大數據提高政府績效審計有效性的路徑研究

李之媛 馮均科 張新鵬

[摘要]本文在分析審計監督全覆蓋背景下政府績效審計面臨挑戰的基礎上，探討利用大數據提高政府績效審計有效性的可行性，并有針對性地提出利用大數據提高政府績效審計的建議。

[關鍵詞]審計監督 ? ?全覆蓋 ? ?大數據 ? ?政府績效審計

效審計是政府審計發展的必然趨勢，在發揮

審計監督作用過程中扮演著重要角色。政府績效審計即審計機關以低審計資源投入為基礎，對政府組成部門所進行的經濟活動是否高效、是否實現預期成果所進行的“3E”審計，即經濟（Economy）、效率（Efficiency）和效果（Effectiveness）。隨著信息時代的到來，大數據作為新興技術手段引發了新一輪的技術狂潮。它能夠以非常經濟的手段、更高效率地對海量信息進行分析以獲取價值。在審計監督全覆蓋背景下，政府績效審計面臨著審計內容增加，審計對象趨于復雜，審計信息處理繁瑣，審計工作開展受限的困境，而大數據技術所具有的強大信息處理的特點，為提高政府績效審計的有效性提供了強有力的技術支持。

一、審計監督全覆蓋背景下政府績效審計面臨的挑戰

政府審計作為國家監督體系的組成部分，在促進國家治理體系和治理能力現代化方面發揮著不可替代的作用。在審計監督全覆蓋背景下，國家對于政府績效審計的支持也逐漸增強，開展績效審計工作勢在必行。雖然政府績效審計的政策支持力度增強，但是在審計監督全覆蓋背景下，政府績效審計范圍擴大，審計數據信息增加，從而給政府績效審計帶來了挑戰。

（一）政府開展績效審計存在資源約束

審計監督全覆蓋要求政府績效審計“應審盡審、凡審必嚴”，即對所有應審計單位進行審計，因此，績效審計需要加大審計力度，提高審計頻次，以更好更全面地發揮審計在國家監督體系中的作用。然而，在目前政府績效審計工作開展中，由于審計力量不足、審計經費不足等資源性約束，審計機關一般選擇一些重大項目、重點項目進行審計，對于一些一般項目只進行簡單的財政收支審計，無法實現對所有被審計項目的全覆蓋。以扶貧審計資金狀況為例，2016年，政府審計機關抽查了17個省40個縣，這40個縣只審計了2013年至2015年50.13億元

（共計109.98億元）的財政扶貧資金。此外，政府績效審計操作一般較為復雜，被審計項目運行周期較長，項目種類繁多，需要投入大量的審計資源，因此，考慮到審計成本問題，政府績效審計還不能滿足全覆蓋的要求，如何突破資源約束成為政府績效審計需要解決的問題。

審計監督全覆蓋提出，要覆蓋所有審計對象，加大審計頻次，建立全方位的審計監督體系。在這樣的要求下，審計任務繁重，工作量加大，政府開展績效審計工作需要多學科知識體系為基礎，以保證審計質量。目前，我國政府審計人員大多數都是財經類專業科班出身，對于財會類知識比較精通，但對于其他方面知識缺乏充分認識，無法對一些財政金融外的其他審計對象有深入了解，從而也就無法對范圍廣泛的其他被審計項目的績效作出合理的審查及評估。除了審計隊伍知識結構方面存在不足，被審計項目也在不斷增加，然而審計人員數量卻沒有同比例增長。以B市為例，該市審計局共105人，然而一線審計人員不到40人，專業人員人均承擔3個以上的審計項目，還不包括一些上級抽調的審計任務。我國政府開展的績效審計工作主要由政府審計機關人員承擔，公務員的數量不可能在短時間內大幅度增加，這樣的問題難以得到及時解決。因此，在審計監督全覆蓋背景下，政府開展績效審計工作面臨著審計人員知識結構不合理和數量不足的困境。

（二）績效審計數據標準體系與評估體系不夠完善

當前，審計監督全覆蓋要求下，政府績效審計應全面審視被審計項目，深入排查問題和漏洞，不留監督死角和盲區。然而，政府開展績效審計工作離不開基礎數據的支撐，政府績效審計需要財務數據、非財務數據等一些相關資料，面對龐大繁雜的審計數據，現有的審計信息化建設還不足以支撐對如此巨大的數據量的分析工作，審計人員往往根據以往的經驗對這些資料進行分析判斷，難免存在主觀性，審計質量無法得以保證，大大增加了審計風險。此外，根據2017年中國審計年鑒統計數據，2016年我國審計查出主要問題金額約為14萬億元，而審計促進整改有關問題資金只有13，000億元，只占不到10%，這說明實現審計監督全覆蓋，僅靠中央審計機關的力量還不夠，還需要地方審計機關協同合作，問題才能真正得到解決。但由于地方審計機關在采集信息的過程中建立了具有地方特色的數據標準體系，沒有一個統一標準，各地的數據可能無法兼容，要進行統一的數據分析就難以實現，且進行數據方法重建的成本較高。缺乏統一的數據標準和成熟的數據采集體系，也給績效審計工作出了難題，從根本上制約了審計監督全覆蓋的廣度。即使收集了大量的數據與信息，但中央與地方審計機關未建立數據傳輸平臺，不能實現數據的實時共享，信息資源不能集中與整合，關鍵的審計線索可能無法被挖掘，影響了審計監督全覆蓋的深度。

政府開展績效審計工作的前提在于建立完善的績效評價體系。相對科學合理的評價指標的構建，有助于降低審計風險，提高政府審計報告的客觀性。然而，我國的政府績效審計研究開始時間較晚，在評價指標的構建方面缺乏理論與實踐的指導，在績效審計工作開展過程中，往往只集中于對審計對象的事后評價。而在審計監督全覆蓋的背景下，要求審計單位對審計對象實現全過程的審計。如扶貧項目審計，審計指標多數為一些事后控制指標，如貧困率的多少、扶貧項目實施后基礎設施的改善等。因此，政府績效審計需要完善評估體系，以達到審計監督全覆蓋的要求。

二、大數據對提高政府績效審計有效性的可行性分析

大數據時代的到來，掀起了新一輪的審計變革狂潮。大數據本身具有信息儲量龐大、信息多樣等特點，使其可以借助計算機、互聯網等對大量時空數據進行儲存、整理、分析，深入挖掘內在聯系。而審計監督全覆蓋核心在于提高審計覆蓋面，即要求政府審計監督對所有應審計單位、應審計項目實現全部審計，在此背景下，大數據所具有的這些特征對于政府績效審計有效性的提高體現在以下三個方面。

（一）可促進政府績效審計提高經濟性

審計監督全覆蓋背景下，政府績效審計需要搜集的數據多種多樣。要從大量數據中獲得有價值的信息需要對此進行分析，這就需要投入大量的審計資源，包括人力、物力、財力，審計成本大大提升。而大數據技術的對象就是體量巨大的數據，可以對海量數據進行快速采集、整理、分析、更新，而且不僅僅是一些數據型信息，對于文字性描述等非數據型信息也可以進行深入分析。將大數據技術應用于政府績效審計，可以有效降低獲取審計信息、分析審計數據的成本。如“云審計”平臺的使用，可以有效解決信息搜集緩慢、數據處理復雜等問題，利用計算機軟件抓取信息，簡化數據處理流程，節約大量審計資源，使其可以應用于重點項目，為提高政府績效審計的經濟性提供保障。

（二）可促進政府績效審計提高效率性

審計監督全覆蓋背景下，被審計項目涉及多個行業、多種類型，這無疑給政府績效審計工作的開展增加了難度，除了對被審計項目重點信息的抓取和分析，還需要了解其內在的本質聯系，審計隊伍由于缺乏多學科的綜合性，有時可能無法深入了解審計對象，抓不住審計的關鍵。大數據技術可以對被審計項目進行逐層分析、漸進深入，從大量信息中提取有效信息，抓住審計重點，針對審計疑點開展績效審計工作。例如，通過大數據挖掘技術可以對與被審計單位有關的一些非數據型信息進行深入分析，提取內在價值，統計這些信息之間的多種關系，深入揭示數據間的內在聯系，為績效審計提供指示，穩定、準確、快速地針對審計重點進行分析，有效地縮短項目周期，簡化審計流程，同時彌補由于審計人員知識結構單一無法看到信息之間內在聯系的缺點，大大提升政府績效審計的效率性。

（三）可促進政府績效審計提升效果性

審計監督全覆蓋不僅要求覆蓋所有審計對象，還要求增強覆蓋深度，保證審計質量。我國政府績效審計目前多集中于事后審計評價，缺乏對事前、事中的監督控制，審計效果較差。大數據技術可以利用互聯網資源，實現對審計對象的實時監控，向終端審計處理平臺反饋信息，對審計對象的運作進行實時評價，實現對事前、事中、事后全過程的監督控制。同時，大數據技術可以對績效審計的整個過程進行分析總結，從而產生新的信息，將這些信息加以整理，完善政府績效審計的評估體系，使評價指標更加精確合理，進一步增強績效審計實施的效果。此外，通過大數據技術可以對大量不同的被審計項目進行分析對比，總結項目審計過程中存在的漏洞，對一時無法量化的指標進行分析，挖掘其內在因果性，降低審計風險，大大提高政府績效審計的效果性。

三、利用大數據提高政府績效審計的建議

（一）構建智能績效審計平臺

審計監督全覆蓋背景下，被審計項目范圍擴大，審計任務繁多，而審計力量有限，因此，政府績效審計需要創新審計技術。利用大數據開展政府績效審計，核心在于構建智能化大數據審計平臺。目前被學界熱點討論的“云審計”平臺可以應用到政府績效審計中來。

一方面，利用“云審計”平臺，政府審計機關可以快速抓取審計對象各方面的信息，經過數據預處理后，涉及一些國家機密的敏感數據可以經安全審查后儲存到政府“私有云”中，擁有權限的審計機關可以調用;此外，一些數據可以存儲至“公有云”以便外界共享，這些數據可以隨時調用。通過信息的交流和共享，打破固有的時間和地域限制，方便采集信息，合理配置審計資源，降低審計成本。在審計機關內部，審計署和地方審計機關可以構建兩級數據共享云平臺（如圖1所示），為避免信息化平臺重復建設，審計署可以整合審計署機關與特派辦審計資源，構建全國統一的云審計數據庫，各省審計廳可以在這個數據庫里構建子數據庫，分別整合各省、市、縣的審計數據。同時，政府績效審計在構建“云審計”平臺時，可以建立安全保障系統，防止數據泄露。可參考國外關于網絡云安全的標準，如美國相關機構發布的《公有云安全及隱私指南》，建立一套我國政府績效審計有關大數據應用的安全標準，制定相關政策法規，對大數據在績效審計環境安全中的應用進行制度保障，以此來保證審計監督全覆蓋背景下大數據應用于政府績效審計中的安全性與規范性，還可以建立績效審計數據加密機制，防止外泄。

另一方面，通過大數據挖掘技術、多維度分析等先進技術組成的數據處理平臺（如圖2所示），對審計數據進行處理分析，將審計數據進行集合，對采集的信息進行充分解析，確保數據完整性以及格式統一性，分析其內在的關聯性。同時，為降低大數據使用的門檻，要強化數據調取技術的可操作性和簡便性，支持模糊數據的調取和搜索，保證云審計平臺人人能用、人人會用。此外，還可以基于人工智能學習技術，構建績效審計問題庫，綜合整理一些績效審計的經常性問題，構建相關審計模型進行分析與解答。在績效審計實施過程中，可將格式統一的審計數據傳輸至綜合管理系統中，通過線索分析平臺、聯網審計平臺以及業務處理平臺對數據進行進一步深入分析，審計后臺人員只需要筆記本電腦等終端設備，就可根據分析結果進行考量判斷，將審計對象的經濟活動與具體業務結合分析，快速確定審計重點，開展審計活動，將結果與以往審計情況對比分析后傳輸至審計實施現場，同時分析其存在的審計風險大小，及時進行反饋，預防審計風險，提高政府績效審計效率。

（二）反饋完善政府績效審計評價系統

審計監督全覆蓋不僅要求保證審計覆蓋范圍，同時也要求保證審計質量。保證審計質量的前提在于建立科學合理的績效評估體系。大數據通過對被審計項目的全方位數據進行監控，及時反饋信息，對這些信息進行整理總結，有利于構建更客觀、更符合實際的評價指標體系。總體來說，要通過智能績效審計平臺采集的信息以及審計過程反饋的結果，評價績效審計的效果性，以實際結果檢驗指標的客觀性和合理性。一是構建智能分析軟件，通過對指標與績效審計過程的契合性模擬，以評價指標是否具有實用性;二是將分析后的各級指標匯總至各個分類系統中，包括管理績效評價系統、公共資源耗費評價系統等;三是將各類系統中的指標運用到實際審計項目的案例進行匯總，利用一些統計技術進一步分析指標的覆蓋程度是否全面;四是將分析檢驗的指標匯總至績效審計評價的系統數據庫中，以便在審計過程中靈活調用。

（三）培養大數據技術人才，加強績效審計隊伍建設

政府績效審計較為復雜，要求專業性的同時，也需要審計人員具備綜合性知識。針對審計監督全覆蓋背景下政府績效審計人員數量不足以及知識結構單一化的問題，首先，政府績效審計隊伍在吸收財、會、審專業人員的同時，也要吸納掌握計算機知識、云計算技術、大數據技術的人才，適當調整審計隊伍結構，加強審計人員的互補性;其次，針對大數據技術在審計方面的應用展開培訓，建設大數據學習平臺，聘請專家進行指導，審計人員可向其咨詢有關大數據的問題，在學習平臺上相互交流，同時也可以上傳關于大數據的學習資料和審計過程中應用大數據技術的相關案例，進行共享，提升績效審計隊伍知識結構的綜合性和全面性。同時，還應該提高審計人員的信息處理能力。在高級分析技術方面，審計人員獨具的自主思考能力是無可替代的。大數據在處理時所運用的工具和技術具有很大的優勢，審計人員需要根據不同的業務性質作出不同的判斷。

（四）建立大數據安全規范與標準

審計監督全覆蓋背景下，政府績效審計需要的數據量增加，海量數據的安全性難以保障，我國有關審計數據標準與安全問題的法規制度還比較匱乏。對此，政府績效審計中，審計數據標準與安全規范可參照全國信息技術標準化技術委員會大數據標準工作組提出的《信息技術大數據術語》和《信息技術大數據技術參考模型》等基礎性標準以及中國電子技術標準化研究院、全國信息技術標準化技術委員會大數據標準工作組2018年3月發布的《大數據標準化白皮書（2018版）》。第一步，建立大數據標準體系，相關部門應給予足夠重視，要集中力量解決數據規范與安全問題。第二步，規范審計大數據采集的合理尺度，數據采集范圍過大，字段包含的經濟含義過于廣泛，會影響信息的原始性。同時，制定大數據安全規范標準，應立足于實際績效審計業務，在與相關專家溝通交流的基礎上，構建績效審計數據架構。針對結構化數據和非結構化數據分別建立一套規范體系，通過對數據的標準化，使得審計資料、信息能在審計署與各級審計機關之間互通共享。此外，審計機關可以和相關數據安全機構合作，開發數據保密軟件，嚴格控制授權認證，出臺數據安全相關法規制度，防止一些涉及國家機密的審計數據外泄。

（作者單位：西北大學經濟管理學院，郵政編碼：710127，電子郵箱：1398794972@qq.com）

主要參考文獻

劉國城，王會金.大數據審計平臺構建研究[J].審計研究， 2017（6）：36-41

王會金，劉國城.大數據時代政務云安全風險估計及其審計運行研究[J].審計與經濟研究， 2018（5）：1-11

鄭偉，張立民，楊莉.試析大數據環境下的數據式審計模式[J].審計研究， 2016（4）：20-27