審計全覆蓋驅動下大數據審計平臺構建研究

劉國城 馬欣萌 徐志

【摘 要】 大數據技術的發展改變了傳統審計模式，拓展了審計的范圍和領域，為國家大數據審計工作注入了活力。審計全覆蓋賦予了國家審計新的使命，也對大數據審計平臺的建設提出了新的挑戰。在審計全覆蓋總體目標驅動下，大數據審計平臺的建設與創新工作尤為重要。文章結合云計算相關技術，運用較為成熟的Hadoop系統，嘗試建立審計全覆蓋驅動下的大數據審計平臺，并從大數據審計平臺構建的需求、理念和策略三個方面進行分析，將大數據審計平臺分為數據中心、采集、預處理、分析和可視化五個系統，以此探索有效的審計新路徑、新方法，以期為審計全覆蓋提供技術基礎，為未來大數據審計工作的開展提供理論支持。

【關鍵詞】 審計全覆蓋; 國家審計; 大數據審計; 審計平臺建設

【中圖分類號】 F239.44? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）11-0125-08

2014年國務院印發《關于加強審計工作的意見》，2015年中共中央辦公廳、國務院辦公廳印發《關于完善審計制度若干重大問題的框架意見》和《關于實行審計全覆蓋的實施意見》（以下簡稱《意見》），這些文件確定了審計全覆蓋的總體目標。黨的十八屆四中全會提出：“完善審計制度，保障依法獨立行使審計監督權，對公共資金、國有資產、國有資源和領導干部履行經濟責任情況實行審計全覆蓋。”當前，以大數據為重點的“金審三期”工程順利開展，審計大數據信息化的建設為實施審計全覆蓋提供了重要的數據資源與處理工具。運用大數據技術推動審計技術的革新和審計管理平臺的優化，是實現審計全覆蓋、實現國家治理現代化與信息化的重要途徑。

一、理論梳理與回顧

（一）大數據審計在我國的應用與發展

新時代，大數據審計技術方法不斷更新和改進，在我國的應用范圍也越來越廣。邱玉慧等[ 1 ]利用海量微觀的社會保險大數據進行審計評價，充分運用可視化技術，初步印證了海量微觀的社保大數據在評價養老金調整現狀、評估不同待遇調整方案方面的優勢。鄭志元[ 2 ]從全量審計、持續審計、風險導向、智能審計、人本審計思維分析商業銀行內部審計理念的轉型。王李[ 3 ]認為商業銀行內部審計廣泛應用大數據的前提是區分全量與抽樣的差別、處理好效率與精確的關系以及注意數據挖掘對象的因果關系。鄭偉等[ 4 ]基于大數據環境下的數據式審計模式并從邏輯流程、網絡構架和應用架構三個維度設計數據式審計模式與路徑。陳偉等[ 5 ]研究了基于Benford定律的大數據審計方法。王會金等[ 6 ]指出隨著大數據審計技術創新發展，數據量愈發龐大，大數據安全審計問題的解決更加依托于科學的審計技術方法，通過云提供商和云租戶之間的責任劃分建立政務云安全審計運行框架，可以為大數據時代政務云安全管理實踐提供思路。趙圣偉等[ 7 ]基于金融審計大數據的證券市場交易異常模型，創新了大數據環境下的審計數據分析和應用模式。湖北省審計學會課題組[ 8 ]以湖北省醫保審計實踐為例，在醫保審計中創新應用軟硬件技術和大數據挖掘技術，為審計全覆蓋提供了技術基礎和思路。

（二）審計全覆蓋理念對大數據審計的驅動作用

審計全覆蓋是新時期我國大數據審計發展的主要方向，是國家審計監督能力提高的關鍵依據。審計監督經歷了財務審計、經濟責任審計、績效審計等階段，大數據下審計環境的變化與國家治理共同要求審計監督更具全面性。2015年進入包含離任審計在內的全覆蓋審計階段，審計全覆蓋理念推動了大數據審計的廣泛應用。首先，審計全覆蓋背景下，傳統審計逐步轉變為利用全面樣本、更加追求效率、注重相關關系的大數據審計，審計環境發生變化，政府審計模式發生轉變（魏祥健，2016）。Danielle等[ 9 ]認為，大數據時代，模式識別、數據挖掘、自然語言處理等技術的應用將提高數據分析的預測能力。Michael Alles等[ 10 ]基于理論證據研究大數據技術納入財務報表審計的優勢與障礙，并確定了可能使審計師受益的大數據具體方面。陳偉等[ 11 ]強調面對復雜的審計大數據，大數據分析技術正處于發展階段，大數據環境下電子數據審計面臨機遇與挑戰，審計的思路與理念應緊隨時代的發展持續創新。其次，審計環境變化，審計技術進步，為大數據審計帶來了應用范圍、框架路徑、機制方法等方面的創新。戚振東和尹平[ 12 ]從國家治理視角研究了國家審計全覆蓋的發展創新問題，分別是以資金權力運行為主線拓展政府審計范圍、以協同審計創新國家審計運行機制、以治理目標導向創新國家審計模式、以職能分工授權拓展業務流程來完善國家審計職權等方面。Earley[ 13 ]和朱玲玲[ 14 ]分析大數據、云技術對審計監督全覆蓋的影響，指出審計計劃、執行等階段下大數據和云技術給審計監督全覆蓋帶來機遇和挑戰。劉亞男等[ 15 ]從機構設置、人員力量、審計結果、整改落實、聯席會議制度執行、領導干部權責、評價指標體系等方面指出了我國高校經濟責任審計普遍存在的問題，提出改進對策，以充分發揮審計的免疫系統作用，進一步促進高校強化經濟責任審計。陳桂云[ 16 ]從突破組織邊界和借助資源共享兩個方面對審計全覆蓋的實現路徑進行探索分析，為加快審計全覆蓋的實現提供了有益借鑒。陳駿和時現[ 17 ]提出審計全覆蓋驅動下的審計技術方法創新應以目標性、系統性、組織性為核心，探索審計技術方法創新的理論框架。

（三）審計全覆蓋驅動下大數據審計平臺構建的理論支撐

目前有關大數據審計的研究文獻相對偏少，且注重理論研究，研究范圍普遍停留在社會科學視角，而結合數據與信息科學的研究較少。我國對大數據審計的研究正處于逐步完善的過程中，未來應更加注重應用與實踐研究，從技術方法上積極融入信息學和工程學的相關知識，例如數據挖掘技術、可視化技術、審計取證技術等，不斷更新方法，攻克技術難題。《意見》要求“審計機關應當進一步構建國家審計數據系統和數字化審計平臺，積極運用大數據技術，加大業務數據與財務數據、單位數據與行業數據以及跨行業、跨領域數據的綜合比對和關聯分析力度，提高運用信息化技術查核問題、評價判斷和宏觀分析的能力”。我國大數據審計的實務工作正在建設之中，審計全覆蓋將會推進我國大數據審計工作更加有序地開展，并為大數據審計理論的創新發展提供支持。

審計全覆蓋驅動下構建大數據審計平臺，可以有效提高國家治理能力，順應我國大數據審計的發展要求。大數據審計平臺通常可以細化為采集、預處理、分析、可視化四個子平臺[ 18 ]。采集數據時，可以基于孤立點分析方法構建審計抽樣模型[ 19 ]，利用DBSCAN聚類算法對審計抽樣關聯規則進行聚類，建立審計樣本與目標的關聯規則[ 20 ]。預處理數據時，需要衡量電子數據審計取證的模式及適用場景和條件[ 21 ]，利用遠程數據審計方案以驗證存儲數據的完整性[ 22 ]。牛艷芳等[ 23 ]闡述了審計大數據網絡分析的相關理論和方法，提出審計大數據網絡分析平臺建設框架，概括“點、線、面、塊”的網絡分析方法體系。陳偉等[ 24 ]基于大數據可視化技術對審計線索特征進行了挖掘。當前我國審計全覆蓋與大數據未完全融合，被審計單位信息化程度、審計人員的差異以及審計數據的復雜性導致基于審計全覆蓋的大數據審計平臺構建存在一定的難度。為此，本文在審計全覆蓋的要求下，結合大數據平臺構建思路，分析了審計全覆蓋驅動下的大數據審計平臺的建設理念和路徑。

二、審計全覆蓋驅動下大數據審計平臺構建的現實需求

（一）要求審計人員擁有大數據思維

從審計意識出發，審計全覆蓋要求審計人員具備大數據思維，樹立全局觀念，實現審計工作的上下聯動。傳統模式下的審計人員往往缺少大數據關鍵性技術與思維，大數據審計的高端知識型人才培養存在斷層，短時期內難以達到理想的目標與效果，這就要求當代審計人員轉變思維。首先，由抽樣審計思維向具有完整性的總體審計思維轉變。傳統的審計模式根據局部抽樣總結個體特征，推斷全局規律，而大數據環境要求分析與審計對象所有的相關數據，實現總體審計。其次，由追求數據精確度向追求數據及時性和使用效率轉變。大數據審計面對的海量數據大多是半結構化與非結構化數據，數據量的規模性擴大要求審計人員必須轉變思維，更加注重非結構化數據的利用，學會處理海量數據，追求樣本全貌，提高數據利用效率。再次，由事后審計思維向事前、事中審計思維轉變。傳統的事后審計逐步轉變為面向全局的全過程審計，大數據審計更加重視事前審計、事中審計，同時要求審計人員更加注重對數據的實時監控，在項目進展過程中實時從業務活動中抽取和控制審計信息，及時有效地進行風險監控和防范。最后，由因果關系思維向相關關系思維轉變。面對海量數據，挖掘審計證據不必過于深究其因果關系，而是對所有的相關數據進行采集、挖掘、分析和整理，找出隱含的關系，從多層次、多領域、多角度的海量數據中提煉問題，揭示共性規律，分析過去、捕獲現在、預測未來，滿足審計全覆蓋的要求。

（二）要求審計人員擁有強大的數據處理能力

從審計技術應用來講，審計全覆蓋要求運用大數據技術提升數據采集、整理和分析能力。面對全覆蓋審計數據的海量化與審計對象的復雜化，加之信息化高端人才緊缺[ 25 ]，采集提煉、存儲整理、分析處理數據的審計任務異常艱巨，因而審計人員需要具備相關的大數據分析處理能力。首先，要具備從宏觀角度處理海量數據的能力。在具備基礎技術及知識的基礎上，利用計算機軟件對所有相關數據進行采集和整理，將結構化的數據進行分析，將半結構化、非結構化的跨領域、跨層次、跨行業的數據進行加工和轉換，以易于理解的形式加入總體分析框架之中，對海量審計數據和資源實施整體、全面、深入地分析，避免管中窺豹、顧此失彼，為推進審計監督全覆蓋提供技術方面的支持。其次，要具備數據采集和挖掘能力。大數據之所以“大”，是因為有廣泛的數據。國家審計準則要求政府各個部門的每一筆收支都備案，每一筆資金去向都可供檢查，然而一些人員為一己之利，將違法違紀的行為“抹去”，進而使得數據來源受限，審計監督受到制約。因此，審計人員要注重從非結構數據中獲取充分和適當的審計證據，挖掘更細微、深入的信息，由“面”到“點”，具備多維度、深層次分析數據的能力，能夠發現隱藏在數據細節中更具價值的信息。最后，要具備大數據關聯分析的能力。掌握基本的計算機技能與大數據分析工具原理和運行思路是推進大數據時代發展的必要條件。審計人員需要具備專業知識和技能，利用信息技術，綜合比對業務數據與財務數據、單位部門之間的數據、行業數據、跨行業和跨領域數據，將最終的審計成果同被審計單位相關聯，為今后的審計工作提供經驗基礎，從而節省人力和時間成本，有效提高審計工作的效率。

（三）要求依托強大的數據庫系統和云共享平臺

為了更好地順應大數據時代需求，盡快滿足審計全覆蓋要求，并綜合利用大數據技術優勢，應構建國家審計數據信息系統和云共享平臺。大數據時代下實施國家審計需要注重數據采集和存儲、數據分析、數據可視化等環節，要求加大審計資源統籌整合力度，增強審計監督整體效率和功能。如今全國各地都逐步開展大數據審計建設工作，嘗試建設大數據信息系統和云共享平臺，但尚存在一系列問題，重點是非結構化數據利用率低、數據庫類型單一、數據安全儲存技術不完善等，在這樣的環境下，海量數據和資源得不到充分的采集和利用。《意見》指出，“建立審計成果和信息共享機制，加強各級審計機關、不同審計項目之間的溝通交流，實現審計成果和信息及時共享”。審計全覆蓋要求政府有關部門、金融機構和國有企事業單位開放數據系統查詢權限，以適應審計工作的需要，加大數據的集中度，在審計過程中注重潛在數據的獲取和分析，對獲取的數據和資料嚴格保密，提升效率的同時注重數據安全性。審計工作要做到統籌計劃，在充分了解審計對象的基礎上，建立分行業、分領域審計數據庫，突出審計重點、統籌規劃全局，保證在一定周期內實現審計全覆蓋，提升數據的及時性和使用效率，積極探索審計實時監督系統，實施聯網審計，為數據庫信息系統和云共享平臺的逐漸成熟提供理論和技術支持。

三、審計全覆蓋驅動下大數據審計平臺的構建理念

（一）應用開源Hadoop技術，提高數據處理能力

傳統的數據中心存儲能力是有限的，且存儲處理的數據大多為結構化數據，如Oracle、MySQL等關系型數據庫所存放的數據（謝志明等，2016）。現如今，NoSQL技術出現，將來自數字媒體、物聯網、互聯網等機構的多領域、多層次、多元化數據交織混雜在一起，數據類型不再是單一的結構化數據，更多的是半結構化數據和非結構化數據。傳統數據中心無法存儲如此龐大的數據量，存儲空間不足，不能滿足現代審計全覆蓋下大數據分析的要求，因而傳統的審計數據庫和數據分析系統應有所改進，審計人員對大數據處理和分析的工作面臨挑戰。Hadoop系統是基于Java技術的軟件框架，開源的Hadoop數據中心能夠很好地解決數據存儲和處理難題，核心技術是分布式文件系統HDFS和分布式計算框架MapReduce，它解決了大數據審計工作面臨的兩大難題：存儲和分析。隨著大數據應用技術的不斷發展，Hadoop系統進一步引入HBase（Hadoop Database）。HBase強化系統存儲能力，性能更強、可靠性更高，為提高數據的存儲、分析和計算能力提供了更好的技術條件。

Hadoop系統采用分布式文件系統HDFS作為底層架構，將上傳的數據進行分布式儲存和處理，通過熱插撥方式，迅速增加磁盤的空間并進行維護處理，大大降低了管理和維護的消耗及成本（謝志明等，2016）。安全監測平臺通過運用組件技術將界面控制、業務邏輯和數據映射分離，迅速應對業務變化的需求，實現系統內部的松耦合。基于Hadoop系統搭建起來的數據中心目的是將多臺計算機利用網絡連接起來，在統一的管理系統控制下，協調合作完成大型數據處理任務，從單一的服務器實現上千臺機器的聯系與擴展，每一個體機器都可以提供本地儲存和計算[ 8 ]。在文件存儲寫入時，將文件基本信息放置于主節點，切分成文件塊分布存儲置于各子節點主機，因此海量審計數據儲存于Hadoop數據中心是行之有效的。

（二）重視非結構化數據，提升數據利用價值

大數據環境下大量的非結構化審計數據為處理分析工作增加了難度，研究如何對非結構化數據進行有效利用具有重要的實踐意義。在Hadoop系統的不斷完善和優化下，其具有存儲和計算海量非結構化數據的能力。分布式文件系統HDFS、分布式數據庫HBase以及分布式計算框架MapReduce組成的Hadoop生態系統，對非結構化數據進行統一管理，有效實現了數據共享，有利于打破數據孤立的局面。大數據環境下，瀏覽和篩選等方法無法滿足非結構化數據審計的需要，Hadoop系統可以對一些過去無法采集到的數據進行分析，通過大數據分析系統處理之后得到可視化信息，具體如圖1所示。

大數據環境下，可利用網絡檢索相關數據，再接入大數據審計平臺，建立分析模型。大數據審計平臺為審計大數據的采集、存儲、挖掘和管理提供良好的服務，為審計人員提供關聯分析和深度挖掘的相關工具和應用界面，最終便于利用相應的數據挖掘算法進行預測性分析。同時，服務平臺的可視化系統為提升數據利用價值提供了重要途徑。對網上公開數據源采集的相關非結構化數據，在數據預處理基礎上可對非結構化數據進行可視化分析，將非結構化數據中的內容和規律化為視覺符號，向審計人員展示，審計人員從中獲取信息和重點，發現線索，找出審計證據。構建這種數據平臺管理模式降低了審計數據管理風險，通過開展聯網動態監測審計并深入挖掘，實現對非結構化數據的最大利用效率。對此，審計人員有責任和義務遵循國家法律法規，積極履行審計監督全覆蓋職責，保護國家和人民財產不受侵犯。

（三）加強審計信息共享，強化數據實時分析

為了建立健全大數據審計信息共享機制，使數據不受時間和空間的限制，審計人員可以進行聯網審計，通過客戶端遠程訪問被審計單位的數據庫。各級審計機關利用互聯網及時掌握被審計單位的各項信息，將各自的審計報告和審計資料全部錄入平臺（靳思昌，2018），簡化流程，這樣審計人員則無需關注數據儲存和采集等問題，而是側重于審計任務本身。云審計平臺可以提供信息審計服務和信息監管服務，提升平臺的安全可信性[ 26 ]，審計機關在節省現場審計成本的同時可以獲取全面的數據和信息;當出現異常指標時再進行現場審計，節省時間成本，實現審計監督的動態化，打破目前各單位、各部門間的信息壁壘，提高審計工作的效率，實現數據共享，實施信息動態管理。云審計平臺的出現，搭建了遠程與現場審計的網絡系統，應用Hadoop的分布式存儲系統聯結各離散存儲單元形成強大的橫向和縱向數據網絡，如圖2所示，為各個政府部門之間和審計機關之間的數據共享奠定了基礎，為實施實時審計提供了可能。

構建云審計平臺雖然為存儲和分析海量審計數據提供了優勢與便利，但也存在一些不足。首先，審計數據更加注重時效性，需要及時分析。Hadoop系統相比于Storm流式實時計算系統略顯弱勢，商業化運用Storm系統如支付寶、淘寶等，實時計算交易量、注冊量等信息，分析處理計算功能已經較為成熟，如果國家審計可以借鑒此系統，那么實時監測、審計全覆蓋的目標將能盡快實現。其次，大量半結構化、非結構化數據有可能被不法分子盜取，存在安全隱患。我國政務云安全審計正處在探索和發展階段，其要求完善信息安全學科體系，保證數據內容安全、系統安全，掌握信息管控技術、安全等級及安全測評技術、密碼應用技術等，提升云服務的保密性和完整性。實時分析處理功能的提高、信息安全問題的改善，將會對國家審計部門的工作產生質的影響，真正意義上實現“用數據顯示真相、用信息反映事實”。

（四）強化部門聯合效應，有效實現審計全覆蓋

大數據背景之下，審計過程不僅要重視部門內部的審計，而且打造部門之間的聯合效應也是實現審計全覆蓋目標的重要手段。審計機關需要站在整體全局的角度擁有大數據審計格局，綜合考慮部門內部、部門上下級之間、部門與行業之間的配合、聯系與協作。審計項目大都涉及多個政府部門，包括財政、稅務、公安、人力資源和社會保障等多個單位，僅僅依靠審計機關的單獨作業難度較大，審計機關和各個部門之間都要依照審計全覆蓋的要求，樹立全局意識，形成部門與部門之間的密切配合與高效協作，找出具有規模效應的有價值的審計數據、審計線索、審計證據，共同促進我國大數據審計事業的發展。

伴隨信息技術的發展，審計機關要充分認識到部門聯合對國家審計全覆蓋的重要性。國家審計需要的不僅僅是審計報表等結構化數據的真實可靠性，還更為需要對海量審計數據的現實反映。審計機關應該依靠和利用大數據審計平臺，整合各有關部門的數據信息，深入挖掘被審計單位容易隱藏的問題，形成部門之間相互監督、相互作用的機制（見圖3），對整體審計工作提出有效的對策建議，發揮政府監管的“免疫系統”功能。審計全覆蓋要求審計項目與財政審計、金融審計、企業審計、資源環境審計、涉外審計等相結合，在一定的時間周期內依法對屬于審計監督范圍的所有管理、分配、使用公共資金、國有資產、國有資源的部門和單位進行審計，優化過程分析，促成審計成果，實現審計全覆蓋，發揮審計功能。

四、審計全覆蓋驅動下大數據審計平臺的構建策略

大數據審計平臺的建立是提高審計機關數據分析能力的基礎。多數在建的大數據審計平臺均屬于靜態批量模式，其特點是先儲存后計算，對數據的準確性和全面性要求較高，以此為代表的有Hadoop系統，經過不斷地更新和優化，其三大基礎HDFS、MapReduce和HBase已經發展為由60多個相關組件組成的龐大生態系統，包括數據存儲、執行引擎、編程和數據訪問框架等。本文應用Hadoop系統，將大數據審計平臺分為數據中心、采集、預處理、分析和可視化五個系統，以期實現審計全覆蓋的總體目標，具體流程如圖4所示。

（一）數據中心

隨著大數據技術的不斷發展，海量數據呈現集中化的趨勢。數據類型主要有結構化數據（如被審計單位的財務數據、業務數據等）、半結構化數據和非結構化數據（如經營戰略、社會關系、組織結構、經驗數據、管理數據、預測數據、Web數據、日志數據，包括所有格式的辦公文檔、文本、圖片、XML、HTML、報表、圖像、音頻和視頻等信息、被審計單位的非貨幣性數據等）。其中非結構化數據占比巨大，潛藏著龐大的應用價值。這些審計數據并非散亂式獲取與機械化堆砌，Hadoop系統下可利用成熟的技術工具將其有機融合、合理存儲、有效處理。

數據中心的主要目的是歸集各類型相關數據，實現對審計資源的合理配置，對審計信息的充分利用，挖掘審計線索，確定審計重點，查找審計疑點，提高審計工作的效率。審計機關分類建立財政、經濟責任、國家資產等數據庫，將搜集到的與審計對象相關的全部數據按照類型存入數據系統。建立數據中心有利于獲取之前審計的經驗和成果，為再次審計奠定基礎，節省人力和時間成本，使事前、事中、事后全過程審計的實現不再是空談，對進一步達成審計監督全覆蓋的目標提供基礎支撐。

（二）數據采集系統

大數據審計的基礎任務是收集足夠的與審計項目相關的數據信息。建立專業化的數據采集系統，有利于整體把握審計項目，有效獲取數據，最終從海量數據中獲取具有潛在價值的規律和事實，完成審計任務。采集系統是數據中心的重要保障，為數據預處理提供了可能。

數據采集系統是指將審計機關和被審計單位的數據庫通過專業化工具方法連接起來，進行數據共享。常用的審計數據采集方法主要有直接復制、通過中間文件、通過ODBC接口、遠程聯網等。Hadoop系統下的采集框架主要有Apache Sqoop實現數據的自動傳輸，Apache Flume收集可靠的日志數據，Gobblin負責整合數據源，同時Datax負責異構數據的穩定性。除此之外還有大數據采集技術，例如網絡爬蟲等網絡數據采集方法，Hadoop系統的Chukwa等日志數據采集方法。數據存儲是數據采集之后存放數據的系統，通過構建Hadoop分布式框架的HDFS和HBase，可以完成即時的操作讀寫功能，便于審計數據的即時儲存和利用。

（三）數據預處理系統

大數據審計預處理系統主要起到了承上啟下的作用，系統針對采集之后的海量數據進行預處理，包括對結構化數據去重復值或有誤值，對半結構化和非結構化數據通過預處理系統轉化為可供理解、易分類、易分析的結構化數據。目前常用的方法主要有數據類型轉換、名稱轉換、橫向縱向合并、空值處理等。

大數據審計的預處理系統包括數據清洗、數據挖掘、數據轉換三項流程。數據清洗，需要多重清洗方法相結合，以迎合審計大數據的多樣化和多元性。通過設置規則，確保數據合法性;通過補全信息，提升數據完整性;通過去重，促進數據的唯一性。數據挖掘，主要是運用先進的軟件技術，根據不同的審計目標選擇不同的方法，對清理過和篩選出的數據進行分析。數據挖掘可以發現數據之間的異常關系，提取有價值的信息，提供精準的審計證據。數據轉換，涵蓋數據內容的截取、數據格式的轉化、數據的拆分與合并，是將不同格式與語義的源數據轉化為被審計用戶所理解、與目標數據相一致的數據整合過程。審計人員必須明確轉換任務，明晰轉換類型與轉換格式，進行數據拆分與合并。

（四）數據分析系統

大數據的核心價值在于使用大數據技術深層次挖掘和分析來自政治、經濟、財政、環境、金融、企業等各種類型的數據。由于被審計單位舞弊手段的復雜多樣及隱蔽性，必須以“金審工程”為依托，通過財務數據同業務數據的關聯分析、上下級單位之間的縱向分析、各部門之間的橫向分析、單位數據與行業數據的比對分析、跨領域數據的綜合分析等，對重大財政資金、重要投資項目進行深入查究，充分利用審計信息數據庫系統，發現潛在的規律和可加以利用的信息，找出審計疑點，獲取審計線索，搜集審計證據。除此之外，審計人員應對數據時刻保持敏感，探索異常數據快速排查方法，確定審計重點，對帶有普遍性、傾向性的問題進行挖掘，發現問題相關關系，實現真正意義上的審計監督全覆蓋，提高審計效能。

為滿足大數據環境下數據分析的需求，要依靠專業化信息技術的發展與創新。Hadoop系統中MapReduce和Yarn是基于Hadoop平臺的并行計算框架，它們對大數據進行標準化分析，利用Mahout和R語言進行深度挖掘及關聯分析，實現分析數據共享。借助上述技術的創新應用，有利于審計數據的實時分析。

（五）數據可視化系統

審計過程中，單調乏味的數字、晦澀難懂的結論、海量的數據嚴重影響著審計工作的效率以及審計人員對審計工作的熱情，現代信息技術的不斷完善促進了可視化技術的發展，并以此提高了審計工作效率，審計人員只需關注審計任務本身而無需為繁瑣的數據煩惱。數據可視化技術有助于審計人員對審計大數據進行直觀分析和探索疑點。同時，數據可視化技術借助一系列工具和手段，能夠高效地溝通信息，幫助審計人員快速發現問題。另外，數據可視化方便了大數據審計成果的展示，可以提高審計效率，使被審計單位大數據的分析結果更有意義。大數據時代，審計人員要想洞察被審計單位數據存在的問題，就必須不斷發展數據可視化技術。

當前，已有眾多方法可供審計主體運用，這些方法支持可視化建模分析，同時為可視化結果呈現提供便利。可視化結果呈現主要是將繁瑣復雜的審計數據通過信息技術手段表達出來，展示成網絡圖、維恩圖等，為審計結果使用者做出審計判斷提供便利。審計人員可以根據審計目標和評估指標，對可視化結果進行綜合判斷，以便更為深入地論證審計結論。

五、結語

當前，大數據應用已經滲透到政治、經濟、社會等各個層次和各個領域，以強大的沖擊力深刻地影響和改變著人們的工作、生活和思維方式。審計全覆蓋與大數據平臺的建設相互作用、相輔相成，共同推動我國大數據審計的發展。在國家審計全覆蓋總目標的驅動下，為順應時代發展的潮流，應建立和優化大數據審計平臺，完善數據中心、采集、預處理、分析、可視化五個系統，實現各系統相互配合、相互支持和無縫連接，同時建立國家級大數據審計平臺，最大程度共享數據，實現審計全覆蓋目標，有力推進國家審計的常態化、流程化與智能化。

【參考文獻】

[1] 邱玉慧，呂天陽，楊蘊毅.基于大數據的企業基本養老保險待遇調整績效審計分析：以X省為例[J].審計研究，2014（3）：106-112.

[2] 鄭志元.大數據下的銀行審計思維[J].中國金融，2016（14）：52-53.

[3] 王李.大數據關注點在商業銀行內部審計中的應用：以M銀行為例[J].會計之友，2016（16）：110-112.

[4] 鄭偉，張立民，楊莉.試析大數據環境下的數據式審計模式[J].審計研究，2016（4）：20-27.

[5] 陳偉，吳正，劉海.基于Benford定律的大數據審計方法研究與實現[J].中國注冊會計師，2017（9）：80-84.

[6] 王會金，劉國城.大數據時代政務云安全風險估計及其審計運行研究[J].審計與經濟研究，2018，33（5）：1-11.

[7] 趙圣偉，吳雨橫.基于金融審計大數據的證券市場異常交易模型探討[J].審計研究，2018（5）：17-21.

[8] 湖北省審計學會課題組.大數據技術在審計全覆蓋中的應用研究：以湖北省醫保審計實踐為例[J].審計研究，2018（1）：11-15.

[9] LOMBARDI D，BLOCH R，VASARHELYI M A. The current state and future of the audit profession[J].Current Issues in Auditing，2015，9（1）：10-16.

[10] ALLES M，GRAY G.Incorporating big data in audits：identifying inhibitors and a research agenda to address those inhibitors[J]. International Journal of Accounting Information Systems，2016，22（7）：44-59.

[11] 陳偉，SMIELIAUSKAS WALLY.大數據環境下的電子數據審計：機遇、挑戰與方法[J].計算機科學，2016，43（1）：8-13，34.

[12] 戚振東，尹平.國家治理視角下的審計全覆蓋：一個理論框架[J].學海，2015（6）：107-112.

[13] EARLEY C E. Data analytics in auditing：opportunities and challenges[J].Business Horizons，2015（5）：493-500.

[14] 朱玲玲.大數據、云技術對審計監督全覆蓋的影響研究[J].中國注冊會計師，2016（6）：85-88.

[15] 劉亞男，張文承，郝素彬.審計全覆蓋下高校經濟責任審計問題及對策[J].會計之友，2017（12）：124-128.

[16] 陳桂云.審計全覆蓋面臨的“壁壘”及其實現路徑[J].會計之友，2018（9）：90-93.

[17] 陳駿，時現.審計全覆蓋驅動下的審計技術方法創新研究[J].審計研究，2018（5）：22-29.

[18] 劉國城，王會金.大數據審計平臺構建研究[J].審計研究，2017（6）：36-41.

[19] 孫玥璠，宋迪.大數據環境下基于孤立點分析的審計抽樣方法[J].財務與會計，2015（14）：71-73.

[20] 程平，陳珊.大數據時代基于DBSCAN聚類方法的審計抽樣[J].中國注冊會計師，2016（4）：76-79.

[21] 程鋮，李睿.電子數據審計取證模式研究[J].審計研究，2016（5）：8-13.

[22] SOOKHAK M，GANIA? A，KHAN M K，et al.Dynamic remote data auditing for securing big data storage in cloud computing[J]. Information Sciences，2017，380（2）：101-116.

[23] 牛艷芳，薛巖，鄧雪梅，等.審計大數據關聯的網絡分析平臺構建及應用研究[J].審計研究，2018（5）：35-42.

[24] 陳偉，居江寧.基于大數據可視化技術的審計線索特征挖掘方法研究[J].審計研究，2018（1）：16-21.

[25] 劉國常，胡楓.大數據助推政府審計全覆蓋路徑研究[J].會計之友，2018（18）：98-101.

[26] 秦榮生.大數據、云計算技術對審計的影響研究[J].審計研究，2014（6）：23-28.