大數據智慧工程審計平臺構建

王雪榮 侯偉龍 虎祎笑

【摘要】大數據作為新一代信息技術創新融合的最新產物， 對許多領域產生了巨大影響。 通過分析傳統審計方式存在的缺陷和不足以及國家對大數據審計技術的需求， 結合國內外大數據審計研究現狀， 提出基于“點—線—面”思維的數據式審計模式， 并以此為基礎構建大數據工程審計平臺。 從大數據工程審計平臺的設計思路、所利用的技術以及實現方法出發， 進一步論述該平臺實現的可能性以及其對于工程審計的重大意義， 為大數據環境下數據式審計模式的研究和實踐提供思路。

【關鍵詞】大數據;“點—線—面”思維;數據式審計模式;工程審計

【中圖分類號】 F239? ? ?【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）17-0092-6

一、引言

2014年10月， 黨的十八屆四中全會對全面推進依法治國作出部署， 并強調和鞏固了審計監督在黨和國家監督中的地位， 同時提出對公共資金、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”。 2018年3月中共中央印發《深化黨和國家機構改革方案》， 提出為更好地發揮審計的監督作用， 建立中央審計委員會。 在國家治理能力和治理體系現代化的大背景下， 探討如何實現國家審計制度體系和國家審計能力現代化， 特別是如何實現審計技術方法的創新， 以滿足黨和國家對審計監督作用的要求， 提高審計質量、增強審計效率、實現審計全覆蓋， 具有十分重要的現實意義。

近年來， 信息化環境持續發生變化， 審計對象已經轉向大數據方向[1] 。 面對黨和國家對審計工作的新要求， 審計實踐出現了一些問題， 如： 大數據環境下數據復雜程度高， 傳統審計方法難以處理海量數據， 數據中隱含的關鍵有用信息更難被發現; 審計資源與審計任務沖突， 大數據環境下審計人員要花費數倍于以往的精力進行數據分析， 這與增長緩慢的審計資源存在沖突， 審計資源明顯不足于處理審計任務; 審計方法落后且對新審計方法開發使用程度不深， 新環境下消極進行方式方法改革創新， 對審計效率收獲甚微。 為適應大數據環境， 審計技術方法要隨之變化。 為了更好地推進大數據技術在審計領域的應用， 本文嘗試分析大數據審計平臺的構建和實現路徑， 以解決部分審計難題， 提升審計能力， 更好地幫助審計人員開展工作。

二、大數據審計相關文獻回顧

隨著審計項目的日益復雜和對審計要求的提高， 需要新的技術手段來輔助審計工作的開展。 針對大數據審計的研究雖然剛剛起步， 但研究工作正在蓬勃開展， 發文數量逐漸增多。 有學者通過分析大數據背景下傳統審計模式的弊端， 如審計機關的審計成本高[2] ， 審計在數據一致性、完整性、識別性、聚合性和機密性方面存在問題[3] ， 認為大數據的特點與審計的契合度非常高， 將是傳統審計模式強有力的替代[4] 。 然而， Adrian Gepp等[5] 通過分析大數據技術在審計領域的使用情況， 發現其并不像在其他相關領域那樣被普遍使用， 審計領域在使用有價值的大數據技術方面落后于其他研究領域。 因此， 對于大數據技術在審計領域的使用應當提高關注度。

此外， 徐鶴田[6] 基于傳統的SWOT分析， 對國家治理視角下的大數據審計工作模式展開研究， 肯定了大數據審計對國家治理的作用。 鮑朔望[7] 認為可以將大數據審計引入政府采購系統， 提升對政府采購系統審計的便利程度， 并大幅提高審計效率。 還有學者嘗試構建大數據審計平臺， 希望將理論成果向實務進行初步轉化和嘗試。 如： 陳偉和Qiu Robin[8] 、林俊[9] 提出可以采取模糊匹配的審計證據獲取方法以及數據匹配方法， 找到數據的重復點和存疑點， 并基于此原理構建了大數據分析平臺; 劉國城、王會金[10] 提出可以將大數據審計平臺分拆為采集、預處理、分析和可視化四個子平臺， 為大數據審計實踐提供了思路; 魯清仿等[11] 從審計法律法規出發， 同時結合審計人員的審計經驗、思路、判斷依據， 構建了由計算機系統自動實施的“智慧”大數據審計平臺; 陳大峰、陳海勇[12] 提出構建趨勢審計實施框架， 利用大數據集中處理技術和統計技術代替傳統的數據抽樣處理， 以控制誤差。

由此可見， 學者們基本上肯定了大數據之于審計的重要性， 并且兩者是十分契合的。 目前， 對于大數據審計的研究正由理論向實務過度， 從論證大數據審計的可行性轉向大數據審計平臺的搭建。 但是， 大數據審計平臺的搭建大多仍停留在設想層面， 并且較為宏觀， 技術層面涉及較少， 實踐意義不大。 因此， 本文從工程審計這一微觀角度出發， 利用工程審計數據來源、種類以及工程審計本身的特點， 提出基于“點—線—面”思維的數據式審計模式， 并據此構建大數據工程審計平臺， 以期增加該領域研究的邊際價值。

三、“點—線—面”數據式審計模式設計思路

審計模式， 又稱審計取證的模式， 到目前為止經歷了以賬項為基礎的賬項基礎審計模式、制度基礎審計模式、傳統風險導向審計模式、現代風險導向審計模式四個發展階段。 審計模式的改變受到審計內部因素、審計環境及審計對象的影響。 外部信息環境的變化會造成審計環境的變化， 最終影響審計方法和模式， 與此同時， 審計人員為提高審計效率也會變革審計方式和模式[13，14] 。 石愛中、孫儉[15] 認為， 審計對象的信息化程度改變了審計模式， 并基于不同的審計環境對審計模式進行了區分： 手工背景下的審計模式包括賬目基礎審計和制度基礎審計， 信息化背景下的審計模式包括賬套式審計和數據式審計。 隨著社會的進一步發展， 電子數據成為主要的審計載體， 審計模式得到進一步發展， 數據式審計模式應運而生。 鄭偉等[1] 認為， 在信息環境下， 相應的審計取證模式發展為數據式系統基礎審計模式。 本文基于數據式審計模式， 結合工程審計的特點， 提出了“點—線—面”數據式審計模式。

“點—線—面”思維是指審計人員從單個項目細微之處入手， 通過專業知識和技能， 發現獨立項目審計疑點， 之后串聯同類項目進行橫向比對， 最終從宏觀層面對整個被審計項目進行審視、分析和預測， 達到“治已病、防未病”審計全覆蓋要求。

“點”是指審計人員從單個項目出發， 對項目的每一個數據都進行審查， 在審計業務的單個環節之中發現數據異常點， 尋找數據之間的勾稽關系， 作為形成審計結果的依據。 “點—線—面”思維的實現要借助基于數據挖掘的大數據技術， 通過將數據挖掘與審計目標相結合， 充分挖掘海量數據中的隱藏信息， 發現數據之間的內在邏輯關聯關系， 并對數據進行可視化分析， 結合審計人員的職業判斷著重分析異常點。

“線”是指審計人員對同一業務的數據進行縱向對比分析， 或者對不同業務的相似環節產生的數據進行橫向對比， 對從大數據中挖掘得到的數據進行離群點分析、偏離度分析以及關聯度分析， 發現單個項目核查時未發現的審計疑點或者排除具有合理性的偏離， 利用專業知識、技術挖掘信息。 針對工程審計， 不同項目中所有的相同分部分項數據具有可比性與可挖掘性， 這些數據可以形成一條線。 對同一類型數據的分析可以從波動情況、離群點、異常點、孤立點等方面進行， 以此作為尋找審計疑點（風險點）的依據。 以工程變更問題為例， “點”的分析思維是， 發現項目出現異常變更， 審計人員將其設為審計疑點， 初步可以將其歸為某個施工單位為取得私利而進行的變更， 或者因設計單位在初設時深度不夠而造成實際情況下必要的變更; “線”的分析思維便是， 將所有變更數據進行匯總， 利用大數據技術進行分析， 綜合所有變更數據， 得到一個變更區間， 聯系變更數據分布設置變更上下浮動比例， 超過此浮動比例的則將其作為審計疑點進行進一步的審計。

“面”是指審計人員完成全部數據分析之后， 從宏觀角度對整個業務或項目進行再次審視。 在宏觀形勢下， 基于重要性原則， 對疑點發生的性質和金額以及其他審計問題做出最終的判斷。 通過項目已知問題和問題狀況， 評判整個審計生態的態勢， 并做出相應的預測性判斷， 作為將來投資決策的可靠依據， 充分利用數據資源價值提高審計判斷的準確性。 在實際運用中必須結合審計項目的具體情況， 實現一般性和特殊性的銜接， 并根據實際情況的變化隨時調整審計要素與審計結構， 最終實現在“點”的分析處發揮審計“顯微鏡”的作用， 發現審計疑點， 在“面”的分析處發揮審計“望遠鏡”的作用， 實現總體分析預測性功能。 簡略的“點—線—面”思維如圖1所示。

四、“點—線—面”數據式審計模式下大數據審計邏輯流程與平臺構建

“點—線—面”思維指導下的數據式審計模式， 需要數據之間的橫向、縱向比較， 并基于此深入挖掘數據中的離群點、偏離度和關聯規則， 作為審計人員發現審計疑點的指導和依據。 利用該審計模式由小及大、由微觀到宏觀的特點， 幫助實現工程審計全覆蓋。 在此模式下， 結合大數據技術是十分必要的， 并且使用大數據技術能更好地發揮審計在大數據環境下的職能。 對于簡單數據的處理， 可以通過建立數據算法模型來進行， 以減少人工機械性重復的工作量， 提高審計效率。 結合審計目標， 基于數據挖掘規律， 揭示數據中潛在的關聯關系與邏輯屬性， 利用數據資源價值有效提高審計判斷的準確性與效益性， 是對傳統審計模式的完善與優化， 即采取文本挖掘、知識圖譜、機器學習與智能推斷等大數據技術， 形成智能審計判斷、智能預警的模式。 本文結合工程審計環節的特點以及大數據技術的應用現狀， 基于關系型管理系統（RDBMS）設計了“點—線—面”數據式審計模式下的大數據審計平臺， 平臺構建邏輯如圖2所示。

大數據審計平臺的構建邏輯大致可分為六個部分： 工程審計目標分解， 審計數據采集與整理， 數據特征分析與關聯分析， 審計判斷與知識推送， 審計判斷與預警分析， 智能審計管理平臺。 圖2左側為實現上述六個系統流程的基層技術支撐， 所使用的大數據技術以及人工智能技術， 可確保大數據工程審計具有技術上的可行性。 其中全程貫穿機器學習與人工智能技術， 利用機器學習不斷優化審計邏輯， 使其更加智慧。 圖2右側為平臺的展現層面， 即將邏輯流程中的結果通過可視化技術進行呈現， 將數據文本信息轉化為更直觀的圖像信息， 有利于審計人員發掘審計疑點， 進行審計預警與審計判斷。 其中以圖書情報學的知識圖譜作為基層技術， 根據審計目標利用可視化技術描述數據， 挖掘、分析、構建、繪制和顯示它們之間的相互關系。 圖2中間的系統流程具體說明如下：

1. 工程審計目標分解。 將傳統審計目標與大數據背景相結合， 實現審計目標擴展與流程再造; 將審計目標進行轉換， 使之符合大數據分析， 然后將其導入審計平臺， 建立審計標準化體系， 規范審計作業流程， 借助大數據平臺精細化審計目標。

2. 審計數據采集與整理。 其包括進行數據清理、內容集成和數據融合， 目的是提高數據置信度、減少模糊性、提高可靠性。 數據類型分為結構化數據和非結構化數據， 結構化數據可以通過Excel輸入， 非結構化數據可使用OCR（Optical Character Recognition， 光學字符識別）技術和NLP（Natural Language Processing， 自然語言處理）技術進行結構化處理。 之后數據可以上傳到云存儲中， 使用時直接下載， 節約本地存儲空間。

3. 數據特征分析與關聯分析。 即根據審計工作任務和要求， 對目標數據集進行分析。 數據分析部分在后臺建立數據處理模型， 使用分箱處理方法， 利用聚類算法、關聯挖掘算法、KNN（K-Nearest Neighbor）分類算法以及統計算法等對數據進行處理， 計算數據的偏離度、離群點、關聯度， 并在下一步進行審計判斷的過程中以可視化方式展現。

4. 審計判斷與知識推送。 借鑒可視化分析結果進行分析， 可以更加直觀地進行審計判斷。 在此過程中， 大數據審計平臺引入審計證據鏈判斷， 對常規、常見的情況進行判斷， 并根據不同情形給出處理結果， 以減少人力資源投入和提高判斷的準確性。 同時， 構建審計案例庫、方法庫等， 加深對審計成果的挖掘應用。 證據鏈就是“證據+鏈條”， 是指在證明客觀事實與物件的過程中所涉及的證據組成的證明體系， 構成某一證明體系的證據能夠直接通過合理推斷進行相互印證從而相互關聯， 作為證據鏈中的一節， 證據必須具備可采集性， 證據鏈之中的證據必須能夠相互印證。 審計證據是在證明審計結論的過程中， 為了形成并支撐審計意見而獲取并利用的審計數據， 其通常由一定的載體承載， 能夠表達出審計對象在經濟活動中留下的痕跡。

工程審計證據鏈就是在根據工程審計目標確立審計要素與要素標準， 對應工程建設生命周期， 沿著“工程數據→審計疑點→審計證據→審計證據鏈→審計判斷”的路徑， 判斷工程建設業務是否遵循合法合規性、真實性與效益性審計目標的過程中， 所形成的關聯關系鏈條。 通過圖譜方式展示工程審計證據鏈以及與審計判斷和審計證據相關的整體知識結構、可視化分析檢索結果， 有助于整體把握審計判斷依據， 把握審計證據鏈的變化與進展， 很適合審計知識需求特征與證據鏈的展示需要。 以是否按規定給予征地補償為例， 其審計證據鏈與審計判斷具體如圖3所示。

5.審計判斷與預警分析。 構建持續審計智能化模型， 基于該模型， 按照合規驗證和統計分析， 通過人機互動， 結合可視化分析結果與審計人員的專業判斷， 挖掘疑點和實時進行風險預警。

6. 智能審計管理平臺。 該模塊應用機器學習技術， 通過總結利用數據， 訓練出模型并不斷優化， 最終實現針對輸入數據， 結合項目分類， 自動出具審計報告的目標。

基于上述邏輯搭建的智能審計平臺與企業或單位的內部控制及風險控制機制相結合， 構建大數據審計平臺的總體架構， 如圖4所示。

該平臺具有如下優勢： ①監督管理可視化。 基于審計標準化體系實現審計過程規范管理、審計取證過程可追溯、問題整改過程可視化。 ②風險管控立體化。 通過內部控制、風險管理和內部審計作業協同及信息共享， 實現企業全面風險管控。 ③持續智能審計。 基于審計模型構建， 按照合規驗證和統計分析， 實現疑點挖掘和風險實時預警。 ④業務流程自動化。 通過審計工具自動化、流程標準化， 實現過程作業、底稿生成以及數據的高效處理。

五、“點—線—面”數據式審計模式下大數據審計的意義

1. 提高審計效率。 大數據審計下， 審計過程中所需的被審計單位數據、資料等全部提前錄入平臺， 減少了基層審計人員的機械式、重復式工作， 節約了審計時間。 基于大數據審計平臺強大的運算、匯總功能， 審計人員可以有選擇性地調取數據， 初步篩選審計疑點。 大數據審計可以減少甚至解決傳統審計模式下存在的各種弊端， 如無效等待、審計延遲， 以及審計流程過多、不連續或無效率等一系列審計浪費問題。 大數據審計將審計人員從重復、繁雜的工作中解放出來， 使其有更多的時間和精力進行專業的審計判斷， 更多地發現被審計單位的問題， 進一步提高整體審計效率。

2. 提高審計疑點挖掘精準度。 在大數據審計構建過程中， 受“點—線—面”思維中“點”思維的指導， 利用大數據審計平臺對單個項目進行審查核算， 可以發現單個項目中存在的問題。 受“線”思維的指導， 根據審計人員提前設置的具有科學性和專業性的工程審計指標（如合同綜合單價變化率、變更綜合單價變化率等）， 可以對相似項目或同類項目實施橫向對比， 進行數據串聯， 將指標進行匯總， 設置合理變動區間。 基于該合理區間， 可以對單個項目審核中發現的疑點進行進一步區分， 同時對未發現的疑點進行進一步挖掘。 由此細化區分審計疑點， 實現提高審計疑點挖掘精準度的目標。

3. 突顯工程治理宏觀評價能力。 傳統工程項目由于施工過程資料屬于非結構化數據以及施工材料價格時效性強， 或是僅注重項目建設過程造價而忽略對后續運維成本的計量等原因， 對工程項目全生命周期的重視程度不夠， 從而無法對工程治理進行宏觀而全面的評價[16，17] 。 大數據審計平臺可以很好地處理結構化數據與非結構化數據， 并且上傳的數據都將在服務器內進行存儲， 能夠完整保存整個項目全生命周期的數據， 為工程治理宏觀評價提供良好的數據基礎。 此外， “點—線—面”思維指導下的大數據審計平臺， 是“點”與“面”的結合， 能夠對于全體數據進行橫向、縱向對比， 揭示整個工程治理生態， 起到宏觀評價的作用。

4. 發揮工程項目風險預警功能。 在大數據工程審計平臺上實時錄入工程項目產生的數據， 利用該平臺強大的分析功能對數據進行分析， 實現數據分析與工程項目建設同步進行， 分析工程建設期間利益沖突的變化， 定位風險源泉， 對工程建設所在地社會穩定性風險進行持續審計與風險預警。 利用專家團隊或者專業審計人員提前建立風險監測指標體系， 構建審計分析模型， 并導入大數據平臺以進行數據挖掘分析， 持續監督業務風險， 實現事后審計向事中審計、事前預警的轉變， 防患于未然， 降低項目事后監管成本， 控制項目預算。

六、結論及建議

本文基于習近平總書記“審計就像體檢， 不僅要查病， 更要治已病、防未病”的指示， 以及新時代國家治理和審計全覆蓋的要求， 分析了目前大數據審計平臺構建的可行性， 提出了通過構建基于數據挖掘并結合“點—線—面”審計思維的工程審計平臺， 落實大數據技術在工程審計中的應用， 實現審計資源的優化配置， 促進工程審計在技術層面實現“現代化”轉變， 最終實現轉型發展。

“點—線—面”審計模式作為一種審計與工程專業的融合性探索、嘗試性研究， 在該領域尚有許多工作需要完成。 本文搭建的大數據審計平臺及其各子模塊均基于工程審計數據環境以及數據特點而建立， 下一步可以進一步提升該平臺的普適性， 將其應用于政府審計的其他方面， 以及民間審計、內部審計等所有審計領域。 此外， “點—線—面”審計模式并沒有在實踐中進行大范圍的試驗和檢驗， 未來應加強此方面的實證研究， 在實踐中不斷豐富和調整該審計模式。

【 主 要 參 考 文 獻 】

[1] 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.

[2] Xiang Jian Wei. Building the Audit Information System in Cloud Computing Environment[ J].Applied Mechanics and Materials，2014（509）：170 ～ 174.

[3] Juan Zhang， Xiongsheng Yang， Deniz Appelbaum. Toward Effective Big Data Analysis in Continuous Auditing[ J].Accounting Horizons，2015（2）：469 ～ 476.

[4] Kyunghee Yoon， Lucas Hoogduin， Li Zhang. Big Data as Complementary Audit Evidence[ J].Accounting Horizons，2015（2）： 431 ～ 438.

[5] Adrian Gepp， Linnenluecke M. K.， O'Neill T. J.， et al.. Big Data Techniques in Auditing Research and Practice：Current Trends and Future Opportunities[ J].Journal of Accounting Literature，2018（40）：102 ～ 115.

[6] 徐鶴田.國家治理視野下的大數據審計工作模式研究——基于SWOT分析[ J].中國內部審計，2017（1）：77 ～ 82.

[7] 鮑朔望.大數據環境下政府采購審計思路和技術方法探討[ J].審計研究，2016（6）：13 ～ 18.

[8] 陳偉，Qiu Robin.面向大型數據庫的審計數據采集方法[ J].計算機應用，2008（8）：2144 ～ 2146+2149.

[9] 林俊.企業內部控制信息化實施相關問題探討[ J].企業改革與管理，2016（21）：50 ～ 51.

[10] 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.

[11] 魯清仿，燕萬年，王開一等.智慧審計構想與實踐探索——基于解構法律法規條款[ J].審計研究，2018（1）：28 ～ 34.

[12] 陳大峰，陳海勇.大數據環境下信息系統趨勢審計分析[ J].財會月刊，2019（17）：116 ～ 123.

[13] 陳毓圭.對風險導向審計方法的由來及其發展的認識[ J].會計研究，2004（2）：58 ～ 63.

[14] 謝榮，吳建友.現代風險導向審計理論研究與實務發展[ J].會計研究，2004（4）：47 ～ 51.

[15] 石愛中，孫儉.初釋數據式審計模式[ J].審計研究，2005（4）：3 ～ 6.

[16] 李茜，李瑩.基于BIM的公路工程全生命周期綜合造價精細化管理研究[ J].公路工程，2019（3）：264 ～ 269.

[17] 劉尚科，丁向陽，俱鑫等.某地區變電站全生命周期造價管理工程應用研究[ J].西安理工大學學報，2019（4）：518 ～ 523.