PPP項目大數據審計模型構建

王愛華（博士生導師），馬曉泓

一、引言

2018年4月，財政部下發《關于進一步加強政府和社會資本合作（PPP）示范項目規范管理的通知》，規定“實時監測項目運行情況、合同履行情況和項目公司財務狀況，強化風險預警與早期防控”，這對PPP 項目審計工作提出了持續審計、實時監測的新要求。這一新要求意味著現有的PPP 項目審計必須向持續、實時、復雜、高難度的方向轉型，其審計模型和方法也必須隨之轉變。結合審計署《“十三五”國家審計工作發展規劃》中明確提出的新時期運用大數據技術審計“加大數據分析力度，拓展大數據技術運用，大幅度提高運用信息化技術發現問題、評價判斷、宏觀分析的能力”的要求，筆者認為，我國目前的PPP項目審計必須改變缺乏大數據技術運用的現狀。基于此，本文擬對PPP項目的大數據審計進行模型構建，并輔以數據活化模型進行活化，以滿足財政部和審計署對PPP項目審計的新要求。

二、文獻綜述

（一）國外文獻綜述

1.審計中大數據的應用。Michael 等[1]認為，大數據在市場營銷和醫學研究等領域已經有了很好的應用，但是在審計領域的應用還遠遠不夠，如果將大數據應用至審計領域，將獲得如下優勢：預測未來發展趨勢、識別潛在的欺詐行為、增加發現可疑離群點的概率、建立審計指標的預測模型。

2.PPP 項目審計。Bourn[2]認為，PPP 項目的物有所值審計應以傳統的政府審計為基礎，并遵守公共項目審計的相關標準和原則。同時提出，PPP項目的物有所值審計應當著重在審計內容、項目參與者、設計目的三個方面進行轉變。

綜上所述，國外針對審計中大數據的應用和PPP 項目審計的研究文獻較少，主要從大數據應用于審計領域的優勢和PPP項目審計應當做出的轉變入手進行研究，但并未見到將大數據與PPP 項目審計相結合的研究。

（二）國內文獻綜述

1.審計中大數據的應用。呂天陽等[3]認為，審計大數據是由審計職能的擴展與審計對象的豐富化和復雜化導致的，并以此分析了審計大數據及其技術方法的特征，從前提、基礎、手段和人才隊伍四個方面論述了當前的技術挑戰，并提出相應的對策建議。靳思昌[4]從資產屬性及價值創造的視角對國家審計的思維變革進行分析，重新設計了全覆蓋的審計業務流程。陳偉等[5]對傳統審計方法的不足及審計線索特征挖掘的重要性進行分析，在分析大數據可視化技術的基礎上，提出了基于大數據可視化技術的審計線索特征挖掘方法，分析其原理并探討了該方法的優缺點及適用情況。

2.PPP 項目審計。彭尚庾[6]在傳統公共投資審計方法研究的基礎上，分析了PPP 投融資模式的特點，并結合國際優秀經驗和我國國情，分析評估了PPP 投融資模式實現績效的審計思路和方法。方俊等[7]從政府責任主體角度出發，將PPP 項目全過程跟蹤審計劃分為前中后期三個維度，并從審計性質視角明確了不同維度的審計目標及重點，設計出一套PPP 項目全過程跟蹤審計評價指標體系。戴永勝[8]從國家審計監督的必要性和困難視角對PPP項目的國家審計監督進行分析，并由此提出了解決方案。丁淑芹等[9]分析了PPP 模式下審計面臨的新問題，并闡述了PPP 項目與大數據審計融合后的積極作用。

3.大數據中數據活化的應用。周經緯[10]將數據活化理論引入矢量大數據高性能計算模型，提出數據活化細胞、數據活化池等概念，并建立了矢量大數據高性能計算模型。都伊林等[11]依據城市大數據的特點，運用數據活化等基本思想構建了物理空間與數字空間相匹配的城市數字映像模型。

綜上所述，現階段我國學者分別針對審計中大數據的應用、PPP項目審計、大數據中數據活化的應用等問題展開了較豐富的研究，但將大數據技術與PPP 項目審計、大數據數據活化與PPP 項目審計進行融合研究的尚未見到。丁淑芹等[9]雖然提出了將PPP 項目與大數據審計進行融合的建議，但并沒有進一步對其審計模型、內容、流程、方法等進行研究。因此，本文擬以PPP項目審計為起點，結合大數據模型及數據活化理論，對數據活化下的PPP 項目大數據審計模型進行構建，以實現大數據技術與PPP 項目審計、大數據數據活化與PPP 項目審計的融合研究，該項研究無論在理論上還是在實踐上均具有十分重要的意義。

三、相關理論概述

（一）PPP項目審計的含義及特征

PPP 項目即政府和社會資本合作的項目，通常由政府采取競爭性方式擇優選擇具有投資、運營管理能力的社會資本，雙方按照平等協商原則訂立合作合同，明確責權利關系，由社會資本提供公共服務，政府依據公共服務績效評價結果向社會資本支付相應對價，保證社會資本獲得合理收益[12]。

針對PPP 項目進行的審計即PPP 項目審計，PPP項目審計通常主要表現為以下幾個特征：

1.PPP 項目審計是物有所值審計。物有所值（Value for Money），2014年財政部發布的《政府和社會資本合作模式操作指南（試行）》指出：“對政府和社會資本合作項目全生命周期內政府支出成本現值與公共部門比較值進行比較，計算項目的物有所值量值，判斷政府和社會資本合作模式是否降低項目全生命周期成本[13]。”由此可見，PPP模式在項目整合、風險分配、績效導向等方面帶來的益處應當遠超僅靠政府部門運作帶來的益處，亦即“物有所值”。物有所值是PPP 項目的核心，物有所值審計也是PPP項目審計的核心。

2.PPP 項目審計是全生命周期審計。全生命周期是指項目從開始到結束所經歷的各個階段，即從PPP項目的設計、融資、建造、運營、維護至終止移交的完整周期。物有所值審計要求PPP 項目審計是全生命周期的審計，即從項目設計階段開始，一直持續到該項目終止運營并移交給政府，進行持續的、實時的審計。

3.PPP 項目審計是風險合理分擔審計。風險合理分擔是指PPP項目的風險要在政府與社會資本方之間做出合理的分配。PPP 項目的風險由政府和社會資本方共同承擔，項目的利益也由二者共同分享。對于PPP 項目的風險配置，則要綜合考慮風險承擔意愿、項目參與程度、風險控制能力等多種因素。既不能讓公共部門承擔過多的風險，損害公共利益，又不能讓社會資本方承擔過多的風險，挫傷社會資本方參與PPP項目的積極性。因此，審計人員需要對政府和社會資本方的風險分擔比例的合理性做出職業判斷。

（二）大數據時代的4V特性

麥肯錫全球研究院認為，大數據是一種規模大到在獲取、存儲、管理、分析方面大大超出傳統數據庫團建工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和較低的價值密度。

1.海量的數據規模。大數據時代的數據體量巨大，一個ERP 系統在一臺電腦中只需要幾GB 的空間即可存儲所有財務數據，但大數據時代的數據規模往往在10TB 左右，多個數據集放在一起甚至能夠形成PB級的大規模數據。

2.快速的數據流轉。在大數據時代，數據的時效性受到重視，一旦產生新的大數據，舊的大數據將迅速貶值。此外，大數據往往會井噴式地產生數據流，數據大且速度快，如果流轉速度跟不上，部分數據就會被滯留。因此，大數據對數據流轉提出了較高的要求。

3.多樣的數據類型。大數據不再僅僅以結構化數據的形式出現，結構化、半結構化、非結構化數據均包含在內。無論是網絡日志還是視頻音頻，都可以成為大數據，數據類型多種多樣。

4.較低的價值密度。大數據涵蓋了與某一項目相關的所有數據，因此也包含了重復的、無效的或相關性低的數據。但大數據無法將此類數據篩選出來，降低了大數據的質量，導致大數據的價值密度低。

除此之外，舍恩伯格認為大數據還有兩個特點：①大數據分析為相關性分析而非因果分析。在大數據時代背景下，運用大數據很難清楚地描述問題產生的原因是什么，但可以利用大數據從一個數據的波動中預測其他數據的波動。也就是說，大數據是用來衡量兩個或多個變量因素之間的密切程度，而非用來闡釋導致這一結果的原因。②大數據取樣為整體取樣而非隨機取樣。在大數據時代背景下，所有的數據都可以通過大數據獲取機制來捕捉，包括相關數據關系非常微弱的項目。因此，整體取樣在大數據時代的背景下變得可行。

（三）數據活化理論

數據活化也就是賦予數據生命的意思，數據活化技術的核心思想在于將物理世界數據的內在聯系映射到數據共享中心，使因存儲而相互隔離的數據變為一個有機的整體，恢復數據在物理世界中的關聯性[14]。數據活化主要依靠活化池中的活化細胞來進行，活化細胞兼具傳輸、更新和感知能力，主要包括相互傳輸信息、自動更新數據、感知計算環境三個行為。

1.相互傳輸信息。活化細胞之間能夠相互傳輸信息，使數據在細胞與細胞之間進行交流，刪除重復的數據、歸并類似的數據，實現數據在活化細胞中的分類和重組。

2.自動更新數據。活化細胞能夠自動用新數據代替舊數據，根據大數據捕獲系統的數據進行實時更新。與此同時，大數據計算和分析平臺能夠將捕獲的大數據做出深層次的處理，活化細胞能夠自動地將處理過的數據進行存儲并替代已被處理過的舊數據。

3.感知計算環境。活化細胞能夠感知和推理計算環境的需求，主動查詢計算任務，對自身存儲的數據進行調度和使用，將與某一運算相關的數據全部調出。

四、運用大數據的PPP 審計模型構建與大數據活化

（一）運用大數據的PPP審計模型構建

對PPP項目進行物有所值審計決定了要對PPP項目同時做出定性和定量的分析；對PPP 項目進行全生命周期審計決定了要對PPP項目在全生命周期內做出持續審計；對PPP 項目進行風險合理分擔審計要求審計人員做出恰當的職業判斷。這些要求提高了PPP 項目審計的復雜性，也對審計主體提出了新的要求：PPP項目審計不再是一種事后審計，而變成了一種持續的、實時的、復雜的審計。但隨著PPP項目的廣泛開展，相應的PPP 項目審計指南并沒有出臺，傳統的審計模型和方法已經無法滿足新時代PPP 項目審計的要求。而大數據的出現能夠在原有審計方法的基礎上實現對PPP 項目持續、實時的審計，應對復雜的審計要求，因此有必要構建運用大數據的PPP項目審計模型，如圖1所示。由圖1可知，該模型主要包括PPP項目大數據線上審計模型和PPP項目大數據線下審計模型。

1.PPP 項目大數據線上審計模型。PPP 項目大數據線上審計模型主要包括以下三個層次和一個數據庫。

（1）PPP 項目大數據采集層。PPP 項目大數據采集層的數據主要來源于三部分：PPP 項目土地數據采集系統、PPP 項目網絡數據采集系統和被審計單位PPP 項目數據采集系統。①PPP 項目土地數據采集系統使用3S技術、物聯網技術等對被審計PPP項目的建筑實體以及運作情況進行實時監控，不斷將采集的數據輸入系統；②PPP 項目網絡數據采集系統使用web 爬蟲、Splunk 等搜索引擎獲取PPP 項目大數據，主要包括與該PPP項目有關的網絡日志、音頻視頻、瀏覽互動數據等各種類型的網絡數據，將網絡用戶的數據持續輸入系統；③被審計單位PPP 項目數據采集系統通過被審計單位獲取PPP項目相關的業務數據、財務數據與合同數據，并將數據持續輸入系統。

圖1 運用大數據的PPP審計模型

2015年12月，財政部發布了《關于規范政府和社會資本合作（PPP）綜合信息平臺運行的通知》，在此通知的要求下，PPP 項目的大數據平臺在全國范圍內相繼建立起來，自此，以上三種數據源的可獲得性也得到了良好的保證。

（2）PPP 項目共享大數據庫。PPP 項目共享大數據庫接收PPP 項目大數據采集層采集的大數據，主要呈現為以下幾種形式：PPP 項目比例尺地形圖、PPP 項目遙感影像、被審計單位PPP 項目數據以及音頻、網絡日志等其他數據形式。不難看出，采集層采集的大數據來源界限模糊，時有交叉與包含關系出現。為了使大數據更有條理地存儲于共享大數據庫中，該模型將PPP 項目大數據以數據內容為依據重新分為四個子集：矢量數據集、影像數據集、被審計單位項目數據集和其他數據集，依次存儲上述大數據。

（3）PPP 項目大數據應用層。PPP 項目大數據應用層可以隨時調取共享大數據庫中的數據，繼續對大數據進行計算和分析。PPP 項目大數據應用層主要分為PPP項目大數據計算平臺和PPP項目大數據分析平臺。

大數據計算平臺主要包括三個過程。

過程一：PPP 項目多源泉異構數據的抽取和轉換。大數據具有數據類型多樣的特點，其數據來源途徑廣泛，形式不固定，大多呈現為非結構化狀態。為了更好地分析數據，需要對數據進行抽取，并將其轉換為可以進入PPP項目大數據分析平臺的結構化數據。

過程二：PPP項目大數據的拆分和分發。轉換后的大數據規模仍然巨大，PPP 項目大數據分析平臺在執行某一分析時可能只需要某一大數據中的一小部分，如果不將大數據進行拆分，數據分析的效率就會大大降低。拆分后的大數據被分割成較小的、能夠獨立進行管理的物理單元，從而提高創建索引和數據調用的效率，進行數據分析或數據重構。拆分后的數據被分發至大數據空間并行處理系統。

過程三：PPP項目大數據空間并行處理。大數據對數據流轉速度提出了較高的要求，面對規模海量的大數據，傳統的計算模式不能滿足其高速度的要求，大量的數據將會失去價值。因此，需要對規模海量的大數據進行并行處理，將一個數據計算分解為若干個小的數據計算，以縮短數據計算時間，保證數據的時效性。

經過以上并行處理的PPP項目大數據已經具備數據分析的基本結構，但仍然不能呈現為專業審計人員可以理解的形式，需要進一步建立大數據分析平臺對PPP項目大數據進行分析。

大數據分析平臺主要包括以下三個方面：①數據檢索。數據檢索是分析平臺的基本功能，審計人員可以通過關鍵字檢索調取經過大數據計算平臺計算的PPP 項目大數據，在進行某一專項審計時可以通過數據檢索快速地將所有相關數據調取出來。②可視化分析。可視化分析是分析平臺的核心功能，能夠將PPP項目大數據進行關聯分析，將比較分散、架構不一的數據整合為完整的分析圖表，展現出數據之間所有的聯系，清晰有效地傳遞和表達大數據信息。③數據挖掘。數據挖掘是分析平臺的拓展功能，是通過算法從PPP項目大數據中挖掘暗含的審計信息的過程。在PPP項目的建設和運營過程中，可能存在著隱藏的信息，僅通過簡單的數據分析很難發現，但是這些隱性數據很有可能承載著PPP 項目的舞弊信息。數據挖掘能夠識別該隱性數據，審計人員通過進一步審查，能夠發現PPP項目的舞弊傾向，及時預警舞弊，從而打消社會資本方的僥幸心理，降低PPP項目舞弊的可能性。

（4）PPP項目大數據審計層。經過上述環節，PPP項目的大數據由混雜的數據變為與PPP項目審計相關的數據，傳輸到PPP項目大數據審計層。全生命周期的審計要求審計主體對PPP 項目進行持續、實時的審計；風險合理分擔的審計要求審計主體首先要識別出PPP 項目的風險，再對PPP 項目風險分擔比例是否合理進行審計。

PPP項目大數據審計層主要包括以下兩個子系統：①實時監控與持續審計系統。利用數據采集系統對PPP項目設計、建設、運營等過程進行同步的數據輸入，在可視化功能的協助下，審計人員能夠時刻以圖表的方式獲取PPP 項目的設計、建設、運營狀況，對PPP項目的狀況進行實時監控，并進行持續審計，改善了審計事后監督的不足。②風險管理系統。PPP項目風險合理分擔的審計要求決定了有必要建立風險管理系統。通過建立審計評價指標，風險管理系統對PPP項目設計、建設、運營過程中未來可能存在的風險進行識別，并根據風險與收益均衡原則對PPP項目風險的分擔比例進行審計。與此同時，風險管理系統中識別的風險可以傳輸至線下審計系統中，線下審計人員能夠有的放矢地發現風險并進行披露，在風險的萌芽階段妥善處理、及時止損。

2.PPP 項目大數據線下審計模型。PPP 項目大數據線上審計模型雖然已經很好地對PPP項目的大數據進行了采集、計算和分析，同時也對PPP 項目做出了實時監控、持續審計與風險管理，但大數據由于具有重相關性而輕因果性的特點，并沒有很好地解決審計過程中的因果分析問題。

此外，PPP 項目大數據線上審計模型很難做出主觀判斷，針對PPP 項目的審計，仍然需要審計人員按照相關的法律法規對其物有所值、全生命周期和風險合理分擔進行審計，尤其對于在物有所值審計中提出的定性分析的要求，PPP 項目大數據線上審計模型難以實現。引入PPP 項目大數據線下審計模型則能發揮審計人員的主觀能動作用，彌補PPP 項目大數據線上審計模型對主觀判斷的不足，以此對PPP 項目進行更加合理的審計。

在PPP 項目大數據線下審計模型中，審計人員通過PPP 項目風險管理子系統發現項目重大風險，并設立專項審計，通過實施線下專項審計（包括控制測試、實質性測試等一系列審計程序）對PPP項目進行物有所值審計、全生命周期審計和風險合理分擔審計，最終出具審計報告。

（二）PPP項目大數據的活化

首先，運用大數據的PPP 項目審計模型雖然實現了對PPP 項目數據的全部取樣和相關性分析，但大數據數據體量大，導致數據分析效率下降，這有悖于大數據對數據流轉速度要求高的特點，僅使用大數據計算與分析平臺對大數據進行處理不能高效、及時地滿足PPP 項目持續審計和實時監控的需求；其次，大數據體量大，對數據存儲空間的需求大，經過某子系統處理的數據并不能被其他子系統調用，各個子系統可能出現多個相同的數據處理過程，大量的數據調用及處理會造成數據冗余和擁堵。因此筆者認為，應建立一個數據活化模型（見圖2）來解決該問題。

圖2 PPP項目大數據活化模型

PPP項目大數據活化模型主要包括PPP項目大數據預處理層和PPP項目大數據活化層兩個子系統。

1.PPP 項目大數據預處理層。PPP 項目數據預處理層接收來自PPP項目數據集成系統的PPP項目大數據，此時的大數據規模大、價值低，尤其是通過網絡數據采集系統獲取的大數據具有冗余性、缺失性和數值異常等問題，不能正確地反映PPP 項目的狀況，在一定程度上影響了PPP項目審計的效率，還有可能導致審計偏差，因此，需要進行大數據預處理。

大數據預處理包括PPP 項目大數據清洗、PPP項目大數據集成、PPP 項目大數據變換和PPP 項目大數據歸約四個步驟：①PPP項目大數據清洗，是指刪除PPP 項目原始大數據的重復數據，刪減與PPP項目審計無關的數據，填寫PPP 項目大數據的缺失值，使PPP項目大數據變得完整可用；②PPP項目大數據集成，是指將PPP 項目多種來源的大數據分類并存儲至大數據庫中，使數據更加簡明；③PPP項目大數據變換，是指將獲取的PPP 項目大數據進行派生、平滑、標準化處理，使大數據成為該審計系統可用的數據；④PPP項目大數據歸約，是指在保持PPP項目大數據原貌的情況下，盡可能地精簡PPP 項目大數據，以此來減少數據活化的工作量，并減輕數據的存儲壓力。

圖3 數據活化理論下運用大數據的PPP項目審計模型

2.PPP 項目大數據活化層。PPP 項目大數據活化層的數據活化元接收來自數據預處理層的數據，將數據傳送至數據活化池中并對其進行活化。在該數據活化層中，為使數據與數據之間更高效地交流，需在數據活化元與PPP項目大數據活化池之間建立一個數據活化交換池，數據活化元與PPP 項目大數據活化池之間通過數據活化交換池進行雙向交流，實現相互傳輸信息與自動更新數據的功能。

數據活化層的功能主要包括數據篩選、數據映射、數據歸并和數據調配。

（1）數據篩選。數據篩選階段是從大數據活化交換池中獲取PPP 項目大數據，篩選出數據映射需要的PPP項目大數據。

（2）數據映射。數據映射是指在經過篩選的PPP項目大數據之間建立對應關系，使因存儲而相互隔離的PPP 項目大數據變為一個有機的整體，恢復PPP項目大數據在物理世界中的關聯性。

（3）數據歸并。數據歸并階段接收來自數據映射的PPP 項目大數據，將建立對應關系的PPP 項目大數據進行整合，使數據變得條理清晰。

（4）數據調配。PPP 項目大數據經過數據的篩選、映射、歸并，已經變為PPP 項目大數據應用層可用的大數據。數據調配階段能夠自動感知PPP 項目的審計環境，主動調配數據并將其傳送至PPP 項目大數據應用層，進行下一步的數據計算與分析。

五、數據活化后的PPP 項目大數據審計模型的構建

將上述圖1、圖2 兩個模型進行融合，就形成了數據活化理論下運用大數據的PPP 項目審計模型，如圖3所示。

圖3 中，數據活化后運用大數據的PPP 項目審計模型主要包PPP項目大數據線上審計模型和PPP項目大數據線下審計模型兩個部分。其中，PPP項目大數據線上審計模型包括：PPP項目大數據預處理層、PPP 項目大數據活化層、PPP 項目大數據應用層、PPP項目大數據審計層；PPP項目大數據線下審計模型則引入審計人員，對PPP 項目進行項目重大風險的審計，與此同時，在該模型中引入專家系統庫，用以儲存與PPP項目審計相關的審計經驗、知識與審計案例，便于線下審計人員隨時調取，從而提高審計效率。

該模型的數據通過PPP 項目土地數據集成系統、PPP 項目網絡數據采集系統和被審計單位PPP項目數據采集系統獲取，獲取的PPP 項目大數據經過預處理后進入PPP項目大數據活化層進行大數據的活化，活化后的大數據進入PPP 項目大數據應用層進行計算和分析，此時的數據仍然與大數據活化層保持活躍的聯系，計算與分析后的大數據可以再次進入大數據活化層進行數據活化與交流，分析后的PPP 項目大數據進入PPP 項目大數據審計層，實現實時監控和風險管理的功能，并發現項目重大風險，方便審計人員進行線下審計。

數據活化理論下運用大數據的PPP項目審計模型，不僅將運用大數據的PPP 項目線上審計模型與數據活化模型的優勢發揮出來，還與PPP 項目線下審計模型相結合，能夠更好地與PPP 項目審計的物有所值、全生命周期、風險合理分擔的特性相適應。依托數據活化理論下運用大數據的PPP項目審計模型應用層，物有所值審計對PPP 項目的定量評價要求得以實現；依托數據活化理論下運用大數據的PPP 項目審計模型審計層，PPP 項目全生命周期的審計要求得以實現；依托數據活化理論下運用大數據的PPP項目審計模型線上匯總、計算、分析與線下職業判斷定性分析的結合，PPP 項目風險合理分擔的審計要求得以實現。

六、數據活化后的PPP項目大數據審計模型應用對現有PPP項目審計的創新

雖然數據活化理論下大數據的PPP項目審計必然存在著一定的不足，但該模型的應用仍然在PPP項目審計方面做出了很多改進或創新，主要有：改變了傳統抽樣審計的方式、在事前預測被審計項目的舞弊傾向、提高了審計的實時性。

1.改變了傳統抽樣審計的方式。為了節約審計成本、提高審計效率，PPP項目審計往往采用抽樣審計，抽取的樣本在一定程度上很難代表樣本總體的性質，不可避免地會產生誤差。與此同時，PPP 項目的數據是實時變化的，傳統的抽樣審計已經不能滿足PPP項目審計的時效性要求。

大數據時代背景下，可以實現“樣本即整體”的取樣模式。數據活化理論下運用大數據的PPP 項目審計模型可以從各個角度、各個渠道搜集數據，即使數據與PPP 項目的相關性很低也會被捕獲，整體取樣在數據的可獲得性上得到了良好的保證，且快速的數據處理也能對審計的時效性做出保證。

2.能事前預測被審項目的舞弊傾向。現有的PPP 項目審計是一種事后審計，是在舞弊發生之后揭露舞弊現象，止損效果不佳。數據活化理論下運用大數據的PPP項目審計模型能夠較好地解決數據滯后性這一問題。該模型以PPP項目的設計為起點，因而審計人員能夠實時獲取包括PPP 項目的施工建設、項目運營等全生命周期的大數據，通過數據挖掘等功能預測隱藏的舞弊傾向，有助于審計人員及時發現舞弊并進行披露。

利用PPP項目大數據線上審計模型預測PPP項目的舞弊傾向，不僅可以在事前警醒舞弊的準實施者，還能在實施審計的過程中，有的放矢地針對該舞弊傾向進行線下審計，在運用大數據技術審計的基礎上，有重點地投入審計人員，充分利用已有的審計經驗和審計技巧進行審計，使得審計風險更低、審計報告更加準確。

3.提高了審計的實時性。大數據時代背景下，數據更迭快，因此需要及時做出審計。數據活化理論下運用大數據的PPP 項目審計模型結合物聯網技術，實現實時遠程審計，PPP項目的每一個變動都可以在審計主體的掌握之中。通過對PPP 項目的實時掌控，不僅可以掌握項目的發展軌跡和審計證據，還可以提高項目審計的實時性，更好地對PPP 項目進行實時監控和持續審計。

七、總結與展望

本文從國內學者對大數據在審計方面應用的研究中發現了PPP 項目審計研究的突破點，分別構建了運用大數據的PPP 項目審計模型和數據活化模型，將二者融合后得到數據活化后的PPP 項目大數據審計模型，并對大數據的處理做出了優化，在此基礎上分析了該審計模型應用對現有PPP項目審計的改進或創新。本文的不足之處在于，僅對運用大數據的PPP 審計模型做出了初步構想，而所構建的審計模型及其功能是否合理、完備，還有待于理論界和實務界進一步探討。