審計大數據分析人才需求及其培養
——基于CDIO理念的模式建構

陽 杰（副教授），應里孟

一、引言

大數據技術正在深刻地改變審計環境和審計取證模式[1]。ACCA 和IMA 聯合發布的《數據革命》報告認為，與歷史上歷次產業革命一樣，數據革命可能是人類發展歷史上的一次重要轉折的信號。在此背景下，審計人員要能運用大數據分析技術和方法，從高速增長、高速流動、變化無常、結構復雜、種類繁多但潛含價值的大數據中獲取審計證據，否則可能再次面臨“進不了門，打不開賬”的窘境，甚至有被其他專業更加精通大數據技術的人員取代的風險。特別是伴隨大數據而來的人工智能和區塊鏈技術的興起，一度使審計職業將大概率被計算機取代的言論甚囂塵上[2]。

目前，以“四大”會計師事務所為代表的審計職業界開始采納并運用大數據技術，還融入了人工智能技術，可以完成部分審計判斷任務。然而，對于如何在審計工作中對大數據進行分析，以及大數據分析會給審計工作帶來何種影響，仍然知之甚少。當前具有審計專業背景的大數據分析人才極度稀缺，更是我們不得不直面的嚴峻現實，斷言計算機將取代審計職業為時尚早[3]。對此，IAASB、AICPA、CPA Canada 和ICAEW于近年密集發布了一系列關于在審計中運用大數據分析的指南或實務提示。這些官方文件的發布，凸顯了審計職業界對大數據分析的深切關注，也力證了大數據分析已是審計人員的必備能力。

然而，這些文件提示多是探討大數據分析技術和方法及其應用于審計工作的可能性，以及大數據分析對審計模式、審計流程及審計準則的影響，并未對審計大數據分析（Audit Data Analytics，以下簡稱ADA）人才應具備的知識、能力和素質要求做出界定，也未涉及人才培養問題。學術界雖有研究探討了大數據分析師應該具備的能力體系[4]，以及應該如何將大數據分析內容融入現有的會計課程體系等問題[5]，但也未論及ADA人才培養。那么，為何要培養ADA人才以及應該如何培養ADA人才是大數據時代亟待解答的課題。為此，本文在分析ADA 特點及其人才需求動因的基礎上，借鑒工程教育改革的CDIO理念，探尋可能的答案。

二、審計大數據分析及其人才需求動因

大數據之所以能夠帶來數據革命，得益于技術基礎設施、數據存儲、轉換、操作和分析的工具及技術的發展。大數據分析為審計取證工作帶來了強有力的技術支持，也在改變審計取證的方式和方法，傳統審計人才已難以勝任，培養新型ADA人才已迫在眉睫。

（一）審計大數據分析

數據分析有Data Analysis 和Data Analytics 兩種表達方法。Data Analysis 指的是通過經典統計理論、技術、方法和工具來處理數據，借以獲取有用的信息，可稱為傳統數據分析。進入大數據時代，傳統數據分析已不再適應大數據需求，這時就需要新的理論、技術、方法和工具的支持。為與傳統數據分析區分，Data Analytics被用來指代大數據分析。大數據分析是通過采集和準備大數據，綜合運用統計及其他量化分析方法來開展描述性、診斷性、預測性和規范性分析，從大數據中獲得知識和洞察，并用可視化方式將結果呈報給用戶，以支持用戶決策和行動。

在審計工作中運用數據分析由來已久。自審計模式從詳細審計轉向抽樣審計之后，數據分析程序就成為審計取證環節中不可或缺的手段。不過，由于數據可用性和分析手段的局限性，審計分析程序長期停留在傳統數據分析階段。ADA是對現有分析程序的拓展和補充，其目的是充分運用大數據分析能力，讓分析程序應用范圍更廣，覆蓋的總體數據量更大、種類更多，數據分析更及時、全面、深入、科學、精準，獲得的審計證據更加充分、適當，審計風險更低，審計效率和審計質量更高。

在ADA 中，描述性分析使用最為廣泛，它利用經典統計學方法來描述所使用的數據，從數據中發現“已經發生了什么”及“正在發生什么”。診斷性分析則被用于解答數據背后的原因，也即回答“它是如何發生的”和“它為什么會發生”的問題。預測性分析則是基于診斷性分析的結果，通過預測性模型對未來可能出現的問題進行預測和預報，也即“將會發生什么”。規范性分析是在前面三種分析的基礎上，運用數學模擬模型或者運籌優化模型來提供解決該問題的若干行動方案，并推薦最優行動方案，也就是“應該怎么應對”及“怎樣應對才最好”。

傳統審計分析程序主要是描述性的，也有一定的診斷性和預測性分析功能，但它本質上還是一種對已經發生問題的“后知后覺”式分析。而且，傳統審計分析程序通常是基于小規模的或者具有高度可操作性的數據樣本，運用已有的審計知識提出假設，然后運用統計學方法進行參數估計和假設檢驗，并對統計推斷結論進行解釋。傳統審計分析程序局限性很多，例如對超出已有認知水平的隱含問題不會納入假設檢驗范圍，也無法應對不確定性和非獨立同分布的數據。ADA繼承了傳統審計分析程序的所有功能，但使用的是“全樣本數據”，不再需要進行統計推斷，轉而直接從總體數據中發現規律并預測趨勢，數據分析更全面、精準，還可實現傳統審計分析程序無法企及的預測性分析和規范性分析。

預測性分析不只是對未來可能發生問題的“先知先覺”，更具數據分析發展里程碑意義的是其“未知先覺”的能力。也就是說，由于我們并不知我們所未知，也就不能明確提出我們所要分析的問題是什么。或者說，我們甚至對進行大數據分析的目的以及所期望獲得的結果仍不清楚。所以，大數據分析主要的價值在于對海量數據進行“大海撈針”“盲人摸象”式的探索，通過數據驅動的機器學習來發現這些大數據中有意義的洞察，進一步依據規范性分析提供的行動建議做出決策，并將ADA結果和建議用可視化方式呈報給用戶。

在傳統審計分析程序中，審計團隊的知識、經驗和專長起決定作用，ADA 則以讓數據自己說話為主，審計團隊的知識、經驗和專長作為補充。對于ADA是否會給審計職業界帶來沖擊，主流觀點普遍持憂慮態度。一類觀點認為，大數據分析和數據可視化技術的進步將使非審計人員能夠掌握運用大數據分析技術來獲取審計證據和完成財務報表審計的能力，審計專業門檻將大幅降低[3]。另一類觀點認為，審計職業判斷過去被認為是審計人員所具有的獨特競爭優勢，但人工智能和機器學習領域的持續發展，支持著大數據分析智能化程度不斷提升，計算機將可以替代審計人員完成審計工作[2]。更極端的情況可能是，隨著區塊鏈技術的成熟，以及智能合同越來越多地嵌入流程之中，傳統審計需求可能就不存在了。

（二）審計大數據分析人才需求動因

ADA給審計職業界帶來的沖擊已無可回避，但筆者認為，前述觀點要么忽視了審計工作的特點和審計人員的優勢，要么對技術的前景過于樂觀。大數據時代背景下，審計職業界正在減少對傳統審計人員的需求，但對兼具審計和大數據分析背景的復合型ADA 人才的需求卻越發強烈，這是由ADA 的特點決定的。

1.ADA 兼具科學性與藝術性。IAASB、AICPA等官方機構將ADA定義為：“在一個審計項目中，對審計主題的基礎和相關數據進行分析、建模和可視化，揭示和分析其中隱含的模式，識別異常，獲取其他有用的信息，以用于計劃或開展審計的科學和藝術”。該定義明確了ADA的科學與藝術雙重屬性。

（1）ADA的科學性。從科學的角度看，ADA正是有了數據科學和審計科學的基礎，才可以不斷探索從大數據中獲取審計線索的客觀規律，形成一套系統的理論、方法和技術體系，在審計準則對ADA 進行原則性的規范，繼而讓審計人員能夠在審計工作中做到有的放矢、科學決策。如果ADA 是一門純科學，意味著ADA可以程式化，那么，在什么情況下用什么算法和工具，什么情況下應該做出何種判斷，均可以形成一個科學的行動指南。任何人員只要“按圖索驥”，都能獲得理想的審計結果。這顯然不合乎事實，因為審計項目所處的審計環境千變萬化，審計信息使用者的需求偏好更是難以預測，ADA也不是經由完全理性的人來實施。用固定的ADA程式生搬硬套、削足適履，其結果必然事與愿違。所以，ADA 還應有一定的藝術性。

（2）ADA 的藝術性。ADA 的藝術性主要體現在審計人員應對環境不確定性時的靈活性和創造性上。ADA 的藝術性以其科學性為基礎，按照因人因事、因時因地制宜的原則靈活應變，在審計實踐中創造性地運用ADA的理論、方法和技術體系。

首先，ADA 是一門關于設計的藝術。從用戶體驗角度出發，為了更好地滿足審計目標，ADA 應是一門關于設計的藝術。最能體現ADA藝術性的例子就是，如何設計可視化的界面來向用戶展示數據分析結果，避免提供冗余信息，以達到最好的信息和知識傳遞效果。這時就不只是如何運用計算機圖形學和圖像處理等技術問題了，還需要從美學和心理學的角度，將可視化界面作為一件藝術品來進行設計，從圖像、圖形、動畫設計、頁面布局、顏色搭配方面進行充分考慮，使之具有美感且不失趣味，讓用戶在賞心悅目中直觀、高效地獲取信息。

其次，ADA 是一門關于溝通的藝術。ADA 不是在一個“黑箱”中全自動完成的，在審計過程的許多環節都需要審計人員運用高超的溝通藝術。例如，如何從被審計單位獲取ADA所需，但被審計單位又心存疑慮的信息；在由IT專家和審計人員組成的ADA團隊中，如何用對方可理解的方式溝通各自的需求和目標；如何將ADA 可視化界面呈現的結果，以用戶可理解的方式進行解釋，避免用戶對ADA產生不合理的審計期望。由于人與人之間的溝通更多需要考慮人性因素，目前計算機還不能代為完成這些溝通工作。

最后，ADA 是一門關于取舍的藝術。大數據雖然越多越好，但并非“眉毛胡子一把抓”，因為大數據有很高的存儲和處理成本。要保障審計工作的效率和效益，就必須有所取舍。例如，當數據質量不高時，可以考慮增加數據種類和數量來彌補質量方面的不足，但這又會增加ADA 成本。一個審計主題的數據可以涵蓋多個維度，在審計時間和成本的約束下，是要獲得采集難度高但最有說服力的直接證據，還是獲取采集難度低但證明力弱的間接證據；是要開發新的算法來改進對現有數據分析的效率和效果，還是增加新的數據來提升現有算法的效率和效果，這些問題都需要取舍。

因此，從藝術性角度，ADA離不開人的干預。特別是要在審計與大數據分析兩大專業領域之間穿針引線，能夠將審計與大數據分析有機結合、融會貫通、運用自如的復合型ADA人才無疑是最佳人選。

2.ADA離不開審計職業判斷。在風險導向審計模式下，職業判斷是審計人員用于控制審計風險的一種經濟、高效的手段。在審計實踐中，現已在ADA中嘗試運用人工智能和各種機器學習技術來自主學習審計人員的思維模式，希望逐步實現對審計職業判斷的替代。不過，目前這種嘗試尚處于初級階段，在ADA 的不同階段，還是離不開審計職業判斷的運用。

（1）數據準備階段。在ADA 全過程中，大約有75%的時間被用于數據準備。雖然審計團隊中的IT專家可以完成數據準備的技術層面問題，但審計人員還是需要清楚理解他們所要分析的數據，尤其是與審計相關的數據，不僅要權衡數據的可得性，更要保證這些數據有一定的可靠性和相關性，否則可能給審計質量帶來負面影響。

首先，要考慮數據可得性。ADA 面臨的首個障礙就是數據的可得性。由于ADA要用到企業的內部數據和外部數據、財務數據和非財務數據、結構化數據和非結構化數據，這些數據已極大地超出了傳統審計證據采集范圍，甚至超出了數據提供者對審計的固有認知；還有一些數據存在保密性、安全性、隱私性和法律法規要求等方面的限制。在最佳數據不可得的情況下，審計人員只能尋找替代數據。那么，明確哪些數據可作為替代數據，以及獲取這些數據的途徑、方法、時間和頻率，都需要運用審計職業判斷。

其次，要考慮數據可靠性。接受并利用各種類型的數據，是大數據分析的一大優勢。因為這些數據中包含了在過去精益求精的基礎審計數據中不能獲得新信息。ADA 雖然不要求所用數據有很高的精確性，但還是要保證數據在一定程度上是可靠的。這是因為審計時間和審計成本的約束，使得ADA不能像科學研究一樣可以進行深度的數據挖掘和反復的算法調試，這時就需要確定ADA源數據應該具備的可靠性水平。數據可靠性水平的確定，以及對評估數據可靠性水平所需審計程序的性質和范圍的確定，都需運用審計職業判斷。

再次，要考慮數據相關性。從理論上來說，可以反映ADA主題不同維度特征的直接和間接數據，都是相關的。但從審計時間和成本限制前提出發，ADA源數據的相關性水平應定義在一個較優水平，避免數據不充分、不全面、代表性不足的問題，使之能夠支持高質量審計結論的形成，這是一項需要運用高超的審計職業判斷的工作。例如，ADA 可能需要從第三方采集數據，這可能需要支付一定的費用，或者因采集和清理工作量大，需要投入大量的時間成本和人力成本，這種數據采集的必要性就需要由審計人員進行判斷。

最后，要考慮數據完整性。數據采集完畢后，需要對數據進行整理、清洗和轉換。在該環節，既要避免數據重復（例如，某些數據點在不同系統中重復采集）、數據不一致（例如在不同系統中采集的相同數據點，其數據值不一致）、數據丟失（例如數據字段是空白的）、不協調的數據（例如在不同系統中對相同數據的定義不同，從而不能與其他系統中的數據建立聯系）等情況，更要避免過濾掉與審計主題相關的數據，這也離不開審計職業判斷。

（2）數據分析階段。理論上，由于大數據的詳盡性特征，關于審計主題的前因、過程和后果的所有信息都可以形成一個完整的證據鏈條，通過ADA進行去粗取精、去偽存真，就可以發現數據間的因果關系，從而根據完整的證據鏈條得出無風險的審計結論。然而，隨著企業經營數據爆炸式的增長，在審計時間和成本限制下，對全樣本進行測試實際上并不可行。這時，把握ADA使用的時機與條件，對算法的定制與選擇，對閾值的設定與調試，就成為保障審計質量的關鍵。

首先，確定ADA 使用的時機與條件。ADA 是幫助審計人員獲取充分、適當審計證據的工具。在不同審計程序或階段，何時需要使用ADA，在什么條件下不使用ADA，取決于審計人員的職業判斷。ADA的優勢在于風險評估，但由于它的數據分析面廣，實際上在風險評估的同時，也已進行了控制測試或實質性測試。如果審計人員在風險評估或控制測試時已經使用了ADA，后面是否還需進一步實施實質性測試，需要審計人員根據風險評估獲取的審計證據的充分性和適當性做出職業判斷。此外，ADA 固然有其客觀、快速、準確、全面的優點，即使ADA 在技術上可以實現審計過程全覆蓋，但并不能替代人與人之間的溝通和對物理存在的檢查，否則會走向從數據到數據的“虛擬審計”，審計證據的證明力難以保證。

其次，對ADA 算法進行定制與選擇。針對海量數據進行分析的算法是ADA的核心。這些算法既可用于簡單的實質性測試，也可用于高級的預測性風險評估。根據審計任務、所評估的風險和可用數據的不同，需運用與之匹配的算法，方能帶來最佳的分析質量和效率。因此，ADA 算法很難實現通用性。在ADA 系統中，通常會內置若干常用的ADA 算法選項。在審計工作過程中，審計人員需要根據審計環境特點及審計目標需求，運用職業判斷來選擇單個算法或將多個算法組合運用。由于算法是高度依賴于所分析的大數據特點及目標要求的，如果審計人員經過職業判斷，認為現有算法不能滿足審計取證需要，可以針對算法需求與團隊中的IT 專家溝通，以便對算法參數進行調整，或是重新設計新算法。

最后，對ADA 閾值進行設定與調試。ADA 主要采用“例外審計”（Audit by Exception）的方式進行數據分析。當ADA 發現不能通過算法檢查的異常情況，則會以“例外報告”的形式在可視化界面中顯示。然而，由于環境的動態性和復雜性，根據審計職業判斷實現設定的審計閾值，并不一定契合當前審計主題所需。在ADA過程中，既可能會因ADA閾值設定過低，導致通過算法發現的“例外”線索不斷涌現，讓審計人員投入大量的時間和成本進行延伸查證，卻發現大部分的線索都是誤報；還可能因ADA閾值設定過高，致使算法很少發現“例外”，但事實上卻存在許多重大錯報的情況，也就是漏報。在ADA 使用過程中，審計人員還需要根據“例外報告”線索多寡，結合職業判斷的運用，更精準、高效地調試ADA閾值。

（3）結果報告階段。ADA 結果報告是以可視化界面向用戶提供的。這種報告直觀、易懂，提供了大量的審計線索和審計證據，但并不是最終的審計意見報告。這是因為ADA 并非真正意義上的詳細審計，還不能涵蓋審計主題所有的證據鏈，而且數據無法獲取或數據質量存在問題的情況普遍存在，導致多數證據鏈條事實上是層層斷裂的。因此，ADA 結果報告并非最終的審計意見報告，還需大量的審計職業判斷介入。

首先，需要對報告內容進行解讀。ADA 發現的是數據間的相關關系，而非因果關系。如果是因果關系，那就意味著已經獲取了完整的證據鏈，可以完成審計確認，無須進一步延伸查證。ADA 報告提供的相關關系是一種數據之間的數理關系，并不一定是事實上的相關性。如果這種關系偏離了正常范圍，就會被列入“例外報告”清單。高級形式的ADA還提供了規范性分析結果，對“例外報告”清單中的結果提供一些可供選擇的審計行動建議清單，也依然不能直接進行審計確認。這時就需要審計人員對ADA提供的各項報告內容運用批判性思維進行斟酌、判斷，分析“例外”的性質、產生的背景和原因，區分可疑的和正常的“例外”。對于可疑的“例外”，還需進一步合理確定重要性水平，以決定針對“例外”需要投入的后續審計程序的性質、范圍和工作量水平，以進一步獲得充分、適當的審計證據。

其次，應進行審計證據評價。ADA 帶來的更加豐富、形式多樣的審計證據，這些證據可以作為某些傳統審計證據的補充或替代。然而大數據“魚龍混雜”，許多大數據發現的相關關系也是“無厘頭”式的無意義關聯。評價這些證據是否充分、適當，需要更高水平的審計職業判斷。例如，對于“例外報告”中的審計證據，需要評價其在數量上是否滿足充分性要求，在質量上是否滿足適當性要求；是否所有充分、適當的審計證據都可以用數字化方式呈現或采集；通過ADA獲取的審計證據是用于風險評估，還是控制測試，抑或是實質性測試目的；通過ADA 獲取的審計證據是否比手工審計程序獲取的證據更可靠、更相關，兩種途徑獲取的審計證據如何進行整合；獲取審計證據的算法是否可以信賴，是否與審計主題相關；審計證據來源的基礎數據是否滿足可靠性、相關性和完整性要求。

總之，在以上數據準備、數據分析和結果報告各階段，均離不開審計人員職業判斷的運用。運用審計職業判斷之前，審計人員應該對ADA 的技術特征、應用能力和局限性有一個清楚的了解，這樣才能避免對數據、技術和證據進行錯誤判斷，這也要求審計人員既懂審計，又了解大數據分析。

3.ADA 團隊內部的溝通需要。在目前涉及IT審計內容的審計項目中，審計團隊通常是由審計人員和IT專家組成的。IT專家具備在信息技術和技術工具或應用方面的技能、知識和經驗，他們在審計過程中支持或輔助審計業務團隊開展審計業務。如果IT 專家能理解審計人員的需求和審計準則相關規定，審計人員能理解IT 專家開展的技術工作，那么雙方就可以通過通力合作、密切配合來實現審計目標。然而，團隊內部事實上普遍存在的溝通障礙，帶來了彼此間的溝通鴻溝和工作孤島問題。

（1）溝通鴻溝。IT 專家和審計人員作為同一團隊的成員，雙方最終目標具有高度一致性。在審計工作開始之前，IT專家和審計人員就需要進行事前溝通。在整個審計項目推進過程中，也要有充分的溝通。然而，由于審計專業背景的審計人員與技術背景的IT專家之間專業界限清晰，都有著自己的專業語言和思維方式，從而造成了溝通鴻溝問題。審計人員由于欠缺IT 知識，并不了解IT 專家利用ADA 所能提供的最新審計取證能力，他們對IT專家提出的工作請求，要么被認為是“天方夜譚”，要么被認為是“大材小用”；IT 專家對于自己所掌握的ADA 能力，如何主動根據審計準則要求來服務審計需求，進而為審計過程增加價值也困惑不已。溝通鴻溝的存在，使團隊成員之間難以形成合力，協同效應難以發揮。

（2）工作孤島。審計人員與IT 專家之間的溝通鴻溝進一步帶來了“工作孤島”問題。由于審計人員并不具備ADA 方面充分的知識、技能和經驗，他們會將那些針對IT系統進行的風險評估和控制測試，以及運用IT系統中數據進行實質性測試的ADA相關工作剝離出來，交由IT 專家來完成，審計人員并不參與ADA 的具體細節，只是等待IT 專家的工作結果。這就意味著審計人員只是將IT專家看作技術支持人員，ADA依然是在傳統審計模式下進行審計取證。此外，有觀點認為，ADA 具備的對100%的總體進行審計的能力，足以支持對審計模式的變革，審計取證能力得到空前提高。一旦這種觀念被審計人員所接受，又會導致審計人員對ADA 技術過于樂觀，從而過度依賴IT 專家的工作，認為僅通過ADA就可以提供充分、適當的審計證據，而忽視了審計人員本應開展的延伸查證工作。

要解決溝通鴻溝和工作孤島問題，審計人員應該具備一定的ADA知識，IT專家也應掌握必要的審計知識，這樣雙方才能架設起溝通的橋梁。無論是以審計人員所在的審計領域為起點，深入到IT 領域，還是從IT 專家所在的IT 領域出發，延伸到審計專業領域，都是在將自己武裝成復合型的ADA 人才，而這類人才目前是非常稀缺的[6]。

三、審計大數據分析人才培養定位

為應對復合型ADA人才需求，作為高校首先應該明確人才培養專業定位。即是應該根據新的人才培養需求對現有專業進行改造，還是在現有專業中設置新的人才培養方向，抑或是開設新專業，在此基礎上再確定相應的人才培養目標。

（一）ADA人才培養專業定位

為適應大數據時代人才培養需求，國內外許多高校的統計學、計算機科學與技術、信息管理與信息系統等專業紛紛轉型，開始培養大數據分析人才。這些專業以培養通用型大數據分析人才為主，少數高校開設了商務大數據分析培養方向，但并未發現有哪所高校宣稱要在這些專業中培養ADA 專門化人才。究其緣由，可以用比較優勢理論進行解釋。由于這些專業培養的是面向各領域的通用型大數據分析人才，如果在人才市場上，ADA 人才沒有獲得比其他領域的大數據分析人才更高的薪酬標準，加上ADA 專業性太強，人才需求量有限，那么這些專業開設ADA培養方向，無異于“撿了芝麻，丟了西瓜”，需要承擔很高的機會成本。

目前，國內高校爭相開設的“數據科學與大數據技術”專業，又是否可以承擔起培養ADA 人才之責呢？該專業目的是培養能處理大數據問題并從大數據中獲取洞察信息的數據科學家。數據科學家的知識、技能集涵蓋了數學、計算機科學和商學等多學科領域，他們既能作為軟件工程師來設計大數據分析算法，也能夠完成大數據的采集、管理、處理、分析、報告和解釋的全過程任務。更重要的是，他們對商業問題有良好的理解，并能用大數據分析來解決商業問題，還可與相關領域專家進行良好的溝通與密切的協作。由于受過數學或計算機科學教育的人員的思維方式與受過商科教育的人員不同，讓兩類思維共生，被認為是一項極具挑戰的事情，甚至是不現實的[7]。在本科階段有限的學時內，要培養出一個合格的數據科學家是不現實的。目前，美國的數據科學家培養主要是放在研究生層次，本科層次主要是學習一些初級的知識和技能。因此，本科層次的數據科學與大數據技術專業，不大可能會專門培養ADA人才。

相比而言，大數據時代的審計專業，本身就有轉型培養ADA 人才的內生性需求。在2018年AACSB新發布的會計專業認證標準的A5節，就專門要求會計專業的學生和教師都應該對信息技術有足夠的敏感性，現有的會計學位課程需要與大數據分析進行整合。審計專業人才的優勢在于對商業有著更加深入的洞察、在商業鑒證領域長期以來所積累的聲譽、熟練掌握并運用會計及審計準則、對公司戰略和風險管理的良好洞察。根據大數據時代審計人才培養需求，在審計專業課程體系中系統嵌入大數據分析內容，或建立一套適應大數據時代要求的全新審計理論和方法體系，更能體現ADA人才培養的審計專業性質和學科交叉復合性。而且，這種轉型的機會成本幾乎為零。所以，ADA 人才培養專業定位在審計專業比較合適。

那么，是否有必要在審計專業單獨開設ADA人才培養方向，或新設ADA 專業呢？這或許能從我國的會計電算化人才培養中獲得一些啟發。20世紀90年代，為滿足社會對會計電算化人才的需求，本科高校紛紛在會計專業下設置了會計電算化人才培養方向，已開設會計專業的專科學校也紛紛新設了會計電算化專業，目的是培養既懂會計又懂計算機的人才。隨著我國會計信息化時代的到來，掌握會計信息化基本知識和技能已成為任何會計專業學生的必備要求，會計電算化人才培養方向或專業也隨之逐步取消。同理，ADA 已是大數據時代審計專業學生的必備技能，已無再設置專門的ADA人才培養方向或新設ADA專業的必要了。與會計信息化發展進程一樣，隨著大數據分析技術和工具的發展和成熟，專業的ADA 應用會大量出現，大量的ADA 算法會封裝進入系統之中，普通的ADA人員并不需要去理解太多的技術細節，這無疑降低了審計專業培養ADA人才的技術門檻和難度。

（二）ADA人才培養目標定位

關于ADA人才培養目標定位，或許可以從與之密切相關的學科、專業獲得一些啟發。目前著眼于培養數據科學家的數據科學與大數據技術新興專業，是從工科學科門類下的計算機科學與技術專業中衍生出來的。這就是說，大數據人才培養的相關專業可以歸屬工科門類，工科類專業培養的人才必須有實際應用能力。因此，雖然是由管理學科門類下設的審計學專業來培養ADA人才，實際上也與工科人才培養目標具有一致性。基于此，可以借鑒國際上工程教育改革的CDIO 理念來解答ADA 人才培養目標定位問題。

CDIO 是工程教育改革的一個創新性教育框架，其愿景是為了滿足工程環境變革對工程教育改革的要求，采用接近工程實際的項目教學法，讓學生以團隊協作的方式，對真實世界所需的創新性系統和產品進行構思（Conceiving）、設計（Designing）、實施（Implementing）和運作（Operating）。通過“做中學”的方式，培養學生的學科知識、推理能力、個人職業技能、職業道德和人際關系技能，最終獲得以創造性方法來解決實際問題的能力，從而實現知識、能力和素質的復合型培養。CDIO 框架還將愿景細化為具體培養目標，即CDIO 大綱，它詳細地回答了“培養什么人”的問題。CDIO標準則通過提供12條可操作的具體標準，提供了在CDIO大綱要求下“如何培養人才”的路徑指引。CDIO 愿景、大綱和標準共同構成了一套蜚聲教育界的工程人才培養體系。由于CDIO理念的系統性、完整性和科學性，其教育改革指導意義早已不再局限于工程領域，在商科的實踐教學改革中的應用也頗為廣泛。

CDIO最顯著的特征就是以真實生活情境中的項目為載體，讓項目承載解決實際問題所需的多學科知識，讓學生以團隊協作方式，在構思、設計、實施和運作項目的完整生命周期中邊做邊學，邊學邊用，邊用邊思考，邊思考邊創新，真正培養學生的探索精神、創新能力、團隊協作意識和解決實際問題的能力。借鑒CDIO 愿景，筆者認為本科層次的ADA 人才培養總體目標是：培養扎實掌握并靈活運用必要的數據科學、審計學等相關領域基本理論和技術方法，針對大數據條件下的審計項目，能借助主流的大數據分析工具和平臺，根據審計項目所處的審計環境特點，與不同專業背景的團隊成員密切配合，以創造性的方式完成對ADA 項目全過程的構思、設計、實施和運作，從各類大數據中發現與審計主題相關的有意義的模式和關系，為審計判斷和決策提供支持的專門人才。

四、審計大數據分析人才培養大綱

CDIO 大綱列出的培養目標系統、完整、詳盡，幾乎涵蓋了一個現代工程師應該具備的所有知識、能力和素質，它不僅可操作性強，也有良好的專業適應性，已被廣泛用于指導其他專業的人才培養。以下參照CDIO大綱，對本科層次的ADA人才培養大綱進行設計。

（一）學會認知：學科知識目標

ADA是一個多學科交叉融合的領域，主要涉及數據科學和審計相關學科領域。數據科學本身又是多學科、多領域融合的產物，是一門典型的交叉學科。對本科層次的ADA 人才培養而言，不可能完全掌握數據科學所涉及的所有學科知識，但對相關學科的涉獵必不可少。本文將ADA的學科知識目標分解為五個方面的內容。

1.審計基礎。ADA人才有著數據科學家無法兼顧的審計基礎。ADA人才應該能夠熟練掌握并理解如何應用會計規則，理解與特定會計賬戶相關的風險。例如，可以通過會計分錄來說明業務發生的原因，理解與相應科目入賬金額估計偏誤相關的風險，當發現存在應計異象時，能及時、恰當地采取后續審計行動。這就要求ADA 人才能夠理解財務會計、管理會計、稅法、財務報告系統，掌握公認會計原則、政策、程序和審計準則，了解企業戰略、內部控制和風險管理。

2.數學基礎。ADA 需要依賴算法來進行分析，而數學提供了用于這些算法的語言。ADA人才應該對什么時候選擇何種算法有著深刻的理解，并能用數學語言進行溝通交流。ADA人才還應該能夠運用數學方面的知識來理解統計和機器學習方面的普通模型的結構，也包括最優化和集合相關方面的問題。盡管ADA 需要的數學基礎包括了微積分、線性代數、概率論與離散數學等課程內容，但在有限課時的約束下，應該將ADA 所需的必要概念過濾出來，相關的數學課程應更多關注知識的可應用性，而不是數學理論、推導或證明。

3.統計基礎。在大數據時代之前，審計工作中的數據分析主要運用統計學的理論和方法。雖然ADA 更多地體現了大規模運用非結構化數據的特點，但其核心證據來源依然是結構化的小數據。因此，ADA并不排斥經典統計理論和方法。而且，要理解ADA所使用的算法，對ADA結果進行解釋，都要運用統計學知識。作為ADA 的基礎課，學生應掌握基本的多元統計分析、應用回歸分析和時間序列分析等統計建模方法，能熟練使用至少一種主流的統計軟件，靈活運用各種統計方法得出結果，并能基于結果進行解讀與溝通。

4.數據基礎。ADA運用的大數據廣泛采集于網站、文件、物聯網、RFID、傳感器和其他項目等，這些數據與傳統審計主要使用的結構化的財務信息明顯不同，有著高速增長、高速流動、變化無常、結構復雜、種類繁多的特點。ADA 人才應掌握大數據相關的數據庫、數據倉庫、數據挖掘、數據報告、主數據管理、數據生命周期管理、數據安全和隱私管理等方面的基礎知識，并能充分認識大數據的類型和特點，以及大數據將如何對審計取證有所貢獻。

5.算法基礎。算法是ADA的核心。ADA人才首先應該針對某個審計問題定義明確的ADA需求，然后將問題進行分解，再選擇或設計解決相應問題的算法。ADA人才雖不要求成為大數據分析算法方面的專家，但應該對算法有一個基本的認識，不應將其視為一個“黑箱”。至于是否需要掌握用高級程序設計語言來進行算法設計的能力，還取決于各高校的人才培養特點。例如，工科類院校可能會特別強調學生的算法設計和應用能力，而商科類院校則側重培養學生對典型的大數據處理平臺（例如，Hadoop 生態系統）中的算法進行認知、選擇和應用的能力。

（二）學會生存：個人能力和素質目標

在掌握學科知識的基礎上，ADA人才要針對具體的審計問題和審計目標，運用知識、方法、技術和工具，將原始數據轉化為信息。在此過程中，要具備應有的個人能力和素質。

1.問題識別與界定。應該明確的是，ADA 是為審計目標服務的，目的是解決具體審計問題。雖然ADA 的確可以通過對海量大數據進行“大海撈針”“盲人摸象”式的探索來發現有意義的新洞察，但審計工作并非科學探索工作，它必須在有限的時間和資源條件下，快速發現有價值的審計線索。也就是說，ADA應該是帶著問題去探索，然后明確ADA的服務指向，這樣才能避免ADA獲得大量沒有價值或無關緊要的結果。所以，ADA 人才首先應該以問題為導向，從審計需求的角度，充分考慮ADA 的可用數據和技術能力來對問題進行識別和界定，繼而規劃好應該獲取什么樣的目標數據，數據中何種類型的信息是重要的、可得的，應該使用什么樣的ADA工具，在什么時候使用這些工具，以及應該如何最好地將結果進行呈現和溝通。

2.數據理解與準備。在進行ADA之前，ADA人才應對分析審計問題所需的數據集有一個正確的理解，以在正確的時間快速、準確地確定數據需求和數據來源，節省審計準備工作時間。在數據理解階段，ADA 人才要對以下內容進行思考：使用數據的目的；所需的數據量；數據類型、格式和來源的多樣性；數據集的可用性、準確性、一致性和完整性；數據所處的背景；數據的安全性和隱私性要求；獲取的數據對審計目標是否充分、適當；已有的基礎設施是否能支持對這些數據分析的需求。在數據準備階段，ADA 人才需要根據ADA 的性質和目標，運用各種工具對數據進行清洗、集成和轉換，使其質量、類型和格式能滿足ADA需求。

3.數據分析與報告。開展ADA的關鍵是算法設計或選擇。ADA 人才應能靈活運用算法基礎知識，針對當前的審計問題和可用的數據集，選擇恰當的大數據算法和技術，設置算法參數，建立評價標準，并能在必要時根據分析結果來評價現有算法和技術是否有效或高效，決定是否需要選擇新的算法和技術，或是需要對算法參數進行調整。對于偏技術型的ADA 人才培養來說，可以進一步要求針對ADA 項目需要，使用編程語言和統計學語言來開發定制化的算法。在數據報告環節，ADA 人才應能夠運用基本的可視化工具，將ADA結果以圖形化方式展示出來，判斷ADA報告提供的審計證據的性質及其充分性和適當性，能對ADA 報告中發現的例外事件、偏差和其他結果進行判斷，決定是否需要采取后續審計行動，以及后續審計行動的性質、時間和范圍，并能撰寫ADA報告。

4.職業思維與態度。CDIO 大綱特別強調了在解決實際問題中，系統思維、創造性思維和批判性思維的重要性。首先，ADA 人才要能夠從整體視角來看待ADA 這個人機系統的功能、行為及其要素，運用跨學科的方法從不同視角來實現系統目標，而且要考慮系統內部各要素之間、系統與外部環境之間的互動關系，以及ADA 系統對審計人員行為的影響。同時要能根據審計問題的輕重緩急來合理配置審計資源，實現審計資源利用的最優化。其次，ADA人才應能突破傳統審計思維的束縛，創造性地利用ADA 來拓展審計范圍，創新審計取證模式，豐富審計證據來源、數量、類型及形式，提高審計證據的相關性和適當性。最后，ADA人才在ADA全程需要運用批判性思維，在數據準備、數據分析和數據報告各階段充分運用職業懷疑和職業判斷，同時要規避主觀偏見。除此之外，ADA 人才還要具備良好的工作態度。

5.職業道德與責任。CDIO 特別強調所開發的產品給社會帶來的影響，也就是要從道德和責任層面來對產品進行構思、設計、實施和運作。相應的，在開展ADA 時，ADA 人才除了應恪守基本的審計職業道德，還應關注ADA帶來的新的職業道德和責任要求。大數據帶來了傳統審計難以企及的審計取證數據來源，許多數據包括了其他主體信息、個人信息、被審計單位的敏感信息。在ADA過程中，要能夠保證獲得數據采集對象的知情同意，并按照相關政策或法規來保證這些數據的完整性、安全性、保密性，不侵犯個人隱私，遵守被審計單位對數據的透明度、可保留性、可重復使用的政策要求。ADA給審計人員提供了超越審計范圍的咨詢能力，這也要求ADA 人才更加注重審計獨立性要求。此外，ADA 人才還應了解針對ADA工具開發、實施和使用的質量控制政策和程序，以確保審計人員能遵守相關的職業道德和責任。

（三）學會合作：人際能力目標

CDIO 大綱認為，學生不僅要具備基本的個人能力，更要重視人際關系能力的培養。這是因為對現實世界所需產品進行的開發，都是以團隊協作形式共同完成的。要實現產品的既定目標，在產品的整個生命周期中，要與利益相關者保持充分、有效的溝通，才能達成共識。

1.團隊能力。大數據時代的審計項目小組是由不同學科背景的人員組成的混合型審計團隊。雖然希望ADA人才是具有跨學科背景的復合型人才，但一個人要兼具所有相關學科的專長，能解決ADA中所有的問題是非常困難的。在不同培養目標下培養出來的ADA 人才，在學科偏好方面必然會有所側重，例如，有的偏重IT 能力，有的偏重審計洞察力，他們不可能完全替代傳統審計人員或IT 專家。所以，ADA人才應定位于審計團隊中連接不同專業背景的“橋梁型”人才，他們需要與不同角色的團隊成員合作，因而需要具備良好的團隊協作精神。同時，也應逐漸培養團隊管理能力，能夠組建ADA 團隊，充分運用領導藝術來保持團隊的高效運作和良性發展。

2.溝通能力。有效的溝通是ADA人才應該具備的核心技能。CDIO大綱明確規定了ADA人才應掌握的溝通策略、結構、手段、方式、方法和態度。ADA人才至少應能將這些規定用于以下幾個方面：①ADA團隊內部溝通。ADA人才至少應能與傳統審計人員及IT專家進行溝通，并能夠搭建兩類人員之間溝通的橋梁，確保團隊成員之間溝通順暢，能相互理解各自的需求并了解對方解決問題的能力。②與被審計單位IT 部門的溝通。ADA 離不開被審計單位的IT部門的密切配合，ADA人才應該能夠與之清晰地溝通所請求的數據范圍、目的，打消IT部門對安全性、保密性和隱私方面的顧慮。③與被審計單位管理層的溝通。ADA 人才應該將審計中發現的問題，用管理層能理解的語言，并以直觀的可視化方式來講述數據背后的“故事”。④與被審計單位治理層的溝通。ADA 人才應該能夠讓被審計單位治理層正確認識ADA 的能力，避免提出一些不切實際的需求，從而引發無謂的審計期望差。

（四）學會做事：實踐能力目標

前面三個人才培養目標是對ADA人才的知識、能力和素質的要求，最終目標還是為了幫助學生獲得解決實際問題的能力。鑒于工程人才的培養目標以實踐為導向，CDIO 大綱專門設置了“在企業、社會和環境背景下對系統進行構思、設計、實施和運作”這樣一個終極目標。該目標通過“做中學”將前三個人才培養目標有機融合，并提供了用于解決現實問題的真實項目的行動目標清單。實踐層面的ADA目標清單包括：能夠設定ADA 的目標；確定所使用數據的期望屬性；確定ADA類型以及所使用的工具和技術；確定所使用的可視化的恰當形式和內容；懂得如何獲取數據并辨識所獲取的數據是否適用；能夠靈活使用ADA 技術和工具；對ADA 結果進行評價并采取行動；將審計數據分析的計劃、執行和結果錄入工作底稿。

五、審計大數據分析人才培養模式

CDIO提供的12條標準，可以作為構建ADA人才培養模式的實施指引和改革基準。這些標準從六個方面對基于CDIO理念的人才模式建構進行了整體性的規范。

（一）專業培養理念

CDIO要求給學生學習創設一個真實問題的學習背景，讓學生能夠在解決現實問題的過程中，利用多學科的知識來探尋解決問題的途徑，從而培養學生發現、分析和解決問題的能力。ADA 需要根據審計項目所處的環境來具體問題具體分析，因而在專業人才培養中，也需要立足審計實踐性需求，以解決真實審計問題為貫穿整個學習過程的主線，把核心問題轉化為獲取、清理、保存、管理和處理數據，探索數據，定義問題，開展分析和溝通結果等學習任務，讓學生進行基于真實問題背景下的探究式學習，積極建構ADA相關學科知識，獲得對知識的深層次理解，最終能針對不同審計環境下的審計問題，靈活地運用知識予以解決。

（二）課程計劃制定

設定ADA教育的學習成果，可以確保學生獲得他們未來工作所需的知識、技能和素質，具體的學習成果是以ADA人才培養大綱體現的，在此基礎上制定相應的一體化課程計劃。ADA 屬于交叉學科領域，為應對ADA 人才培養需求，審計專業課程計劃改革主要有三條路徑[5]：①專題法。在審計專業知識學習的基礎上，單獨開設專門的ADA 課程。該方法的局限性在于，在現已飽和的專業課程體系中再新設課程，學時上難以滿足。②整合法。將ADA相關的學習目標融入現有的審計相關專業課程之中，也就是在不改變現有課程體系的前提下，對具體的課程內容進行適應ADA人才培養要求的改造。該方法克服了專題法的不足，直接以培養適應大數據時代需求的ADA 復合型人才為目標。③混合法。將專題法和整合法相結合，既單獨開設ADA課程，又將ADA的學習目標深度融入現有課程體系之中。

以上三種方法均未對審計專業課程體系進行實質性調整。現行課程體系是否能夠支持ADA學習目標的深度融合、是否具有系統性、是否以培養學生解決實際問題的能力為導向，都令人存疑。筆者建議在構建面向ADA人才培養的一體化課程計劃時，根據CDIO 第3 條標準的要求，以項目為主線，圍繞項目需求來重構現有的課程體系。具體應先設計一個貫穿本科學習階段的總體項目，該項目要圍繞本科階段ADA人才培養大綱要求進行設計。再將該項目的CDIO全過程，根據由淺入深、循序漸進的原則分解為若干子項目。必要時，每個子項目還可以繼續分解。項目分解完之后，要根據具體項目需求來整體規劃出目標明確、相互支撐、相互促進的一體化課程計劃。通過項目設計將整個課程體系有機而系統地結合起來，使學生需要學習和掌握的所有知識和能力形成一個有機整體。

CDIO 要求在課程計劃中設置導論課。導論課通常是教學計劃中的第一門專業必修課，目的是培養學生的專業意識和專業興趣。針對前面的一體化ADA人才培養課程體系，應該在大學入學第一學期就給學生開設《大數據概論》這樣一門導論課，通過使用一種高級語言（如Python 或R）來對審計案例數據進行簡單的探索、可視化和提出問題，讓學生認識到要分析什么數據（What）、數據來自哪里（Where）、如何分析數據（How）、為什么要分析這些數據（Why），既教授學生大數據相關的技術知識和技能，也培養學生的審計專業意識，以激發學生的專業興趣。

（三）設計—實現經驗和實踐場所

CDIO 遵循的是建構主義的情景化學習模式，通過具體項目的探索式解決來理解和掌握知識，同時也提高解決實際問題的能力和素質。在一體化ADA課程體系中，每門課程都應該包含兩個或兩個以上的審計實際工作中的設計—實施實驗項目。這些實驗項目要包含學生需要掌握的知識點，還應具有層次性，即至少有一個基礎實驗項目和一個高級實驗項目。此外，項目還要有新穎性和趣味性，以激發學生的學習動力。最后，項目中的問題應有一定的劣構性和協作性，讓學生能夠進行探究、合作學習。

ADA 對實踐教學場所的軟件和硬件有著與計算機輔助審計明顯不同的要求。ADA實驗教學首先要解決真正符合大數據特征要求的審計案例數據來源問題。目前，真正意義上的大數據審計案例還很少，審計案例數據又過于敏感而不便用于高校教學。而且，現有的計算機輔助審計實驗室的硬件設備難以滿足大數據的存儲和分析要求，因為真正意義上的ADA 離不開云計算的支持。此外，雖然國際四大會計師事務所正在努力開發各自的ADA軟件，但市面上還沒有可供ADA教學使用的軟件，針對結構化的數據進行審計分析的軟件并不適合用于ADA 教學。所以，規劃ADA 的實踐教學場所需要有新的設備、軟件和數據。

解決實踐教學場所問題較為可行的途徑是產教融合。目前國內已有教育服務商提供大數據實驗室整體解決方案，學校可以在網絡上搭建自己的私有云平臺，在云平臺上進一步搭建基于Hadoop的大數據分析平臺。國外的SAS、SAP也已經有了較多的產教融合大數據人才培養案例，但這些產教融合項目并未提供ADA項目案例數據。未來應有更多的產教融合項目關注ADA教學需求，并在云平臺提供個性化定制的功能，教師或學生可以在平臺上配置教學所需的ADA項目。對于以結構化數據為主的審計項目，完全可以沿用計算機輔助審計實踐場所，但需要對硬件配置進行升級。軟件既可選用主流的IDEA或ACL審計軟件，也可選用Python或R等通用大數據分析工具。

（四）教與學的新方法

CDIO 要求讓學生獲得綜合性學習經驗。該標準要求學生能在一個完整的ADA項目中，綜合習得人才培養大綱要求的知識、能力和素質。由于我們在一體化課程計劃設計時都是圍繞一個貫穿本科學習階段的綜合項目來設置相關課程，那么在該課程體系學習即將結束時，就需要提供這樣一個完整的綜合項目來用于教學。這個綜合性的學習項目應該是對分布在前面各門課程中的子項目進行的邏輯整合，而非內容上的簡單拼湊。該門課程可作為審計專業學生在大學四年級的一門綜合實踐課，每個班級組建若干項目團隊，在教師引導下以團隊分工協作的方式來完成ADA 項目，在項目實施過程中，各項目組需要分階段進行思路介紹、問題探討和成果展示，最后提交一份完整的ADA報告。

CDIO 重視學生的主動學習。主動學習能夠讓學生直接參與思考和問題解決的活動之中。ADA的每門相關課程都會給學生提供兩個或兩個以上的審計項目案例，這些項目的趣味性是吸引學生主動學習的關鍵，它不僅要求在內容上鮮活、生動，更需要在項目教學活動的設計上打破固定的教學場所和教學時間限制，通過產教融合ADA平臺和網絡在線課程，實現線上與線下的結合、課內與課外的結合，在平臺上通過競爭性得分、優秀成果展示等手段，激發學生主動學習的動力。

（五）教師發展

CDIO 特別強調的是解決現實世界的實際問題。審計工作中的每個實際ADA 項目，都有其所處的獨特審計環境，只有身經百戰、見聞廣博的ADA人員才能積累起必要的審計經驗，形成審計專長，以靈活應對不同審計環境中ADA 工作所需。因此，教師作為ADA 項目的策劃者、組織者和指導者，必須具備實際ADA 項目工作經驗。然而，在全球大數據人才普遍短缺的背景下，能夠并愿意承擔ADA教學任務的教師更是鳳毛麟角，加強ADA師資隊伍建設已經迫在眉睫。目前較為可行的辦法是由審計、統計、信息系統、大數據或計算機等相關專業的教師組建混合型的教學團隊。在大數據技術發展日新月異的背景下，無論ADA 教師是有審計專業背景，還是其他專業背景，為適應ADA 教學所需，既要彌補自身專業背景的不足，更要通過掛職鍛煉、培訓進修等途徑來持續提升實踐技能。

CDIO 還要求提高教師教學能力。實踐能力是教學能力的基礎，但教學能力更是一門藝術。由于ADA的跨學科特征，對從事ADA教學的教師，生搬硬套審計或大數據的教學方式和方法，可能會適得其反。如何將不同學科的教學特點進行融合，是尚待實踐探索的問題。但這種融合的前提還在于教師自身是否具備ADA所需的跨學科綜合素養，在此基礎上進行教學能力提升才能做到心中有數。教師教學能力提升的典型途徑有：組織跨系部的教學沙龍或論壇，為教師提供體驗式培訓，深度參與ADA 產教融合項目，參與其他各類教師教學發展項目，開展教學評價和教學競賽等。

（六）考核評估

為考核學生學習目標達成程度，需要建立一套適合ADA 特點的學習評價方法。由于ADA 的實踐性和探索性特征，應該避免標準化的考試模式，而采用與各門課程學習成果特點相匹配的多樣化評價方法。既要評估知識的掌握程度，更要評估能力的培養效果；既要對ADA 成果進行終結性評價，也要對ADA教學過程中的學生表現進行形成性評價；既有老師的評價，也有團隊互評和自我測評。基于產教融合的ADA平臺詳細記錄了學生的學習軌跡，為學習評價提供了較為客觀的基礎，可在一定程度上規避評價偏差，為多樣化評價提供了基礎。

另外，對ADA人才培養體系應進行常規性的系統評估。各高校在探索ADA 人才培養模式時，會根據各自的理解和實際情況來踐行CDIO 理念，但人才培養能否達到預期，還需要經常性地收集學生、教師、專業負責人、校友和其他利益相關者的意見和建議，或是接受專業機構及教育監管機構的評估，發現人才培養的問題與不足，作為持續改進計劃的基礎。

六、總結

在大數據環境下，ADA是審計取證的核心技術和方法。ADA是一門關于設計、溝通和取舍的藝術，在審計數據準備、分析和報告各階段都離不開審計職業判斷的應用，混合型ADA團隊內部的溝通鴻溝和工作孤島問題，亟需能在審計與大數據分析兩大專業領域之間穿針引線，能夠將審計與大數據分析有機結合、融會貫通、運用自如的復合型ADA人才。從大數據時代審計專業的比較優勢和專業內生性發展需求考慮，ADA 人才更應由審計專業培養，審計專業也無須再開辟ADA人才培養方向或新設ADA專業。借鑒CDIO 愿景、大綱和標準，本文建構了ADA人才培養的總體目標、培養大綱和培養模式。

基于CDIO理念構建的ADA人才培養模式，以實踐能力培養為特色，但在實施中還需突破若干障礙。首先，以項目為中心，建立一體化的課程體系，需要對現有人才培養方案進行顛覆式變革。課程如何建設、教材內容如何安排、師資隊伍能否勝任、實踐教學資源是否配套等問題還需在教學改革實踐中深入探索。其次，產教融合教學資源開發問題。ADA教學資源開發，要么是由高校和企業共同開發基于開源平臺的審計項目案例包，要么是由專業的軟件廠商提供真正符合大數據特征的ADA云教學平臺，其中建立有效的產教融合動力機制是關鍵。最后，項目制教學與傳統課堂教學存在明顯差異，如何根據ADA的特點來組織項目制教學，如何設計科學的考核方案，如何進行相應的教學管理，也是需要重點解決的問題。