基于大數據技術的政府績效審計

馬蔡琛 管艷茹

【摘 要】 績效審計已成為國家綜合審計功能的新興要素。在以抽樣數據為基礎的傳統績效審計模式下，存在以事后審計和局部審計為主、績效審計結果應用不足等局限性。在大數據的背景下，具有大容量、多樣性、高速率和準確性特征的大數據技術，在一定程度上克服了傳統績效審計的局限性，主要表現為績效審計周期延長、審計對象更加擴展、審計結果應用日趨深化。就未來發展而言，可從以下維度加以謀劃：建立大數據審計平臺，實現持續績效審計;建立多元主體協同合作模式，實現績效審計全覆蓋;促進審計結果的綜合應用。

【關鍵詞】 大數據; 績效審計; 預算績效管理; 持續性審計; 前瞻性審計

【中圖分類號】 F239.1? 【文獻標識碼】 A? 【文章編號】 1004-5937（2020）19-0108-06

一、引言

績效審計作為近30年來快速發展的政策分析和評價手段，逐漸成為立法機構和審計機關開展工作以及政府制定相關政策的重要基礎。績效審計報告呈現出一種責任機制的性質，具體展示了公共部門的績效，在某種程度上績效審計已經超越了傳統審計，成為國家綜合審計功能的新興要素[ 1 ]。由于政府審計規模的擴大和復雜程度的提高，傳統審計技術仍以抽樣數據下的審閱、抽查、分析、函證等為主[ 2 ]，使得審計部門在有限資源約束下的任務十分繁重，故審計行為大多集中于合規性審計，績效審計被不同程度地忽略。在大數據時代到來之前，面對紛繁復雜的審計信息，審計機關（尤其是基層審計機關）往往采取傳統的基于抽樣數據的審計方案，這與大容量、多樣性的大數據條件下以近似總體數據為基礎的審計方案相比，顯然存在一定的局限性。

在大數據時代，所有公共政策的實施都能夠得到實時的記錄與分析[ 3 ]，非結構化的網絡財務數據能夠與傳統會計數據實現集成[ 4 ]，提高了數據處理效率，降低了數據處理成本，壓縮了數據處理的時間與費用，使得合規性審計所耗費的時間大量減少，為審計人員實施績效審計提供了相對充裕的時間與空間。就國際經驗而言，英國國家反欺詐倡議（National Fraud Initiative，NFI）的績效審計項目，收集匹配各部門電子數據，建立了大數據分析平臺，績效審計工作的開展卓有成效[ 5 ]，內閣部長克洛伊·史密斯宣稱，通過NFI項目，英國政府節省了3億多英鎊[ 6 ]。然而，大數據技術在整個審計行業的應用發展還是較為遲緩。畢馬威公司將大數據時代的審計工作描述為“基于數據分析（Data & Analytics，簡稱為D&A）的創新驅動”，而其合伙人之一O'Donnell則認為，“從一位審計人員的角度出發，D&A的崛起并不代表審計事務發生了根本性改變”。從O'Donnell對大數據的看法中，可以窺見大數據在審計行業的發展潛力尚未得到完全釋放[ 7 ]。當前，大數據技術快速發展，其大容量、多樣性、高速率和準確性的特征，對績效審計的發展產生了巨大影響，充分發揮大數據技術在績效審計方面的潛力無疑是十分必要的。

二、傳統績效審計的特點及其局限性

傳統的基于抽樣數據的審計，通過對部分數據的收集和轉換、分析和驗證、構造查詢分析、多維分析等技術方法來建立數據分析模型[ 8 ]。該過程主要關注獲得數據的代表性，存在“樣本即總體”的固有風險，難以得到高度客觀與準確的審計結果[ 9 ]。從統計學的角度來看，數據量越大，最終結果越有效，而大數據技術的引入與應用，提供了更多可選擇的審計分析證據，在相當程度上克服了抽樣審計方案的局限性。在使用抽樣數據的情況下，傳統績效審計呈現出以下特點：

（一）以事后審計為主

抽樣數據下的績效審計更加注重事后的績效結果，在一定程度上忽略了事前和事中的績效表現。這與審計機關所偏好的抽樣數據選擇模式是分不開的，審計人員更傾向于剔除存在缺失的抽樣數據。當前的績效審計大多在事后開展，主要原因在于反映和證明項目執行情況或資金使用結果的審計證據在事后更加豐富，審計取證更加易于開展[ 10 ]。而事前和事中過程的項目立項、資金分配、具體執行等環節的審計證據，則往往有所缺失，完整性較低，使得審計取證過程中面臨的阻礙更多。

以2018年保障性安居工程中央財政專項資金的績效審計為例，從時間上看，審計署對這一專項資金的績效審計開展時間為2018年12月至2019年3月，屬于事后審計。從審計結果來看，確實存在資金使用績效較低的問題，如“354個單位以前年度收到的安居工程財政資金158.06億元未及時安排使用，截至2018年底已超過1年”[ 11 ]。如果引入大數據技術對其進行全過程的持續績效審計，實時追蹤資金來源與流向，事前就可以厘清以前年度的剩余資金，事中的績效審計可以及時發現以前年度剩余資金的閑置，這樣就可以有效提高資金的動態使用績效。以事后審計為主這一特點，雖然保證了事后績效結果的審計效率，但是事前審計預防警戒、事中審計及時修正改善的作用則難以發揮。

（二）以局部審計為主

局部審計是抽樣審計的主要特點之一，這里的所謂局部包括兩個層面：從宏觀來看，傳統績效審計通常聚焦公共資金的審計，而對國有資產、國有資源和領導干部履行經濟責任情況的績效審計占比偏低;從微觀來看，傳統績效審計更多地針對部分重要資金或重要項目，難以實現績效審計的全覆蓋。

在抽樣審計的模式下，檢查、函證、盤點、觀察、詢問、分析等審計程序多為現場審計，審計人員在查賬、盤存、調取相關佐證資料上就耗費了大量的時間，更不要說實現審計全覆蓋的高要求了[ 12 ]。以局部審計為主的特點與抽樣數據分析有重要關聯，在抽樣績效審計的情形下，數據局限是一個大問題，數據的完整性、全面性往往難以得到保障。

（三）績效審計的結果應用不足

傳統績效審計的審計結果主要呈現在單一績效審計報告中。通常情況下，績效審計報告的形式較為固定，內容呈現較為單一，從單一報告中能夠獲得的信息并不充分，并且由于抽樣數據下從局部推斷整體的局限性，審計結果應用的進一步深化也存在問題。

此外，從各級審計機關公開的審計公告中可以看出，獨立規范的績效審計報告仍然沒有得到推廣，績效審計結果的主要載體仍舊是審計公告，且形式不一，績效信息量明顯不足。

三、大數據時代績效審計邊界的拓展

大數據技術的發展，使得績效審計的邊界從時間、空間以及結果應用方面都得到了拓展與延伸。

（一）績效審計周期的延長

從時間維度出發，大數據的實時性可以讓持續審計變為現實，達到前后聯動，從事后審計拓展到鏈接事前—事中—事后的審計，延展審計過程的邏輯鏈條，并且可以通過事前的前瞻性績效審計來降低審計風險。

高速率（Velocity）是大數據的重要特點之一，它表現了新數據從產生到能夠使用的頻率，大數據環境下這種頻率越來越高，而且速度非常快。因此，審計人員獲取被審計對象的績效審計數據，可以通過大數據技術實時提供的財務信息，而不用通過傳統的季度或年度報告僅獲得某一時間節點下的相關數據[ 7 ]。現有關于持續審計的大多數文獻將其定義為一個連續的審計周期[ 13 ]，由于大數據技術可以實現快速分析和新數據的適應，連續的審計周期得以實現。某些大數據技術手段可以自動高效地處理新數據集，包括有著缺失值、不相關數據或高度相關數據等特征的新數據集。上述特征都是實時系統的重要特性，這類數據問題是無法人工去解決的[ 7 ]。

在美國，許多大型審計公司已經自動化了其審計過程，可以通過數字足跡進行審計跟蹤。通過數字化的地圖，告訴審計人員任何賬戶余額的數字來源是什么，從而真正識別賬戶余額中的風險，并持續向審計人員發布指導意見。審計人員遵循決策樹（Decision Tree），決定在何處分析，使用哪種分析過程[ 14 ]。大數據時代下，審計機關可以持續性地觀測和監督相關審計內容，實現對項目從立項到執行再到最后完成的持續跟蹤與分析，及時發現與防范預算過程中存在的績效風險，實現“事前防范—事中監控—事后問責”的全周期績效審計。

此外，在績效審計領域，對前瞻性分析的關注度不斷提高。美國政府問責署（GAO）發布的《政府審計準則》中明確指出，前瞻性分析是績效審計的重要目標之一[ 15 ]。前美國審計長沃克將審計機關承擔的功能分為六層，其中最高一層為促進前瞻（見圖1）[ 16 ]。早在20世紀90年代，美國就開展了前瞻性績效審計，對擬議的提案、立法、法規可能出現的結果進行比較，以確定項目的優先序[ 17 ]。

通過大數據技術的發展，人們不僅能夠快速分析和獲取事物的發展規律，而且能夠預測其后續的發展趨勢，實現態勢感知，以達到防患于未然[ 18 ]，這一特點顯然能夠更好地服務于前瞻性績效審計。因此，大數據技術極大地推動了持續績效審計和前瞻性績效審計的發展，而要實現這一進步，大數據審計平臺的搭建勢在必行。此外，在大數據平臺的建設過程中，考慮到大數據體量巨大的特點，還要格外注意信息垃圾的及時清理問題。

（二）績效審計對象的擴展

從空間維度出發，大數據的整體性包含了各部門和單位的全部審計數據，而非抽樣數據，有助于績效審計全覆蓋的實現。大容量（Volume）與多樣性（Variety）是大數據的兩個重要特征。顧名思義，大數據包含巨大容量的數據，以至于傳統工具無法滿足存儲的需要;而多樣性反映了大數據的不同數據格式，包括定量數據、文本數據和混合數據以及圖像、視頻和其他格式的數據。大數據可以跟蹤數千個同時發生的事件，實時執行千萬億字節容量的結構化與非結構化信息存儲。

在前文提到的英國NFI項目中，要求各部門使用數據文件上傳工具（DFU）提交符合規格的數據至電子平臺，NFI大數據分析平臺涵蓋了警察、消防等政府部門以及教育、醫療、養老等公共服務機構，幾乎包括了全部的公共資金[ 5 ]。大數據的特點，使得分析全部數據的可能性越來越大，而不僅僅是一個小容量的、精心挑選的子數據集或樣本，這有助于建立更具有說服力的審計模式。例如，一個審計人員若想要設置一些指標來表明日記賬分錄是錯誤的或有舞弊風險，則可以分析所有的日記賬分錄，并利用這些信息識別真正不尋常的日記賬分錄。在傳統績效審計的情況下，需要謹慎地消除不良數據，但當所有數據都可用時，某種程度的不良數據數量就是可以接受的。還有，如果績效審計僅僅基于少量的觀察，審計人員必須非常小心地確保數據是準確的，以避免使審計結論產生偏差;而如果能夠基于大量的觀察，那么審計人員則可以容忍一些錯誤，因為除非它們是系統性的，否則它們的影響將是微不足道的[ 19 ]。與傳統績效審計需要分析抽樣數據不同，在大數據技術的支撐下，審計機關可獲得的數據量大增，甚至可以獲取全樣本數據，從而得出更具客觀性和準確性的結論。

大數據為績效審計全覆蓋提供技術支撐的同時，也需要建立大數據環境下的多元主體協同合作模式，尤其是與財政部門的協作和不同層級審計機關的相互配合[ 20 ]。同時，以大數據作為基礎的多元主體協同合作模式，更需要注意數據的真實性以及數據的控制與保護，數據源篡改與數據泄露的風險不可忽視。

（三）績效審計結果應用的深化

從績效審計結果的維度出發，審計結果在大數據時代下可以通過可視化技術顯示出來，績效審計數據隨時間的變化顯示，比單一報告更加人性化，也有助于審計結果的綜合應用。同時，大數據的相關性分析可以進一步加強績效審計報告的深度。

在大數據時代，被審計對象及其所處的環境、管理過程以及潛在風險都可以通過可視化技術更加直觀地披露出來，這有助于推動績效審計結果的后續應用和監測績效問題的整改狀況。同時，被審計對象以往季度或年度的績效結果也可以同時呈現出來，能夠更加直接地進行縱向對比，為后續決策制定提供依據。此外，審計機關不僅可以提供最終的績效審計報告，而且可以將審計過程中挖掘的大量信息和數據，經分析整理后提供給被審計對象[ 21 ]，用于改善其績效，發揮績效審計成果的綜合使用成效。

大數據技術的發展在某些方面改變了人們的傳統思維：從試圖理解復雜現象的根本原因，走向更加傾向于識別和利用相關性[ 22 ]，這在互聯網公司中表現得尤為明顯。最為典型的就是谷歌流感趨勢（Google Flu Trends）和谷歌登革熱趨勢（Google Dengue Trends），這些工具通過監視與癥狀相關的搜索頻率來檢測流感和登革熱的傳播，從而為政府提供預警系統[ 23 ]。隨著聯網汽車可用傳感器數據的增加，不少保險公司通過獲取覆蓋距離、經常旅行的次數、交通擁堵、平均速度等相關數據，更簡潔地確定每個駕駛員所面臨的保險風險等級[ 24 ]。這也類似于績效審計，其中內部交易、會計欺詐問題等，與從相關文件和數據源獲得的指標是具有相關性的。目前，國外已有許多國有企業開始使用大數據分析進行績效審計來識別內部交易和會計欺詐[ 19 ]。通過大數據的相關性分析，審計人員將注意力從因果關系轉移到相關關系。也就是說，審計人員不需要像傳統思維那樣，通過找尋導致績效改善或下降的主要原因來得出審計結論，而是通過觀察發生這些結果的影響因素，比如通過關注與可能發生的績效結果相關的某幾項指標來進行預測或是結果判定。

四、大數據時代績效審計的發展思路

（一）建立大數據審計平臺，實現持續績效審計

大數據時代下，持續績效審計和前瞻性績效審計成為績效審計進一步發展的新命題。為改變當前以事后審計為主的審計模式，大數據審計平臺的建立必須提速。考慮到數據的移動、存儲與備份，大數據審計平臺需要由數據移動平臺、數據分析平臺、數據儲存平臺和數據備份平臺共同構成。通過數據移動平臺，被審計對象可以快速上傳其相關審計數據，降低數據移動所產生的成本消耗。數據分析平臺的構建，需要合適的績效審計分析模型和分析軟件來支撐，審計分析模型主要有查詢型分析、多維分析和挖掘型分析。此外，由于政府績效審計數據的多樣性，生態學、地理學及心理學等不同領域的分析模型也要不同程度地引入使用。數據存儲平臺可以使用Rest Ful、Socket、Dubbo及Web Service等技術[ 25 ]，以Apache Hadoop為框架，運用Map/Reduce模式，實現審計數據的快速聚類和分類[ 26 ]，將審計機關通過不同途徑收集到的大量審計證據分別儲存起來，同時規定審計人員在獲得授權情況下才能調取使用。為了防范操作失誤或系統問題導致數據丟失風險，數據備份平臺需要對較為重要的或調取頻次較高的數據及時備份[ 27 ]。

大數據審計平臺的建立，要突出績效審計的實時性與預警性。審計機關在大數據審計平臺的基礎上，需要進一步開發持續審計系統，持續審計系統可以使用Storm、S4、SQLstream等實時分析工具[ 28 ]。通過持續審計發揮審計分析模型和審計軟件的預警作用，也就是通過數字算法分析海量數據，進而預測風險發生的可能性。在持續審計系統中，記錄風險數據、預警臨界值指標，實現實時的風險預警[ 21 ]，盡早地通知被審計對象其存在的風險，從而避免財政資金低效與浪費的情況。

在通過大數據審計平臺進行績效審計的過程中，還需要注意信息過載的問題。大數據環境下的信息過載分為兩種情況：一是對現有信息的利用率較低;二是收集到的信息成為績效審計的阻礙而不是幫助。主要表現為區分相關信息較為復雜，難以理解細節與整體視角之間的相關性。出現信息過載的原因與信息的具體特征相關，如不確定性程度、模糊性、復雜性等[ 29 ]。因此，要格外重視審計數據的深度挖掘與分析。

（二）建立多元主體協同合作模式，實現績效審計全覆蓋

《關于實行審計全覆蓋的實施意見》（中辦發〔2015〕58號）明確提出“對公共資金、國有資產、國有資源和領導干部履行經濟責任情況實行審計全覆蓋”。為實現績效審計全覆蓋的目標，在大數據審計平臺的基礎上建立多元主體協同合作模式成為必然選擇。然而，當前審計機關往往處于孤軍奮戰的狀態，尤其是基層審計機關的技術資源較為匱乏，所以與其他政府部門（尤其是財政部門）的協作尤為重要，應推進財政部門的績效評價信息系統同大數據審計平臺的對接，并建立各層級審計部門在大數據審計平臺基礎上的協同合作模式。

績效預算的實施需要財政部門事前確定績效標準，事中進行績效控制，事后開展績效評價并出具績效報告。財政部門事前確定的績效標準和績效目標構成了審計機關績效審計的基礎，財政部門事后進行績效評價的部分內容也是審計機關開展績效審計所考察的內容。由此可見，財政部門的績效評價工作與審計機關的績效審計工作，在某些方面存在交叉與重疊。從大數據的應用情況來看，當前，財政部門對基于大數據的績效評價新模式也在積極探索中，部分省市已初步建立了績效評價信息系統，這些績效評價信息系統中包含的績效目標、績效標準、績效指標以及績效表現等大量數據信息，可以為大數據審計平臺的數據收集進行補充與完善。事實上，早在2014年，《國務院關于加強審計工作的意見》（國發〔2014〕48號）就要求“推進有關部門、金融機構和國有企事業單位等與審計機關實現信息共享，加大數據集中力度”。因此，審計機關尤其應與財政部門開展進一步的協同合作，建立相關績效信息的共享機制，有條件地開放財政部門績效評價信息系統與審計部門大數據審計平臺的端口，實現兩個信息系統的對接。

此外，為實現績效審計全覆蓋的目標，同時考慮到熟悉大數據審計平臺操作的專業技術人員較為稀缺的現實，還需要建立起各層級審計部門的協同合作模式。由省級審計部門發揮帶頭作用，建立協同中心，市、縣級的審計部門相互協調，形成省、市、縣三級機關為聯合統一體的協同審計模式。從大數據審計平臺的具體操作來看，首先要實現各級審計機關的協同數據采集，將全區域范圍內的審計數據匯集到協同中心，由專業人員將多種類型的信息數據轉換為標準格式后上傳到審計平臺;其次開展協同數據分析，發揮大數據審計平臺的關聯分析與異常檢測作用，將初步檢查出的績效問題進行匯總;最后再進行分散查證，將協同數據分析過程中發現的問題，通過大數據平臺分派給適合的基層審計機關，由基層審計人員對相關問題再次取證核查[ 30 ]。在這一過程中，需要注意加強信息共享，協同制定績效審計戰略，合理安排人力資源配置，提高審計效率。

在多元主體協同審計模式中，信息傳播范圍擴大，信息真實性與信息安全成為需要關注的問題。審計大數據的真實性是保證績效審計結果的必要條件，因此對數據的質量控制必須重視，對異常數據需要查找數據源，進行關聯分析，檢驗是否存在數據篡改的可能性。此外，網絡攻擊可能導致數據泄露問題，為防止這一現象的發生，需要做到對大數據審計平臺包括數據上傳、數據存儲、數據分析等鏈接整個數據生命周期各個環節的定期維護與加密。

（三）促進審計結果的綜合應用

績效審計與合規審計存在一定的差異，績效審計主要檢查公共支出的經濟性、效率性和效益性，對財政資金或項目進行全面的評價。為此，績效審計報告不應限于單一的財務審計報告，審計結果的綜合應用成為當前績效審計的發展方向。

為實現這一目標，以獨立規范的績效審計報告作為基礎是必須的。需要將各級審計機關發布的績效審計公告常規化與制度化，并且建立績效審計報告發布規范，確保績效審計報告的規范性與完整性。在此基礎上，可以考慮大數據環境下的可視化技術來提高績效審計結果發布的透明度與可獲取度。例如，利用Google's Dremel和Apache Drill等交互式工具[ 26 ]，受眾可以通過圖表的方式查看績效審計結果，使得績效審計結果的顯示更加直觀。

為增強績效審計結果應用的綜合性，需要發揮大數據技術的相關性分析功能，但也應注意到，大數據的非結構化特性可能會導致相關數據的選擇困難，并且對審計人員來說，接觸過多的信息會導致難以過濾掉不相關的信息[ 29 ]。為實現更高效的相關性分析和加強績效審計結果的綜合性：首先，在績效審計過程中獲得的大量數據資料，可借助大數據技術探究其內部規律、共性表現和發展趨勢，得出合理的審計意見，提供給被審計對象，為其后續決策提供幫助。其次，將績效審計結果留存系統，特別是將發現的審計問題規則化且固化到系統中，成為前瞻性績效審計的實踐經驗與歷史基礎，對被審計對象進行預警。最后，審計機關將被審計對象、審計結果和審計問題關聯起來，通過大數據技術實現相關關系的信息化，為相關性分析提供更為豐富的資料儲備。

【參考文獻】

[1] 杰瑞米·朗斯代爾，彼得·威爾金斯，湯姆·林.績效審計：問責政府的利劍[M].北京：經濟科學出版社，2018：13-14.

[2] 張榮.完善財政資金績效審計的途徑研究[J].會計之友，2015（4）：114-116.

[3] TITERA W R.Updating audit standard-enabling audit data analysis[J].Journal of Information Systems，2013，27（1）：325-331.

[4] O'LEARU D E.Big data，the internet of things and the internet of signs[J].Intelligent Systems in Accounting，Finance and Management，2013，20（1）：53-65.

[5] GOV.UK.Taking part in the national fraud initiative[EB/OL].https：//www.gov.uk/guidance/taking-part-

in-national-fraud-initiative.

[6] GOV.UK.Government saves ￡300m in two years by preventing fraud and error[EB/OL].https：//www.gov.uk/ government/ news/ government-saves-300m-in-

two-years-by-preventing-fraud-and-error.

[7] GEPP A， LINNENLUECKE M K， O'NEILL T，et al.Big data techniques in auditing research and practice：current trends and future opportunities[J].Journal of Accounting Literature，2018，40：102-115.

[8] BEI Z.Research on the application of big data in audit analysis program[C].2019 International Seminar on Automation，Intelligence，Computing，and Networking（ISAICN 2019）.UK：Francis Academic Press，2019：235-238.

[9] 劉國常，胡楓.大數據助推政府審計全覆蓋路徑研究[J].會計之友，2018（18）：98-101.

[10] 寇永紅，呂博.財政扶貧資金績效審計工作現狀及改進措施[J].審計研究，2014（4）：19-22.

[11] 審計署.2019年第4號公告：2018年保障性安居工程資金投入和使用績效審計結果[EB/OL]. http：//xinxi.audit.gov.cn：8888/gdnps/content.jsp？id=133109.

[12] 張亞麗.財務共享服務模式下大數據審計框架探究[J].會計之友，2019（21）：21-24.

[13] CHIU V，LIU Q，VASARHELYI M A.The development and intellectual structure of continuous auditing research[J].Journal of Accounting Literature，2014，33（1/2）：37-57.

[14] SALIJENI G，SAMSONOVA-TADDEI A，TURLEY S.Big data and changes in audit technology：contemplating a research agenda[J].Accounting and Business Research，2019，49（1）：95-119.

[15] GAO. Government auditing standards 2018 revisions[R].GAO，2018.

[16] 沃克.提高政府績效 增強政府問責和前瞻能力[J].審計與經濟研究，2007（5）：5-8.

[17] GAO.Prospective evaluation methods：the prospective evaluation synthesis[R].GAO，1990.

[18] 薛一波.大數據的前世、今生和未來[J].中興通訊技術，2014，20（3）：41-43.

[19] BYRNES P， CRISTE T， STEWART T， et al.Reimagining auditing in a wired world[R].AICPA，2014.

[20] 卓越，盧梅花.澳大利亞績效審計發展新趨勢[J].中國行政管理，2012（2）：91-94.

[21] 秦榮生.大數據、云計算技術對審計的影響研究[J].審計研究，2014（6）：23-28.

[22] MAYER-SCHOENBERGER V， CUKIER K. Big data：a revolution that will transform how we live，work，and think[M].Eamon Dolan/Houghton-Mifflin Harcourt，2013.

[23] ROSSI B. Causation and correlation：a big （Data） headache[EB/OL].https：//www.information-age.com/ causation- and- correlation-big-data-headache-123460611/.

[24] Why data correlation is essential to big data[EB/OL].https：// www.vidsys.com/ blog/ data-correlation-essential-to-big-data/.

[25] 劉國城，陳正升.大數據審計的發展態勢、總體策劃與流程分析[J].會計之友，2019（8）：30-35.

[26] 陳偉，SMIELIAUSKAS WALLY.大數據環境下的電子數據審計：機遇、挑戰與方法[J].計算機科學，2016（1）：8-13，34.

[27] 劉佳黎.大數據背景下的國家審計變革研究[J].財政監督，2016（11）：64-66.

[28] CHEN C L P， ZHANG C Y. Data-intensive applications，challenges，techniques and technologies：a survey on big data[J].Information sciences，2014，275：314-347.

[29] HELEN B L，HUSSEIN I，LOMBARDI D.Behavioral implications of big data's impact on audit judgment and decision making and future research directions [J].Accounting Horizons，2015，29（2）：451-468.

[30] 魏祥健.大數據環境下政府審計模式轉變[J].財會月刊，2016（22）：64-67.