審計的重要性，提出構建大數據審計平臺，以推動大數據審計的開展（秦榮生，2013;王歡、許暖、沈波，2014;魏祥健，2014）;一些學者認為，大數據環境下激增的海量數據和審計技術的迭代給審計監督帶來了嚴峻挑戰，傳統的事后審計模式已不適應大數據環境下的審計發展需求，迫切需要通過革新審計技術和優化審計模式來提高審計效率和質量（牛艷芳、薛巖、孟祥雨，2014）;還有學者指出，大數據環境導致審計內容愈加復雜，必然帶來各種新增的審計風險（陳偉、Smieliauskas Wally，2012）。

研究大數據審計離不開對大數據的準確把握和理解。國際權威研究機構Gartner認為，“大數據”是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力來適應海量、高增長率和多樣化的信息資產。通過該定義可以看出，大數據屬于資產范疇，類別是信息類資產，預期能夠帶來經濟資源，并且該項資產的價值在于其所產生的強大決策力、洞察發現力和流程優化能力。

目前，人們對大數據特征普遍達成共識，即大數據具有“6V1C”的七個典型特征，即容量（Volume）大、種類（Variety）多、速度（Velocity）快、可變性（Variability）強、真實性（Veracity）、復雜性（Complexity）、價值（Value）高。

一般而言，大數據審計流程主要為：第一步，利用專門軟件或技術，與被審計單位數據接口或終端連接獲取原始數據;第二步，按照審計目標對數據進行篩選、分類、整理、加工、分析，形成符合審計需求的數據;第三步，根據需求建立數據分析模型，對數據進行經濟學、統計學相關運算和分析;第四步，根據分析確立疑點或風險點，構建從事前、事中至事后一體化、全方位、全過程的持續審計模式。

大數據審計在本質上具備審計的根本特征，但它又有別于其他審計，具有以下特征：第一，大數據審計是一種平臺審計。大數據需要與云計算技術平臺深度融合才能產生生命力，云計算技術平臺是大數據的存在形式，因此，構建云計算技術平臺是發揮大數據審計作用的重要前提。第二，大數據審計是一種整合審計。大數據離不開數據的集聚和整合，大數據審計必然是資源整合、資源融合的過程，既包括數據整合，又包括審計資源和力量的整合。第三，大數據審計是一種管理審計。大數據環境下數據管理已成為核心競爭力，數據質量是商業智能成功的關鍵。通過實施大數據審計，在配備外腦的情況下，審計可以提出更具建設性的意見和建議。第四，大數據審計是一種技術審計。需要運用與傳統審計截然不同的審計技術和方法，如數據挖掘技術、關聯比對技術、智能分析技術等。第五，大數據審計是一種風險審計。由于大數據在客觀上存在數據泄露的風險和可能，需要對數據風險進行評估和防范。

二、基層審計機關開展大數據審計存在的問題

基層審計機關由于受人員編制限制，審計力量較弱。以某區審計局為例，全局共有26人，其中一線審計人員11人。2016—2018年，該局共完成114個審計及專項審計調查項目（不包括抽調參與上級審計機關的審計項目），其中一線審計人員年均完成審計項目3.5個。隨著大數據時代的到來，審計方式方法面臨重大變革，在審計模式創新未能及時適應和跟進的情況下，基層審計機關開展大數據審計存在困惑和挑戰，突出表現為缺平臺、缺思路、缺技術、缺應對等方面。

一是缺乏大數據審計平臺。云平臺是大數據運行的載體，是確保大數據發揮作用的關鍵。云平臺可實現對大數據資源的有效整合和管理，為大數據審計形成強有力的技術支撐。云計算技術平臺的主要功能是協同協作，實現“1+1>2”。然而目前區域性、分層次的云計算技術平臺尚未建立，審計機關與被審計單位仍然是“一對一”的審計模式，大數據的采集、管理、分析處于零碎化狀態，運用大數據審計實現“一對多”（一個審計機構對應多個審計項目或單位）、“多對一”或“多對多”等功能的較少，遠程審計未能得到大規模運用。

二是缺乏大數據審計思維。首先，審計人員未能深化對大數據的認識，未充分了解大數據理念。大數據包括結構化數據、非結構化數據及半結構化數據，不同的數據，其特征也不相同。比如，對于會議紀要、財務報表附注等非結構化數據，需要運用文本分析法、Python技術等進行有針對性的分析。如果對大數據理解不夠深刻，實施大數據審計時難免帶有傳統的“賬套”思維，將縮小審計范圍，影響審計結論的科學性。其次，以事后審計思維模式為主，實時審計思維不足。受囿于主客觀條件限制，事后審計模式的最大弊端是效果滯后、未能防范于未然。因而，需要通過不斷變革，努力從事后審計模式向事中、事前審計模式轉變。最后，審計思維仍然停留在靜態、單一和局部層面。審計人員往往著眼于被審計單位一定時期的靜態數據或事項，對單個項目、單個事項、單個目標實施審查，考慮問題總是局限于某個部門或領域，未能站在全局角度思考問題，亟須快速轉變。

三是缺乏大數據審計技術。由于對實施大數據審計應對和準備不足，審計技術人才較為缺乏，并且多數審計機構在人才招募、培訓等方面未能建立充分的保障機制，致使大數據審計技術難以適應發展需要。大多基層審計機關尚未設立負責實施大數據審計的專門機構。在大數據審計環境下，抽樣審計模式正向全樣本審計模式轉變，審計人員需要進一步研究新的審計技術和方法。

四是缺乏大數據審計的風險應對措施。大數據審計面臨的風險主要有制度風險、數據安全風險和數據質量風險，目前對這些風險的應對措施較為缺乏。大數據審計需要依法依規進行，從數據獲取、存儲、分析及運用的全流程進行必要的規范。制度風險主要是缺乏實施大數據審計的法律法規、審計準則及操作指南等;數據安全風險主要指所獲取的原始數據及加工處理后的數據存在較大的泄露隱患。數據保管不善會泄露國家機密、商業秘密、個人隱私等，不可避免地對國家、企事業單位及公民個人利益帶來損失。數據安全風險分為主觀故意泄露風險及客觀上（比如黑客攻擊、感染木馬病毒等）數據被盜取的風險。基層審計機關由于設備、技術不夠先進及防范技術落后，數據安全風險較為嚴重。數據質量風險涉及數據的準確性、真實性及可靠性等。信息系統本身也需要審計以判斷其處理的數據是否可靠和值得信賴，再利用分析性程序對數據進行分析以檢查數據的邏輯性、合理性及價值性。對于重要數據，還需通過詢問、問卷調查、訪談等調查手段進行必要驗證。

三、基層審計機關開展大數據審計的對策

平臺、技術、思維和風險應對措施的缺乏，一定程度上阻礙了大數據審計的開展。為更好地促進基層審計機關開展大數據審計，需要在以下四個方面采取相應對策。

一是做好制度體系建設。在充分調研的基礎上，出臺大數據、大數據審計所需要的相關制度，規范大數據審計行為。制度建設應當立足全局，確保戰略性、前瞻性、針對性、層次性和有效性，且涵蓋法律、法規、大數據審計準則及準則指南等內容。制度建設的目標是構建數據生態系統，平衡大數據產生的各部門之間及大數據審計全流程中的各方關系，明確責權利，保障各方正當利益。

二是做好運行體系建設。在充分論證的前提下，構建大數據審計運行平臺，優化、整合和融合各種資源，對數據進行統一管理。平臺采用云計算技術，發揮協同功能，對被審計單位的數據資源和審計機關的審計資源進行優化配置，充分調動各方積極性和主觀能動性。基層審計機關應通過平臺實施大數據審計，結合審計項目和審計組織方式“兩統籌”，探索融合式、嵌入式、“1+N”等審計項目組織方式，努力做到“一審多項”“一審多果”“一果多用”，最大限度擴展審計覆蓋面。同時，建立必要的運行機制、約束機制、監督機制及激勵機制，確保平臺實現良好運轉。

三是做好評價體系建設。區別于以往“單打獨斗”的傳統審計，大數據審計需要多方共同參與、協同協作。不同審計機關可能單獨或共同完成某項審計任務，但不論何種情形，單個基層審計機關都離不開平臺的支持、調配和管理，離不開其他審計機關或人員的支持和幫助。因此，需要引入集體評價模式，規避注重部門利益的本位主義，引導、監督和激勵各方協同開展大數據審計，科學評價單個基層審計機關的審計績效。

四是做好人才體系建設。既需要培養大數據審計技術人才，又需要培養相關管理人才。所需人才還要具有戰略眼光、大數據審計思維，熟悉計算機、管理學、經濟學、會計、審計、財務等專業知識。應適時開展多層次、全方位的培訓，構建復合型、專家型、顧問型專業人才培養體系。

（作者單位：寧波大學 寧波市江北區審計局，

郵政編碼：315211，電子郵箱：xu_rong_hua@aliyun.com）