基于大數據風險導向的審計質量管控研究

黃磊 蔣源

（中國人民解放軍陸軍勤務學院，重慶 400030）

在“十四五”審計工作發展規劃中，國家提出要構建全覆蓋的審計工作格局，形成高效的審計工作運行機制。國家對加強信息化技術手段運用，多維度創新技術方法，提高審計質量管控效果提出了更高的要求。審計作為監督經濟建設的重要抓手，關于尋求大數據在審計實務中的應用路徑仍處于摸索階段，在數據的采集分析、管理運用中因人為或環境因素帶來的審計風險亟待解決。只有圍繞審計風險進行精準識別和重點防范，才能真正促進審計質量管控水平有力提升。

一、大數據環境對審計質量的影響

審計工作的質量高低主要取決于審計部門的質量管理水平，在實施過程中要保證質量管理的持續性、及時性和全覆蓋。大數據環境下，審計工作實施的全方位管理、全過程管理和全樣本管理，可以滿足審計質量控制的現實需求。

（一）大數據審計的全方位管理

全方位管理指的是將審計質量管理貫徹到所有審計工作上，在復雜的數據資源中采集有用信息并以此編制審計計劃，分析歷史數據確定審計重點，同時結合人力資源數據合理分配審計任務。在風險導向審計模式下，傳統的審計報告作為審計賦能的主要載體，所含信息量少，難以滿足被審計單位的質量管理改進要求和其他行業相關者全面的信息服務需求[1]。但隨著大數據的發展，審計工作逐漸突破了傳統的孤島效應，形成了“數據集成、業務統籌、系統綜合”的一體化發展路徑，審計數據不僅可以實時被審計單位吸收運用，而且可以數據共享推動行業發展。

（二）大數據審計的全過程管理

審計的全過程主要包含審計準備、實施和報告階段，各階段業務的實施需要融入質量管理要求。隨著大數據技術的進步，傳統的事后審計逐步向持續性審計發展，在共享數據的不斷迭代中將審計貫穿于經濟事項的全過程，充分發揮其預警和監測作用。在審計準備階段，通過數據采集分析，尋找高價值信息，確定審計重點；在審計實施階段，結合風險導向審計模式，確定錯報率較高的區域，深入挖掘分析；在審計報告階段，突破原有的財務信息限制，量身定制研究報告。大數據審計在履行監管的同時，也能夠向被審計單位反饋實時意見，協助優化業務程序以及規范內控制度，充分體現出審計的附加價值，擴大了審計的邊際效能。

（三）大數據審計的全樣本管理

傳統的審計受技術水平和樣本空間的限制，取證的過程主要以抽樣方式進行，但信息環境的改變使得數據體量陡增，原本合理的抽樣審計方式，已不能客觀評價被審計事項的準確性。在現有的大數據環境下，所有數據都可以成為被分析的對象，并直接影響審計結果[2]。全樣本管理主要是指對數據的采集、存儲、分析等環節的把控，重點是提高數據的質量標準。通過全樣本數據的解構分析，不僅能夠解決傳統審計片面化的問題，而且可以提高審計的結果運用。

二、大數據審計風險分析

大數據審計的主要任務是從紛繁復雜的數據中發現風險點進而挖掘審計線索，做出審計判斷。在整個過程中，需要面對系統結構復雜、信息來源多樣以及網絡安全威脅等情況，導致審計業務實施面臨巨大的風險，主要體現在以下幾個方面。

（一）大數據審計的數據采集風險

一是數據采集的固有風險。日常業務流轉時，可能會因系統固有漏洞產生一些不良數據，在存儲服務器端按照固定的程序正常運行，極易因被審計單位內部不健全的預檢機制忽略，導致錯誤數據正常采集，混雜于整體數據之中；加之各業務處理階段的數據質量管控環節設置不嚴密，使得錯誤數據層層掩蓋，尤其是繞過關鍵環節辦理的業務，完全跳出信息監管，將直接影響數據采集的全覆蓋。

二是數據采集的真實性亟待辨別。影響數據真實性的因素有很多，為防止大數據審計中的假賬真查，必須要保證數據本身的可靠。首先獲取數據方式的多樣化使得監管難度成倍增加，審計部門應獲取的數據不僅來源于被審計單位，還需要針對具體審計內容選取外部數據，尤其是公共網絡渠道采集的數據，其真實性、可靠性難以鑒別[3]。其次在跨地域審計中，被審計項目數據不是系統運行生成的，多以表格登記形式記錄，容易存在人為調整甚至虛假編報的情況。

三是數據采集時效存在割裂風險。目前各審計部門數據采集大部分仍停留在按需獲取階段，與被審計單位間的數據訪問和數據共享機制并未建立，為獲得更全面的數據帶來了障礙。審計部門獲取的數據多是相關單位被動整理上報，其中存在個別單位以行業機密為借口，刪減完整數據的情況，導致數據中存在時間空當，影響審計取證的連續性，造成數據割裂風險。

四是數據采集完整性風險。要實現全面的線索剖析，必須要采集大量的不同來源數據，除了提供內部數據外，還需要外部數據支撐。當個別被審計單位每日產生數千萬條數據時，會給數據采集帶來巨大的壓力，加之雙方信息化程度的不同，系統邏輯檢驗不完善，也容易導致采集出現數據遺失或損毀等情況，嚴重影響數據完整性。

（二）大數據審計的數據存儲風險

一是數據存儲技術薄弱風險。各級審計部門軟硬件配套基礎不同，再加上人力物力的差異性發展，要將不同被審計單位的非同源數據集成整合，現有的技術仍不足以支持其完全實現。另外，要實現大數據環境下巨量的數據存儲，突破技術壁壘本身就是發展大數據審計的關鍵所在。二是存儲數據被惡意攻擊風險。大量敏感數據的存儲，由于其含有潛在的可以反映被審計單位機密的信息，如用戶的密碼、個人身份等，再加上集中存儲的特性，容易吸引外來的惡意攻擊，導致數據被竊取或損毀。三是數據災難恢復風險。不同于審計機關的數據擁有云端服務器存儲的條件，可以實現基本的可控備份功能，大部分基層審計部門采用的是簡單的主機和外置硬盤存儲方式，一旦出現設備的損毀，將給持續性審計工作帶來毀滅打擊。四是外部安全管理風險。受數據運維公司的安全管理和技術人員專業水平的影響，當出現管理人員不掌握數據存儲架構、數據訪問機制以及存儲設備運行情況時，容易喪失對數據運維操作的有效審核。對外部操作人員的監管主要立足于運維公司自身，審計部門的作用發揮不明顯，總體欠缺多級復核機制，同樣容易造成安全風險。

（三）大數據審計的數據分析風險

一是數據分析的系統漏洞風險。大數據審計必須把握一個基本認知，不能輕易確認被審計單位提供的數據是可靠的。系統開發的不完善以及配套更新的緩慢容易導致固有漏洞的出現，并持續影響數據安全性和準確性，使分析結果差異甚遠。二是分析平臺的選擇風險。數據分析的開展必須要選擇合適的審計平臺和工具。不同類別平臺分析重點和分析結果運用的差異較大，在當前可選平臺較多的情況下，因選擇不恰當導致的審計風險同樣值得關注。三是基礎數據的復雜性風險。當前數據分析采用的方法主要是SQL數據查詢、統計分析法以及審計抽樣等，但多樣性的數據源、實時的更新壓力、數據提純的不同需求等復雜因素都會提高數據分析的難度，帶來審計風險。在傳統數據審計向大數據審計轉換的過渡區間中，若基礎系統和軟件難以應對體量激增以及數據復雜性帶來的風險，必定會影響最終的分析結果和后期的監督效力。

（四）大數據審計的法規風險

一是現有法規對大數據審計實施指導性不強。完善的審計法規體系可以對審計工作的實施提供依據，也可以對審計主體和客體進行規范，降低審計風險。目前，國家審計的相關法規對于大數據審計的具體指導仍有不足，在能否定期獲取企業、金融與政府機構的數據信息，大數據采集、運輸和存儲如何規范運行以及數據分析結果是否可以作為審計結論的基本支撐上仍不明確。這將嚴重影響大數據技術在審計工作中的有效運用，使得傳統的審計風險依舊存在。二是缺乏精細化的法規支持。新修訂的《中華人民共和國審計法》明確，審計機關有權要求被審計單位按規定提供會計以及與財政收支有關的業務、管理等資料，包括電子資料，同時被審計單位應配合審計機關核實相關情況。雖然此處已有明確的要求，但界定審計機關是否可以實時聯網監管業務更新數據，以及是否可以采集涉密級別較高的審計相關數據時，并沒有更為精細的法規給大數據審計的權利范圍進行明確。

三、基于大數據風險導向的審計質量管控措施

為防范大數據審計風險，最大限度降低對于審計質量的影響，可以基于風險導向從以下幾個方面進行管控。

（一）大數據審計數據采集風險下的質量管控

一是改進數據采集方法。從前文分析可知，受數據量大、構成復雜以及數據產生的固有風險等因素影響，數據的采集仍主要區分聯網自動采集和定期報送采集兩種方式。因此在立足現有資源條件下，可以二者結合以減少風險。針對審計周期不固定、聯網采集條件不具備的單位，采集階段的管控重點主要是要求被審計單位按規定格式提供的數據，在加密拷貝后，嚴格落實交接制度以有效把控數據質量。針對需定期審計并具備聯網采集條件的單位，重點是選擇好恰當的公開數據源，加強數據核查，保證公開數據的準確性和可靠性。

二是搭建審計數據平臺。要想保證數據源的質量，應該要實現采集過程的橫縱關聯、相互穿透。一方面是推動橫向上各機構與行業的數據標準化關聯，實現大數據渠道共通和效能共享，推動全樣本審計。另一方面在數據平臺的基本架構和歷史數據積累的基礎上，充分利用諸如軟件機器人、網絡爬蟲等新技術手段實施數據的深入挖掘，通過增加數據查全率以提高審計取證質量。

三是完善數據跟蹤機制。數據的跟蹤機制主要是指對數據的全流程管控，監督數據的產生到固化存儲。為此，各級政府和企事業單位應該支持本級審計部門，加強信息基礎設施建設，推進大數據訪問和共享平臺落地，逐步建立自主采集預警的長效跟蹤機制，這樣不僅可以解決數據采集不連續的問題，也可以防范被審計單位篡改數據。

（二）大數據審計數據存儲風險下的質量管控

一是重點加強數據的安全管理。要防范數據存儲風險主要是加強存儲中的安全管理，在整體上要通過審計數據平臺擴展監管窗口，實現平臺和被審計單位的雙報警機制。數據區分不同保密級別和邏輯特征采取物理隔絕的服務器存儲或者云平臺的聯網管理，通過內部設置訪問權限、多點自動存儲備份方式，避免數據的丟失、外泄，確保數據安全。二是增強業務連續性。業務連續性主要是指審計業務在受到外界災難影響時，能夠繼續展開，并將影響力降至最低。因此，需要建設可以在規定時間內恢復數據管理和業務運行的基礎設施，增強持續性對外服務的技術管控手段。三是健全數據管理制度。依據《中華人民共和國數據安全法》《網絡數據安全管理條例》等法規要求，完善應急處置相關程序，及時修訂相關預案，提高數據安全響應能力。同時與網絡運維機構和政府相關部門建立安全協同機制，加強運維服務人員管理，共同強化風險應對能力。

（三）大數據審計數據分析風險下的質量管控

一是改進數據分析方法。大數據分析技術目前仍處于發展階段，現有的工具無法解決所有問題，需要多方共同在軟硬件上下功夫。知識圖譜、機器學習以及文本處理等技術已經得到推廣運用，這些方法可以提高審計分析質量，有效降低基礎數據復雜的風險。為了滿足大數據分析的需要，仍需進一步研究如何將高性能算法與數據挖掘技術應用于大數據審計中，全面拓展至圖像、視頻等非結構化數據上，更好地發現審計線索，減少檢查風險。

二是優化人才培養模式。審計行業與專業審計人才的不均衡發展，是造成大數據技術與審計實踐融合困難的主要原因。要培養審計專業人才，主要是在培訓上下功夫。一方面要突出培訓項目的實用性和先進性，可以根據審計行業的發展現狀制定培訓計劃，結合具體審計案例組織實操，提高培訓質量；另外在技術培訓上，除了常用的SQL Server數據庫、大數據可視化工具Python、Gephi外，還需要緊跟技術趨勢，加大對社交網絡分析、圖形數據庫等流行大數據分析技術進行培訓，提高數據分析質量。

（四）大數據審計法規風險下的質量管控

一是推動相關法規制度建設。大數據融入審計工作是新時代的必然趨勢，作為審計發展的必要支撐，完善相關法規制度是推動其穩步前進的關鍵環節。在制度層面上要規范好獲取數據的法律授權范圍，為數據分析結論作為有效審計結果提供法律保障。通過對數據的隱私保護、協議保障等內容的風險責任認定，可以加強對整個網絡服務環境的監管和規范，保障數據信息的安全。二是完善與其他法規的執行銜接。大數據審計的推進離不開政府和行業協會的頂層設計，在完善大數據審計相關法規的同時，還需要進一步加強執行監管，有效推動大數據審計的健康發展。在各級審計機關規章建設上，要明確大數據審計的組織方式和工作流程，建立協同機制，尤其是審計實施中發生制度沖突時，強調好審計的可覆蓋范圍，完善與其他法規的執行銜接，推動審計工作在國家法律法規體系下的深度發展。

四、結束語

隨著科技的迅猛發展和經濟水平的不斷提高，大數據技術在審計領域的運用更加廣泛，給審計模式、審計方法和審計管理都帶來了巨大變化。各級審計部門要加強大數據環境下的審計質量管控，研究大數據審計的風險趨勢，逐步加強對數據采集、存儲、分析以及法規制度等方面的建設，提升總體的審計質量水平，發揮好大數據審計的服務效率和治理效能。