基于NoSQL的XBRL財(cái)務(wù)報(bào)告智能審計(jì)方法研究

陳耿+馬寅+韓志耕

【摘要】隨著大數(shù)據(jù)的發(fā)展，財(cái)務(wù)報(bào)表也逐漸向網(wǎng)絡(luò)化、電子化發(fā)展，XBRL因此而興起，針對(duì)企業(yè)財(cái)務(wù)的審計(jì)方法也因隨之發(fā)生改變。本文分析了非結(jié)構(gòu)化數(shù)據(jù)庫——NoSQL的特點(diǎn)，并研究了兩種適合XBRL網(wǎng)絡(luò)財(cái)務(wù)報(bào)告存儲(chǔ)的NoSQL數(shù)據(jù)庫，探究了基于NoSQL的XBRL財(cái)務(wù)報(bào)告智能審計(jì)方法。

【關(guān)鍵詞】XBRL 財(cái)務(wù)報(bào)告 智能審計(jì)

XBRL是Extensible Business Reporting Language的縮寫，即可擴(kuò)展商業(yè)報(bào)告語言，是一種全新的網(wǎng)絡(luò)財(cái)務(wù)報(bào)告形式。目前，我國(guó)財(cái)政部在全國(guó)推廣XBRL網(wǎng)絡(luò)財(cái)務(wù)報(bào)告形式，并且，上交所與深交所早在2010年就開始要求上市公司每年需要報(bào)送并披露XBRL格式的年報(bào)。XBRL作為一種全新的財(cái)務(wù)報(bào)告方式，針對(duì)它的審計(jì)鑒證成為未來研究的關(guān)鍵。

一、NoSQL及其技術(shù)優(yōu)勢(shì)

在面對(duì)大數(shù)據(jù)應(yīng)用中來源不同、擁有海量信息的數(shù)據(jù)進(jìn)行整合、處理時(shí)，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫在可用性、靈活性、可擴(kuò)展性等特性上表現(xiàn)出明顯的缺陷，此時(shí)，一些不拘泥于固定關(guān)系模式的數(shù)據(jù)庫應(yīng)運(yùn)而生，他們不再一味的遵循關(guān)系結(jié)構(gòu)，于是這些數(shù)據(jù)庫被稱為NoSQL（Not Only SQL）。NoSQL數(shù)據(jù)庫一經(jīng)誕生，就受到了電子商務(wù)、社交網(wǎng)絡(luò)、定位服務(wù)等互聯(lián)網(wǎng)行業(yè)的青睞，以亞馬遜、Twitter為主要代表的大型互聯(lián)網(wǎng)公司早已正式采用NoSQL作為公司、客戶數(shù)據(jù)的存儲(chǔ)模式。NoSQL與傳統(tǒng)的SQL數(shù)據(jù)庫想比較有以下幾點(diǎn)優(yōu)勢(shì)：

（一）易擴(kuò)展

NoSQL數(shù)據(jù)庫種類繁多，但是一個(gè)共同的特點(diǎn)都是去掉關(guān)系數(shù)據(jù)庫的關(guān)系型特性。數(shù)據(jù)之間無關(guān)系，這樣就非常容易擴(kuò)展。也無形之間，在架構(gòu)的層面上帶來了可擴(kuò)展的能力。

（二）大數(shù)據(jù)量，高性能

NoSQL數(shù)據(jù)庫都具有非常高的讀寫性能，尤其在大數(shù)據(jù)量下，同樣表現(xiàn)優(yōu)秀。這得益于它的無關(guān)系性，數(shù)據(jù)庫的結(jié)構(gòu)簡(jiǎn)單。一般MySQL使用Query Cache，每次表的更新Cache就失效，是一種大粒度的Cache，在針對(duì)web2.0的交互頻繁的應(yīng)用，Cache性能不高。而NoSQL的Cache是記錄級(jí)的，是一種細(xì)粒度的Cache，所以NoSQL在這個(gè)層面上來說就要性能高很多了。

（三）靈活的數(shù)據(jù)模型

NoSQL無需事先為要存儲(chǔ)的數(shù)據(jù)建立字段，隨時(shí)可以存儲(chǔ)自定義的數(shù)據(jù)格式。而在關(guān)系數(shù)據(jù)庫里，增刪字段是一件非常麻煩的事情。如果是非常大數(shù)據(jù)量的表，增加字段簡(jiǎn)直就是一個(gè)噩夢(mèng)。這點(diǎn)在大數(shù)據(jù)量的web2.0時(shí)代尤其明顯。

（四）高可用

NoSQL在不太影響性能的情況，就可以方便的實(shí)現(xiàn)高可用的架構(gòu)。比如Cassandra，HBase模型，通過復(fù)制模型也能實(shí)現(xiàn)高可用。

二、適用于XBRL的幾種NoSQL數(shù)據(jù)庫

XBRL將信息顆粒化，把財(cái)務(wù)報(bào)告內(nèi)容分解成一個(gè)個(gè)信息元素（元素可以簡(jiǎn)單理解為一個(gè)數(shù)字或者一段文字），每個(gè)元素可以單獨(dú)從報(bào)告中提取出來進(jìn)行分析處理。XBRL在選取數(shù)據(jù)庫時(shí)應(yīng)當(dāng)考慮數(shù)據(jù)的增刪改查等操作的快捷方便，以及財(cái)務(wù)數(shù)據(jù)分析的統(tǒng)計(jì)、分析等功能。有兩款NoSQL數(shù)據(jù)庫是國(guó)際XBRL軟件商的應(yīng)用主流——MongoDB和Redis。

（一）MongoDB

MongoDB是一款文檔數(shù)據(jù)庫，在Mongo DB中，每一條記錄都是一個(gè)Document對(duì)象，適用于動(dòng)態(tài)查詢。每一份XBRL財(cái)務(wù)報(bào)表數(shù)據(jù)都以文檔的形式存儲(chǔ)在MongoDB數(shù)據(jù)庫中，可以實(shí)時(shí)插入、更新或查詢新元素，具備實(shí)時(shí)財(cái)務(wù)數(shù)據(jù)存儲(chǔ)所需的復(fù)制及高度伸縮性。

但是，MongoDB的本身特性也限制了XBRL的部分功能使用。MongoDB文檔式存儲(chǔ)方式，減弱了XBRL財(cái)務(wù)信息顆粒化的優(yōu)勢(shì)，各信息元素不能方便的組合、拼接，只能將整份文檔數(shù)據(jù)從數(shù)據(jù)庫中提取出，以至于不能滿足大量原子性復(fù)雜事務(wù)的操作要求。

（二）Redis

Redis是Key/Value類數(shù)據(jù)庫，主要用途在于高性能訪問。Redis的優(yōu)點(diǎn)在于速度快，簡(jiǎn)單，容易維護(hù)，支持多種數(shù)據(jù)結(jié)構(gòu)。和Memcached類似，它支持存儲(chǔ)的value類型相對(duì)更多，包括string（字符串）、list（鏈表）、set（集合）、zset（有序集合）和hash（哈希類型）。這些數(shù)據(jù)類型都支持push/pop、add/remove及取交集并集和差集及更豐富的操作，而且這些操作都是原子性的。而原子性操作極大地契合了XBRL信息數(shù)據(jù)顆粒化的特性，在不同財(cái)務(wù)數(shù)據(jù)組合、分析等功能需求上有著得天獨(dú)厚的優(yōu)勢(shì)。

但是，Redis的缺點(diǎn)是不提供數(shù)據(jù)可靠性保障，支持的功能也比較少。擴(kuò)容，負(fù)載均衡，高可用方便也有明顯的不足。對(duì)于將來XBRL財(cái)務(wù)數(shù)據(jù)進(jìn)一步的分析利用可能會(huì)有所阻礙。

三、智能審計(jì)與XBRL

智能審計(jì)的核心技術(shù)就是利用大數(shù)據(jù)的分析方法對(duì)審計(jì)數(shù)據(jù)進(jìn)行處理轉(zhuǎn)換、挖掘利用、多維分析，以獲取更多有用的審計(jì)先做。智能審計(jì)的工作途徑有兩種：一種是直接從審計(jì)數(shù)據(jù)中發(fā)現(xiàn)疑點(diǎn)、線索，審計(jì)人員根據(jù)線索直接切入問題；另一種是從大量數(shù)據(jù)中發(fā)現(xiàn)疑點(diǎn)，審計(jì)人員根據(jù)疑點(diǎn)導(dǎo)向查找問題。XBRL的顆粒化、關(guān)系型、標(biāo)準(zhǔn)化、可擴(kuò)展等特性極大的契合了智能審計(jì)的技術(shù)要求，將XBRL作為智能審計(jì)系統(tǒng)的數(shù)據(jù)標(biāo)準(zhǔn)，可以降低審計(jì)過程中的信息交換成本，提高數(shù)據(jù)分析效率，為智能審計(jì)的實(shí)現(xiàn)提供了技術(shù)支持。

參考文獻(xiàn)

[1]曾志勇，劉建業(yè).基NoSQL的XBRL數(shù)據(jù)存儲(chǔ)研究與應(yīng)用[J].中國(guó)管理信息化，2015，（19）：49-50.

[2]阮夢(mèng)黎.大數(shù)據(jù)挑戰(zhàn)下的NoSQL系統(tǒng)研究[J].聊城大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，（01）：88-93.

[3]李偉.大數(shù)據(jù)下的NoSQL數(shù)據(jù)庫技術(shù)分析[J].信息通信，2014，（07）：72-73.

[4]曹順良，宋靜，李榮，雷向欣.智能審計(jì)軟件系統(tǒng)架構(gòu)研究[J].財(cái)會(huì)通訊，2012，（16）：96-97.

[5]葉煥倬，何玉凝.基于智能匹配的計(jì)算機(jī)審計(jì)數(shù)據(jù)采集技術(shù)研究[J].審計(jì)與經(jīng)濟(jì)研究，2010，（05）：40-46.

[6]李立成.智能審計(jì)決策支持系統(tǒng)淺探[J].財(cái)會(huì)通訊，2009，（10）：109-110.

基金項(xiàng)目：本文為國(guó)家自然科學(xué)基金資助項(xiàng)目（71271117）；江蘇省自然科學(xué)基金資助項(xiàng)目（BK20151460）；江蘇省高校自然科學(xué)基金資助項(xiàng)目（16KJB520021）；江蘇省公共工程審計(jì)重點(diǎn)實(shí)驗(yàn)室開放課題資助項(xiàng)目（GGSS2015-04）；南京審計(jì)大學(xué)研究生創(chuàng)新計(jì)劃資助項(xiàng)目（MZ2016009）。