論大數據時代國家審計變革與發展

蔣楠

【摘要】作為國家治理的重要組成部分， 國家審計在推進國家治理體系和治理能力現代化的進程中發揮著重要作用。 近年來， 隨著大數據環境下由精確性向高效性、抽樣分析向總體分析、因果性向相關性以及由經驗檢驗向預測性的轉變， 國家審計的取證方式、審計范圍、審計內容和審計風險也都發生了不同程度的變化。 因此， 需從審計大數據平臺的構建以及法律準則的完善等方面改進國家審計的效率效果， 以便更好地服務國家治理、體現國家審計的社會價值。

【關鍵詞】大數據;國家審計;變革與發展;國家治理

【中圖分類號】 F239.44? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）07-0113-5

一、引言

國家審計是由審計機關依法對公共資金、國有資產、國有資源進行管理、分配、使用的真實合法效益， 以及領導干部履行經濟責任和自然資源資產及生態保護責任情況所進行的獨立監督活動， 實際工作中主要圍繞政府職能部門展開， 并在維護國家財政安全、抑制腐敗等方面發揮了積極作用[1] 。 基于我國不同的歷史發展時期， 對國家審計本質的認識分別經歷了“審計監督論”“免疫系統論”和“國家治理論”三個階段， 審計目標也從監督財政收支的真實合法性轉變為預防、揭示并抵御經濟運行中存在的問題， 進而發展到服務于國家治理[2] 。 因此， 現階段國家審計的核心就是以高質量的信息為決策基礎， 推動實現國家的良好治理， 保證國家經濟社會健康運行和科學發展， 從而更好地保障人民利益。 國家審計通過提供高質量信息， 揭露潛在的問題和風險并提出完善的對策辦法來壓縮權力尋租的空間， 降低宏觀政策實施過程中的不確定性風險， 這是國家審計發揮作用的根本所在[3] 。 可以說， 無論是信息的獲取、處理還是公開、反饋都離不開數據的支持。 作為以容量大、類型多、存取速度快、應用價值高為主要特征的數據集合， 大數據的出現使得審計領域開始了量化過程， 傳統的審計方法、審計范圍及審計內容等都發生了不同程度的變化。 2014年10月， 《國務院關于加強審計工作的意見》（國發[2014]48號）提出， 要“構建國家審計數據系統， 探索在審計實踐中運用大數據技術的途徑， 加大數據綜合利用力度， 提高運用信息化技術查核問題、評價判斷、宏觀分析的能力”。 國家審計署前審計長胡澤君也多次強調， 要積極推進大數據審計并著力提升大數據審計能力， 堅持科技強審， 加強信息化建設是實現審計全覆蓋的必由之路。 但是， 已有文獻多側重于研究國家審計與國家治理的關系以及前者對后者的作用方式和實現路徑， 對于影響國家審計的因素及其面臨的問題并未做過多的探討。 基于此， 本文從國家審計的本質出發， 就大數據產生的影響以及在這一背景下如何更加有效地發揮國家審計在國家治理中的作用展開研究， 從而為大數據時代推動國家治理的完善提供參考和借鑒。

二、大數據帶來的影響

麥肯錫[4] 在《大數據： 下一個創新、競爭和生產力的前沿》的研究報告中指出， 大數據指的是規模大小超出常規數據庫工具進行獲取、存儲、管理和分析能力范圍的數據集。 數據已經滲透到每一個行業和業務職能領域， 逐漸成為重要的生產因素。 作為著名數據庫專家Jim Gray提出的科學研究的第四范式（Data-Intensive Scientific Discovery）， 大數據的快速發展對整個社會產生了深遠的影響。

1. 從精確性向高效性轉變。在傳統方式下， 由于數據來源較為簡單， 數據組成形式多為結構化數據， 加之分析技術和方法較為單一， 因此人們更注重數據的精確性。 隨著數據成為最重要的生產資料， 大數據時代無論是數據來源還是結構都更為多元化， 數據構成紛繁復雜， 數據量和計算機處理能力呈幾何級倍數增長， 人們要用這些數據做更多的事情、創造出更好的結果以從中受益， 而非以極其高昂的代價消除所有的不確定性， 因此大數據環境下人們反而降低了容錯標準， 追求數據的絕對精確既無必要也不可行， 數據的時效性成了當前社會更為關注的重點。

2. 從抽樣分析向總體分析轉變。一直以來， 由于記錄、存儲和分析數據的工具受到限制， 人們只能通過收集少量數據的方式來進行， 即對于大的樣本總體主要依靠抽樣的方式來實現。 隨著大數據時代的到來， 新技術的應用使得數據處理變得更加方便快捷， 可處理的數據量也越來越多， 對與業務相關的全部數據進行總體分析得以實現， 真正做到了“讓數據說話”。 正如數據集成專家Pervasive Software公司的大數據產品高級主管DaveInbar所言， “在過去， 我們采用抽樣數據， 可能還有經濟成本方面的考量或者技術達不到的原因。 但在今天， 這些原因都不復存在。 數據采樣在過去是最好的實踐方案， 但我認為它的時代已經過去了”。

3. 從因果性向相關性轉變。大數據所具有的大體量、多樣性等特點讓人們看到了以前未曾注意過的事物間的聯系。 與較為單純的因果關系相比， 大數據時代更側重事物間存在的千絲萬縷的相關關系， 即從“為什么”轉向“是什么”以及“會怎么樣”的問題。 借助云計算、分布式系統等互聯網技術， 人們能夠深入揭示并利用各類數據之間的關聯關系來發現一些潛在問題并掌握風險的變化趨勢， 有利于對事物進行整體的把控。

4. 從經驗檢驗向預測性轉變。相對于傳統的小數據集， 建立在相關關系分析基礎上的預測是大數據的核心， 審計人員可以通過事物間的相關性捕捉到事物的現狀并預測未來[5] 。 2009年， 谷歌使用Google流感趨勢（Google Flu Trends， GFT）這一工具對海量的網上搜索記錄進行分析， 成功地先于衛生機構兩周預測了甲型H1N1流感在全美的傳播趨勢。 基于對大數據的計算和分析結果， 人們可以歸納并演繹出事物的發展規律和趨勢， 從而為戰略決策的制定提供科學指導。

三、大數據時代國家審計的變革及發展

十八大以來， 黨中央和國務院高度重視大數據技術在推進國家治理現代化過程中的應用。 審計署在2014年12月增設了電子數據審計司， 并先后出臺了審計業務電子數據管理、審計業務電子數據遠程聯網管理和共享審計業務電子數據等規定， 明確了數據采集、整理、使用等各環節要求， 初步構建了較為完備、規范的大數據審計體系。 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》及配套文件《關于實行審計全覆蓋的實施意見》（中辦發[2015]58號）提出， “要構建大數據審計工作模式， 提高審計能力、質量和效率， 擴大審計監督的廣度和深度……適應大數據審計需要， 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……探索建立審計實時監督系統， 實施聯網審計”。 2016年6月， 審計署發布了《“十三五”國家審計工作發展規劃》， 明確提出要以提升審計能力和審計效率為目標， 加大數據集中力度， 完善國家審計數據中心， 形成“國家審計云”。 同年10月， 《“十三五”國家審計信息化發展指導意見》（審數據發[2016]97號）強調， 要進一步利用非結構化數據查詢和數據挖掘等大數據分析技術， 推進以大數據為核心的審計信息化建設。 面對大數據帶來的重大機遇， 國家審計的變革和發展主要體現在以下幾個方面：

1. 審計取證方式。在審計發展的歷史長河中， 賬項基礎審計和制度基礎審計模式下雖然關注的重點和實施路徑有所不同， 但無外乎都是通過梳理政策、檢查賬簿報表等文件資料、觀察并詢問部門及相關人員來獲取信息并以此為依據展開審計工作。 隨著現代風險導向審計的發展， 其所具有的“整體觀”使得審計人員取證范圍從財務報表擴展到了全部的業務活動及戰略， 其中非財務信息占據了絕對的主體地位[6] 。 但由于受制于成本效益原則和審計技術， 小數據時代證據的獲取仍舊沿襲傳統的方式來進行。 大數據環境下， 數據載體由傳統的紙質媒介變為機器可讀的存儲介質形式， 業務處理流程也按照預先設置好的程序指令來完成， 尤其是大數據所具有的異質性結構以及高頻性和詳盡性特點使得傳統的審計取證方式逐漸消失[7] ， 證據的提取和分析工作更多的是由計算機輔助審計工具與技術（CAATs）完成， 審計人員不再需要進入各個被審計單位去現場獲取審計證據、進行審計溝通， 而只需要根據國家治理的要求或政策關注點隨時調整審計重點， 在審計中利用大數據進行取證成為必然[8] 。 不僅如此， 審計人員還通過網絡爬蟲的方式從網站上獲取數據信息， 利用遙感地理信息系統（GIS）或全球定位系統（GPS）等精準獲得國土審計、農業綜合開發項目審計、投資交通審計、礦產審計等所需的地理數據， 多樣化的技術手段被廣泛應用于審計數據的獲取中， 取證方式的變化使審計人員將工作重心由大量重復性的基礎工作轉移到為國家提供戰略性的決策支持工作上來， 因此風險導向下的國家審計從數據源開始就實現了審計風險與戰略決策風險的緊密相連。

2. 審計范圍。 作為完善國家治理的重要路徑， 國家審計的質量不僅體現在對審計準則的遵循程度上， 大數據的應用、普及和推廣也進一步拓寬了審計證據的來源， 提升了國家審計的效率和效果。 傳統方式下， 由于非結構化信息大多未納入審計人員的取證范圍[9] ， 因此在不可能收集和分析全部業務數據的情況下， 小數據時代的審計只能依賴“快思維模式”的抽樣審計方法從抽取的樣本入手， 并據此推斷審計對象的整體情況。 即使達到了準則層面的充分性這一標準要求， 但由于抽樣行為忽視了所處環境的動態變化， 且以財務信息為主的樣本數量的有限性也無法代表大量的具體業務活動， 因而審計人員仍無法發現并揭示政策實施及執行過程中存在的所有缺陷， 審計過程隱藏著巨大風險。 相比小數據時代審計信息匱乏、成本約束和技術有限的窘境， 大數據環境下所有的人、事、物都可以被記錄、計量和電子化采集， 進而轉化為數據[10] 。 特別是稅收、社保、公積金、資源環境等處于動態、開放環境下的半結構和非結構化數據的加入大大拓展了審計人員的審查范圍， 審計證據的充分性、及時性、可靠性、相關性以及真實完整性等都得到保障。 不僅如此， 大數據環境使得審計數據都能被準確無誤地采集， 聯機分析處理技術（OLAP）、SQL EM、Python、SAS Base及云計算等各種技術工具搜集并對數據進行深入挖掘分析和實時監測， 使得審計由隨機抽樣轉向了基于總體的全樣本審計。 特別地， 結合物聯網下射頻識別（RFID）以及借助Python技術對外部網站中的媒體報道、行業信息等實施的數據抓取會使得信息更加客觀真實， 具有更強的證明力。 由此可見， 豐富的數據類型以及大數據技術的應用基本上實現了審計對象的“全覆蓋”， 信息的深度關聯及交叉驗證大大減少了審計人員因主觀誤判而造成的不確定性， 也更容易發現欺詐舞弊行為， 從而極大地規避了抽樣審計引發的風險[11] 。

3. 審計內容。 作為重要的政治制度安排， 國家審計通過更大程度地公開和整合政府數據資源來評價并監督政府及相關機構受托責任的履行情況， 是提高政府公信力并增強國家治理能力最有效的方法[12] 。 常規方式下， 無論是經濟責任審計、預算執行情況審計、社會保障資金審計還是政府性債務審計等都是事后審計， 數據量的限制也削弱了預防、監督和整改問責的作用， 導致國家審計治理功能的發揮存在一定的滯后性。 在開放的大數據環境下， 審計觸角的無限延伸實現了數據的跨界關聯， 來自不同區域、行業、單位和部門的各類數據要素無論是在維度還是在層次上都相互影響并緊密聯系著。 在以抽樣審計為主的小數據環境下， 人們只能關注事物間的因果關系， 而透過簡單的因果關系很難觀察到政策實施產生的整體效果， 更何況絕對的因果關系是不存在的。 隨著大數據審計時代的到來， 審計人員的關注點轉向獲取更加相關的證據[13] 。 例如， 在社會保障資金審計中， 審計人員可以把社保數據與扶貧、戶籍、醫療、車管、工商等所有相關數據關聯起來進行可視化分析， 查處虛報冒領或重復領取的違法違規行為， 保障人民群眾的基本權益， 切實維護社會的公平正義。 因此， 基于對不同來源和不同維度的海量數據的篩選、分類和標準化， 審計人員可以進行更深入地挖掘、歸納及分析， 通過優化審計資源配置更有效地確定審計重點， 實時動態地掌握有關的風險異動， 從更高的層面和更綜合的角度提供具有客觀性和前瞻性的建議， 推動國家審計由小數據時代的事后且被動的周期性方式轉變為大數據環境下的事中、甚至事前的主動、持續性的在線審計[14] 。

4. 審計風險。 一方面， 基于具體資金業務或項目展開的匯總、趨勢分布及階段特征等全面系統的大數據分析讓以往隱蔽性的問題充分暴露出來， 大大降低了國家審計過程中的風險。 但與此同時， 各種業務和風險管理活動在大數據時代都以數據信息流的形式呈現出來， 其中存在的大量冗余和無效信息使得風險相比以往更為復雜、隱蔽、不容易控制， 且更加容易轉化[15] 。 盡管一些用于分析大數據的工具已被開發出來， 但是由于大數據中摻雜了很多噪音， 需要審計人員對數據信息進行篩選、清洗等， 因此從源頭開始， 數據的收集、清理、轉換以及分析模型的構建， 包括對控制流程的了解等都存在不同程度的風險。 由于很多傳統的審計程序已經被電子數據處理所取代， 因此現代審計人員必須知道數據是如何產生的、如何被處理以及什么地方存在著安全隱患。 尤其是像社會保障和政府性債務資金審計， 由于業務較為復雜、覆蓋面廣、參與單位多且數據量大， 從而使得識別出單個數據或數據集是否被非法修改、刪除、隱藏或破壞就變得非常困難， 因此保證數據安全成為組織面臨的一個重要問題[9] 。

四、進一步思考及展望

大數據的出現使得各個領域著手量化過程， 以音頻、圖片、電子郵件等半結構甚至非結構化形式呈現出的數據信息大大擴展了審計的功能， 審計規則和審計人員的工作方式也發生了不同程度的變化， 審計人員由追求“局部、精確”向追求“全貌、高效”轉變[11，16] 。 由數據驅動的大數據審計模式通過幫助審計人員從大數據中挖掘規律性的“小模式”， 進而把握隱含在大數據中的政策運行及業務發展規律并發現其中存在的問題， 這為開展風險的預測評估以及后續的整改問責等一系列工作提供了先決條件[17] 。 當然， 作為推動國家治理的重要力量， 國家審計的最終目的不僅僅在于給出審計結果， 更重要的是堅持發現問題和落實整改并重， 以推進國家治理的有效性、法治性和主體多元化。

我國在2002年4月就由審計署牽頭啟動了審計信息化系統建設項目“金審工程”一期， 2008年7月進行了二期建設， 目前正在進行三期建設。 該工程借助大數據整合政府部門資源， 建立數據信息共享平臺， 通過打破數據孤島促進各級審計機關與政府部門及各被審計單位的協同合作， 實現了從經驗性的階段審計向數據驅動的持續性審計轉變。 在2018年審計署對中央部門的預算執行情況審計中， 首次實現了對中央一級預算單位的審計監督全覆蓋， 這也正是發揮國家審計常態化經濟體檢的重要路徑。 為了推動審計信息資源的規范化和標準化， 2007年審計署又制定了《國家審計數據中心基本規劃》（審計發[2007]44號）， 對審計工作中獲取和形成的基礎數據及其審計應用、共享交換等進行了規劃， 制定了目錄體系的資源分類和編碼規則， 以及交換體系的技術架構、交換方式和技術實現規范。 2015年， 審計署發布了《關于定期報送審計電子數據范圍的通知》（審辦財發[2015]171號）， 規定每年定期對全國各地的財政、稅收、工商、民政等部門的電子數據進行收集， 為建設審計大數據中心提供數據儲備。 大數據分析平臺帶來的共享性和及時性使國家審計逐漸由單向、封閉、被動、定性模式向協同、開放、主動、定量模式轉變。 2011 ～ 2017年間， 審計署依托審計大數據平臺分別組織實施了全國地方政府性債務審計、社會保障資金審計、土地出讓收支和耕地保護情況審計、保障性安居工程跟蹤審計、重大政策措施落實情況跟蹤審計和精準扶貧精準脫貧跟蹤審計等多個大型的審計項目， 對高風險領域進行了摸底排查， 充分發揮了國家審計服務國家治理的作用。 為了更好地利用政府數據資源， 2020年4月發布的《中共中央 國務院關于構建更加完善的要素市場化配置體制機制的意見》明確提出“推進政府數據開放共享”“研究建立促進企業登記、交通運輸、氣象等公共數據開放和數據資源有效流動的制度規范”， 為政府數據的進一步開放奠定了政策基礎。

雖然大數據的應用縮短了業務發生與審計介入之間的時間間隔， 有助于改進國家審計的效率和效果， 減小審計的期望差距， 但是也引發了許多問題[18] ， 因此建議如下：

1. 積極推廣應用TB級的大數據存儲與分析技術。 由于基層審計機關及部分單位信息化程度差異較大且數據匯總能力有限， 導致在執行過程中仍存在信息孤島， 大數據的效用因數據量受限沒有得到充分發揮， 加之傳統的計算機輔助審計技術（CAATs）缺少文本文件、社交數據等非結構化數據的分析功能， 無法滿足大數據環境下數據分析的需要， 依靠“數據”說話的審計領域仍處在用關系數據庫處理TB級數據的階段， 制約了國家審計這一“免疫系統”發揮作用。 面對更為復雜的業務事項、頻繁變化的政策要求以及更為龐大的數據處理分析等一系列問題， 審計部門需要繼續加強數據的共享和融合， 將收集的整改數據納入以SaaS服務模式為依托的審計數據庫中， 積極推廣應用TB級別的大數據存儲與分析技術， 通過數量和質量兩個途徑逐步完善與國家治理全面契合的大數據審計平臺， 避免平臺數據出現“僵尸數據”“沉睡數據”的情況。

2. 審計人員密切關注數據安全， 提升預判和分析能力。 針對技術上的欠缺以及不確定的政策或有問題的數據傳播和披露操作這兩大安全漏洞來源， 審計人員應該密切關注在這一安全意識程序中的六個領域， 即數據、網絡、用戶行為、社交媒體、移動設備以及社會工程。 要重視并保證基礎數據的真實性、完整性和有效性， 特別是對于采用云技術提供大數據解決方案的單位， 應該意識到云計算帶來的風險， 包括合同的合規性和安全風險等。 審計人員應認真審核有關數據保護和隱私的法規， 并仔細評估大數據平臺和相關基礎架構及應用程序的安全控制， 確定大數據的基礎結構是否按照具體的安全指南（如Hadoop安全指南）進行配置的， 同時要限制對數據的邏輯訪問， 對系統審計日志實施監控或定期檢查。 不僅如此， 為了降低風險， 有關解決方案的軟件平臺和操作系統也應進行定期的漏洞掃描和升級， 包括相關的數據丟失預防系統（DLP）、入侵檢測系統（IDS）及防火墻等其他環境安全控制， 以便在應用過程中更加敏銳和高效。 除了數據的安全性風險， 審計人員專業技能或認知的局限性也很容易因為數據信息量過載而影響審計的判斷質量， 從而帶來誤受風險[13] 。 因此， 審計人員要盡快適應未來的職業需求， 將審計發現的問題及運用的方法和經驗進行歸納總結， 予以規則化、模型化后形成審計模板并內嵌于國家審計的大數據平臺系統運行中， 便于實時把控問題的發展趨勢， 提高政策的預見性和科學性。 當然， 這些工作也不能全部讓位于純機械性或程序性的判斷， 例如在各地的保障性住房審計項目中， 部分省市會結合地方財政的實際情況對國家規則進行不同程度的修正， 從而使得經濟適用房土地出讓金的比例與國家規定的土地劃撥政策存在明顯不符的情況， 這就需要審計人員結合國家政策的戰略目標及項目實施的具體情況等對發現的問題進行全面深入的剖析。

3. 加強國家審計法律制度體系及相關準則、規范和要求的頂層設計。 就目前所能查詢到的文件來看， 僅有2001年、2010年及2013年發布的《國務院辦公廳關于利用計算機信息系統開展審計工作有關問題的通知》（國辦發[2001]88號）、《國家審計準則》（審計署令第8號）和《第2203號內部審計具體準則——信息系統審計》中的部分規定與電子數據相關， 與大數據有關的內容幾乎沒有涉及。 因此， 應從國家層面積極推進并規范國家審計工作中大數據的采集、存儲和挖掘并寫入修訂后的《審計法》中， 為大數據的技術和方法應用提供法律依據。 隨著我國國民經濟的快速發展， 如何在有限的時間內搭建面向不同業務需求的系統架構， 合理使用審計大數據平臺及分析方法并以此為契機進一步深化國家審計制度改革， 創新審計理念， 健全并完善法規和準則制度體系建設， 從而實現國家審計的“乘數效應”成為未來需要重點關注的問題。

【 主 要 參 考 文 獻 】

[1] 劉雷，崔云，張筱.政府審計維護財政安全的實證研究——基于省級面板數據的經驗證據[ J].審計研究，2014（1）：35 ～ 42.

[2] 劉家義.國家治理現代化進程中的國家審計：制度保障與實踐邏輯[ J].中國社會科學，2015（9）：64 ～ 83.

[3] 張立民，崔雯雯.國家審計推動完善國家治理的路徑研究——基于國家審計信息屬性的分析[ J].審計與經濟研究，2014（3）：13 ～ 22.

[4] 麥肯錫.大數據：下一個創新、競爭和生產力的前沿[R/OL].https：//max.book118.com/html/2015/0907/24874123.shtm9，2021-01-09.

[5] 舍恩伯格，庫克耶.大數據時代：生活、工作與思維的大變革[M].杭州：浙江人民出版社，2012.

[6] Alles M.G.. Drivers of the Use and Facilitators and Obstacles of the Evolution of Big Data by the Audit Profession[ J].Accounting Horizons，2015（2）：439 ～ 449.

[7] Rob Kitchin， Gavin McArdle.What Makes Big Data， Big Data？Exploring the Ontological Characteristics of 26 Datasets[ J].Big Data & Society，2016（1）：1 ～ 10.

[8] 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.

[9] Yoon K.， Hoogduin L.， Zhang L.. Big Data as Complementary Audit Evidence[ J].Accounting Horizons，2015（2）：431 ～ 438.

[10] McAfee A.， Brynjolfsson E.. Big Data：The Management Revolution[ J].Harvard Business Review，2012（10）：3 ～ 9.

[11] Earley C. E.. Data Analytics in Auditing：Opportunities and Challenges[ J].Business Horizons，2015（5）：493 ～ 500.

[12] Stacey Shindelar. Big Data and the Government Agency[ J].Public Manager，2014（1）：52 ～ 56.

[13] Brown-Liburd H.， Vasarhelyi M. A.. Big Data and Audit Evidence[ J].Journal of Emerging Technologies in Accounting，2015（1）：1 ～ 16.

[14] Krahel J. P.， Titera W. R.. Consequences of Big Data and Formalization on Accounting and Auditing Standards[ J].Accounting Horizons，2015（2）：409 ～ 422.

[15] 王兵，劉力云，鮑國明.內部審計未來展望[ J].審計研究，2013（5）：106 ～ 112.

[16] Warren J. D.， Moffit C.， Byrnes P.. How Big Data Will Change Accounting[J].Accounting Horizions，2015（2）：397 ～ 407.

[17] Floridi L.. Big Data and Their Epistemological Challenge[J].Philosophy & Technology，2012（4）：435 ～ 437.

[18] Cao M.， Chychyla R.， Stewart T.. Big Data Analytics in Financial Statement Audits[J]. Accounting Horizons，2015（2）：423 ～ 429.

（責任編輯·校對： 劉鈺瑩? 羅萍）