大數據審計若干理論思考

[摘要]大數據審計的研究與實踐方興未艾，應適時對其上升到理論層面進行深入探討。本文從理論角度研究了大數據審計概念、分類、模式和流程，認為大數據審計的本質是人機結合共生的治理活動。大數據審計仍適用于風險導向審計模式，大數據審計應基于數據流對審計過程進行重構。

[關鍵詞]大數據審計本質? ?大數據審計類型? ?大數據審計模式? ?大數據審計流程

一、引言

“大智移云物”等新技術的迅猛發展為傳統商業環境帶來了新的挑戰與機遇，產生了大量半結構化和非結構化數據。與此同時，一些大數據信息處理技術正被廣泛應用于審計實踐，大數據審計相關文獻也逐年增加，但大多側重于大數據對各類審計的影響、審計技術、審計模式、審計平臺、審計隊伍建設等經驗層面，缺乏更為深入的理論探討。理論研究可以為其他應用研究和實踐提供方向指導，也為未來前瞻性研究和實踐創新提供理論框架。基于此，本文提出如下四個方面思考，什么是大數據審計？大數據審計有幾種類型？大數據審計的模式如何？如何組織實施？現就上述問題作一分析。

二、大數據審計若干理論問題思考

（一）大數據審計概念

數據是信息的表現形式和載體，是一系列或連續或間斷的符號，一般認為大數據是大量的難以運用傳統計算機軟件處理的數據，是指數據的數量級別超過傳統數據庫軟件工具捕獲、存儲、管理和分析能力的數據集（Mckinsey Global Institute，2011）。大數據具有以下5個V特征，即Volume（數據量大）、Velocity（速度快）、Variety（類型多）、Value（有價值）、Veracity（真實性），包括結構化、半結構化和大量非結構化數據，從類型意義上大數據更多地是指半結構化和非結構的數據，結構化數據可以稱為“小數據”。大數據才是現實的真實反映，“小數據”只是現實世界的片面反映，大數據不是現在才有的，只是從計算機處理能力角度來考察，現在才出現了大數據概念，而從人腦處理角度看，大數據始終存在，人腦處理的數據絕大部分都是非結構化數據。

按美國會計學會審計基礎概念委員會對審計的定義，審計是一個客觀地獲取和評價與經濟活動和經濟事項的認定有關的證據，以確認這些認定與既定標準之間的符合程度，并把審計結果傳達給有利害關系的用戶的系統過程。所以審計的基本職能是鑒證，即鑒別（比對）、證明，其基本要素包括三方關系（審計主體、審計對象、審計報告預期使用者）、審計標準、審計證據、審計報告，核心是獲取被審計單位相關數據和信息并與既定標準信息對比，將結果傳遞給第三方。我國學者通常從完整審計系統職能上下定義，如認為審計是一種獨立的經濟監督活動（張光壽，1995），審計是一種特殊經濟控制機制（蔡春，1998），審計是治理體系的構成部分（劉家義，2015;鄭石橋，2012;商思爭，2017）等，無論是監督、控制還是治理，都離不開信息，也離不開信息采集、處理和傳輸系統，信息的載體就是數據，從數據處理角度看，審計就是一種數據采集、儲存、清洗、挖掘和傳遞系統，當然也應該是大數據采集、儲存、清洗、挖掘和傳遞系統。

實踐中，各種大數據審計的項目類型繁雜，文獻上的概念界定也各有差異。李成艾、何小寶（2019）認為，大數據審計是指審計人員基于大數據資源，運用大數據思維和方法，進行大范圍、多角度數據關聯分析，以驗證被審計單位經濟活動的真實性、合法性、合規性及效益性。王彪華（2020）認為，大數據審計是指由計算機審計人員和業務審計人員運用云計算、數據挖掘、人工智能等大數據審計技術，對與審計事項相關的跨地區、跨行業、跨領域、跨年度的巨量電子數據進行采集、整理和關聯分析挖掘，從中把握總體情況，判斷發展趨勢，發現審計線索，獲取審計證據，揭示審計問題的獨立經濟監督活動。陳偉、居江寧（2017）指出，大數據審計是指大數據環境下的電子數據審計。

從一個泛在理論視角上看，大數據并不是現在才有的，也不一定都是電子數據，且大數據也不一定都用計算機軟件處理。所以，可以認為，大數據審計也包括大數據環境下對非電子大數據的審計，可以通過計算機軟件進行采集、挖掘、分析、認知、判斷和傳輸，也可以通過肉眼和人腦結合對數據進行采集、分析、認知、判斷和傳輸。但在計算機時代，這種概念是沒有意義的，且也不符合大數據的定義和特征。

大數據審計至少是采用大數據計算技術對結構化、非結構化電子數據進行的審計，而且無論信息處理和通訊技術多么先進，特定文化環境的人的自然語言、體態語言、表情語言的含義，仍然需要理解該文化環境的人來獲取和識別;數據的清洗、挖掘、分析，呈現的算法、方式、工具也需要人來開發、選擇。因此，大數據審計仍然是人對經濟活動、管理行為的一種監督、評價和鑒證活動，屬于人的管理和控制實踐活動，內嵌入社會、企業和市場治理系統，是治理結構和治理體系的構成部分。

（二）大數據審計分類

廣義的概念界定外延廣，可以涵蓋和解釋更多類似現象，但是不夠嚴謹，狹義地理解比較嚴謹，便于深入探討和推理，但是無法涵蓋和解釋更多類似現象，容易遺漏復雜現實的中間狀態，應把二者結合起來進行分析和概括。根據廣義大數據審計概念，可以分為計算機輔助大數據處理方式、聯網大數據處理方式和云平臺大數據處理方式。

計算機輔助大數據處理方式是通過人工采集或獲取非電子數據，然后將人工采集的數據錄入計算機，通過本地專業計算機軟件進行鑒別、分析的一種處理方式，這種方式處理結果比較準確，但由于軟件比較落后，且計算機處理能力有限，所以速度和質量也難以保證，非結構化數據仍然需要結合人腦進行。

聯網大數據處理方式是利用計算機聯網方式遠程采集大數據并采用本地軟件進行數據處理，聯網審計具有非現場審計、實時審計（或亞實時審計）、遠程審計、數據采集效率高等特征，但由于數據量巨大，對數據存儲、處理需要的硬件和軟件是一個巨大的挑戰。

云平臺大數據處理方式是基于云平臺采用相關軟件采集、識別、鑒證、挖掘和分析來自于物理世界的非結構化數據，包括音頻、視頻、射頻、文本、圖片等數據，這種處理方式采用集成數據、模型和各種數據采集技術的云平臺技術，數據存儲和處理能力強，尤其是集成了智能技術和物聯網技術的云平臺效率更高。狹義的大數據審計就是這種采用大數據云平臺進行的審計，這也是經常被用來作為研究樣本的一種大數據審計類型。

（三）大數據審計模式

審計模式就是在審計過程中對各種審計要素組織開展審計以完成審計目標的方式，目前通常采用風險導向審計，另外還有基于電子數據的數據式審計模式，前者是在存在各種風險條件下，為提高審計效率和效果而開發的一種審計模式，后者嚴格說不屬于審計模式的一種，只是特殊審計對象和審計組織方式的一種組合。

現有文獻普遍認為大數據審計是非抽樣審計、詳細審計，可以提高審計效率和審計質量（王海洪，2021）。大數據必須有公有云或私有云作為基礎架構才能順暢運行，但采用云平臺、AI技術進行審計也會存在各種各樣的風險，如法律法規和市場等環境變化、企業組織結構變化以及經營風險會帶來信息錯報風險、電子憑證被修改風險、大數據涉及的涉密和敏感信息容易被攻擊和盜取的風險、電子支付難以審計風險、數據清洗可能會清洗掉有價值的信息等都會帶來大數據利用的風險，盡管大數據的采集、存儲、傳輸、維護、分析等都要進行嚴格的保護和控制，但這些控制措施也都是一些計算機程序，存在被攻擊、破解的風險，所以大數據本身的真實性存在固有風險和控制風險。

另外，由于大數據的非結構性、復雜性、多模態、低價值密度等特征，大數據模式識別技術、分析技術、算力、算法等難以跟上大數據快速增長的步伐，會導致大數據識別、判斷和分析錯誤的風險，可視化結果最終仍由人來進行識別、分析和認知，會出現人工讀取和認知風險，部分線下采集的數據存在采集風險，所以，大數據審計手段和程序即使采用全面審計和詳細審計，也仍然存在非抽樣風險，難以消除檢查風險。

總之，大數據審計并沒有消除風險，仍然存在固有風險、控制風險（二者的乘積是大數據錯報風險）和檢查風險，更何況現實中由于審計機構專業人才匱乏、信息系統獲取和維護成本太高，所以相當長時間內，可能基于人工智能的審計信息系統建設仍然不能達到要求，云平臺的適用性也難以滿足要求，還需要單個軟件輔助乃至直接通過人工來進行大數據信息處理，存在基于數據錯報和檢查錯誤帶來的大數據審計風險。

為提高審計效率，大數據審計仍應采用風險導向審計模式，但是大數據環境下的風險評估可以采集多維、多渠道的數據，運用先進的算法和技術進行多種關聯分析和識別，從而對風險點進行準確定位，而不是模糊評價。數據審計為組織手段，風險導向審計為內在邏輯，所以這種審計模式應按照“集中分析、系統研究、發現疑點、分散核實、精確定位”以及數據審計特點進行流程再造和組織再造，可以稱為“大數據風險導向審計模式”。

（四）大數據審計過程

大數據審計是人的管理活動，是治理體系的一部分，其信息處理和通訊系統也是人機共生系統，審計的過程和組織不能僅僅考慮審計標準、審計證據、審計報告等信息要素，還應該考慮數據采集、數據處理技術、審計團隊及其結合方式。事實上，正是由于審計數據發生變化，才推動數據處理技術發生變革，審計處理技術的變革又會導致審計團隊構成和審計流程的變化，進一步的融合變遷會促使審計云信息平臺的產生。

在數據與信息處理技術分散模式下，也需要基于數據及其處理技術的需要重構隊伍、過程和流程，打破專業和機構界限，充分利用各類數據、數據分析技術及各類人員的特長完成審計工作，至于具體審計過程需要根據實際情況確定，通常分為計劃階段、準備階段、集中分析階段、現場實施階段和報告階段。需要強調的是，盡管大數據詳細審計不需要通過控制測試以縮小實質性程序的范圍，但仍然需要在準備階段對大數據云平臺信息系統安全性和穩定性進行審計與測試，同時通過檢查自動控制、系統間數據傳輸，運用計算機輔助審計技術等手段測試評估系統有效性。

在大數據云計算和人工智能環境下，審計可以持續進行，尤其是在構建了融合人員、數據、技術及其控制的審計信息平臺情況下，審計人員需要配合和輔助審計信息系統來組織，審計過程和工作流程已經變成了數據采集、清洗、挖掘、分析、呈現結合外勤勘察的流程，審計工作模式可以完全圍繞數據流進行。隨著信息處理和通訊技術的進一步發展，人工除進行部分數據的采集和審計報告的使用外，其他可能都交給系統進行處理，未來的大數據審計流程可能會演變為審計大數據采集、審計大數據信息處理和大數據審計報告的使用三個階段。

三、結論和建議

本文分析了大數據審計的概念、本質、類型、模式和流程，認為大數據審計的本質是人機結合共生的治理活動，大數據審計分為計算機輔助大數據處理方式、聯網大數據處理方式和云平臺大數據處理方式三種，大數據審計仍適用于風險導向審計模式，大數據審計應基于數據流對審計過程進行重構。

基層審計組織往往無力構建或使用大數據審計平臺，按照“數據→數據處理方法→審計流程→審計團隊→平臺建設”的邏輯，可以首先在不改變審計流程前提下，首先采用人工閱讀、識別和判斷非結構化數據，然后通過技術人員局部利用計算機大數據處理方法，逐步重構審計團隊和審計過程，但長遠來看大數據審計平臺建設是發展趨勢。

考慮到大數據審計概念、分類、模式、組織等理論的重要性，本文僅對大數據審計相關概念進行了粗淺的理論分析，今后應在占有更多材料基礎上，基于相關理論基礎，進行嚴謹邏輯推理以得出更加準確的結論，指導大數據審計的實踐。

（作者單位：江蘇海洋大學，郵政編碼：222005，電子郵箱：shangszh@126.com）

主要參考文獻

[1] 蔡春.論現代審計特征與受托經濟責任關系[J].審計研究， 1998（5）：1-8

[2] 鄭石橋.組織治理、機會主義和內部審計[J].中國內部審計， 2012（1）：24-31