大數據背景下對工程審計的思考

■吳怡雯

一、引言

自國家加強審計工作以來，審計工作的地位越發凸顯，而工程審計作為審計的重要分支，其重要性也不言而喻。在工程建設中，審計的有效實施發揮了有力的監督作用，只有在工程審計這把利刃下，建筑工程的質量才能得到保障，建筑施工進度才能得到有效控制，建筑成本才能得到合理規劃。

然而，隨著時代的發展變遷，傳統工程審計技術方法已經不能滿足投資審計之需。相較于以前，如今國家對建設項目的投資正呈持續增長趨勢，且投資的建設項目變得更為復雜，數據也更加龐大，這對傳統工程審計無疑是一種挑戰。所以，在時代背景下順應大數據潮流是十分必要的，工程審計應以大數據技術為依托，最大程度挖掘工程大數據的價值。因此，本文將圍繞傳統工程審計的現存問題，闡明大數據工程審計的必要性，并在此基礎上結合大數據審計的特性和優勢對大數據工程審計提出一些建議，以期能夠助力工程審計的未來發展。

二、傳統工程審計的問題

1.審計監督無法覆蓋項目建設全過程。

由于審計資源的匱乏以及審計能力的限制，傳統工程審計主要集中在項目的竣工結算階段，是事后審計，重點是對施工單位提出的工程造價進行審核，而對于工程項目的前期立項決策等階段是有所忽略的，而建設項目往往建設周期較長，除了事后階段，事前和事中也應該得到審計監督。比如，工程項目立項決策階段確定了項目的必要性和可能性，在此階段，前期審計對決策事項進行監督管理，對項目的科學決策、減少資金損失有舉足輕重的意義。再比如，在項目建設過程中，項目進度以及項目質量是工程必不可少的兩大要素，在此階段實施審計監督有助于實現建設工程價值。此外，在建設項目的后評價以及運維階段進行審計，能夠對項目的后期運轉進行有效監管，以此來保證項目的效益效果。因此，工程審計應將監督作用發揮在工程項目的各個環節，實行全過程的風險管控。

2.審計監督無法實現數據的全覆蓋。

傳統工程審計中，審計獲取數據的來源可能僅限于被審計單位，審計人員更多的只是根據被審計單位提供的資料開展工作，獲取資料的渠道十分有限。另外，由于審計資源的限制，審計人員往往沒有精力和能力去收集、分析全面的數據資料，這在一定程度上會影響審計的準確性、增加抽樣審計帶來的誤差風險。

3.工程審計人員專業素養低。

工程項目審計從前期審計一直到終結審計，環節眾多，技術要求高，所以審計人員的素質是保證審計工作的必要條件。目前，一些老工程審計工作者對于大數據技術的接受程度較低，大部分工程審計者無大數據專業化素養，大數據工程復合人才稀少，專業力量薄弱，甚至有些審計人員缺乏職業責任感，循規蹈矩，拒絕創新，導致工程審計工作無法順應時代發展。

三、大數據工程審計的必要性

如今，在大數據背景下，隨著國家投資工程項目數量和規模的增加，以及項目本身的復雜程度加大，電子數據逐漸成為了工程審計的主要對象，僅僅使用傳統工程審計模式耗材耗力，所以，將大數據作為工程審計新模式的核心是大勢所需。大數據的特征是數據類型繁多、數據處理速度快、時效性要求高，這恰恰契合了工程項目審計數量多、規模大、周期長的特點。

1.大數據工程審計有利于實現建設過程全覆蓋。

考慮到審計資源匱乏以及審計范圍廣等多方面因素，傳統工程審計很難做到全覆蓋審計。但在大數據工程審計的運用過程中，我們是能夠將審計監督全面覆蓋到建設項目從立項到后期運維的各個環節的。在審計過程中，通過大數據審計平臺以及聯網采集等技術收集各階段的工程數據資料，提取海量數據進行分析，生成審計疑點，對于工程前期以及建設工程的風險點進行及時的預警，真正實現審計的“免疫功能”。

2.大數據工程審計有助于提高審計質量。

傳統工程審計中，審計力量的限制導致審計范圍受限，而在大數據工程審計中，海量全面的工程數據都可以收錄在一個數據庫當中，系統可以圍繞不同的建設階段，挖掘審計的異常點，并根據匹配到的法律法規自動生成審計疑點，由此得出審計結果能夠避免傳統工程審計時審計人員由于審計不全面而導致審計質量下降的問題。此外，審計平臺還可以對歷史審計項目數據實現“記憶功能”，通過相關分析等算法找到審計項目的歷史相關數據，較快地得出適用于項目的審計重點及方法，使審計人員有針對性地發現違法違規等審計線索，以此促使審計質量的進一步提高。最后，審計人員在利用大數據審計技術時，可以實現審計資料、依據的動態更新，比如，大數據應用平臺可以抓取到最新的市場價格等并進行不斷更新，這也在一定程度上提高了審計結果的準確性。

3.大數據工程審計有助于提高審計效率。

大數據審計在實際運用過程中可以利用聯網采集技術、數據挖掘技術等充分采集、存儲、整合、分析不同部門的大量工程數據資料，這不僅有助于審計人員在開展工作時能夠快速定位材料，還能夠協助審計人員自動分析處理數據、自動生成審計疑點?？偠灾么髷祿夹g進行工程審計很大程度上減少了審計人員的工作量，也節省了審計人員的工作時間，提高了審計工作效率。

四、對大數據工程審計的建議

1.建立大數據審計平臺。

利用大數據技術進行工程審計需要有一定的平臺依托，我們應該建立大數據審計平臺。平臺應融合信息提取、數據挖掘等技術精準識別工程數據資料、挖掘審計疑點并向審計人員推送相關法律法規。同時，平臺應運用相關分析將審計項目與同類審計數據相類比，及時幫助審計人員確定審計重點。

目前，大數據審計平臺已經在多地得以建設，但由于技術水平的限制，多數智慧審計平臺還存在著一些問題。比如，平臺在抓取數據時，現有的技術并不能對一些非結構化數據實現自動識別，還需要人工進行字段拆解，這不僅會給審計人員帶來更加繁瑣的工作，降低審計的工作效率，也與智慧審計平臺解決審計資源有限的初衷相悖。針對這個問題，我們除了可以投入研究非結構化數據人工智能識別技術，還可以從資料的源頭抓起，通過統一被審計單位的資料格式，利用填空的形式規定字段長度大小，以此來解決非結構化數據無法識別的困境。

此外，智慧審計平臺的核心理念除了體現在智能識別上，平臺的自主學習、自我完善審計方法的能力也十分重要，就像alphago 一樣，它能通過左右互搏提高自己的水平。如果審計平臺能在這方面有所突破，審計工作的效率就會有更大層面的突破。

2.實現多平臺數據的互通互聯。

在大數據工程審計過程中，數據等資源共享的實現能夠大大提升審計效率和審計質量。我們可以加強數據資源云、塊數據平臺、聯網審計等的開發建設，將工程審計全過程所需的數據資料、信息存儲到一個平臺中，這會大大減少審計人員甚至是各部門人員的工作，也能在一定程度上保證審計數據的準確性。

3.審計數據的質量要得到保障。

在大數據審計的背景下，工程審計數據逐漸成為工程審計風險的一個重要來源，如果我們審計依據的是質量糟糕的數據，那么得出的審計結果也會不盡人意。所以，為了規避審計風險，就要建立審計數據質量評價指標和相關風險模型，同時工程審計單位也要完善單位信息系統，減少數據冗余、防止數據丟失，審計人員下載數據時也要細心謹慎，避免數據格式轉換時的數據破壞。

4.審計人員要保留自己的專業判斷。

利用大數據進行工程審計，并非意味著對大數據的完全依賴，大數據技術始終應作為審計人員的工具存在。在工程審計工作中，機械推斷往往會忽略細節工作，這就需要工程審計人員始終保留自己理性可觀的判斷，敏銳發現審計工作中的疑點，深入挖掘審計工作的難點。

5.大數據工程審計法規建設要跟上腳步。

工程審計發展至今，我國工程審計法律法規已逐漸完善，但在大數據工程審計方面，我國還沒有制定出專門的法律法規，立法速度跟不上大數據審計發展的腳步。所以，我們應該呼吁政府部門加快制定相關法律法規，讓大數據工程審計的發展有明確的方向，同時，也能保障審計各個過程的規范性。

6.審計人員的業務素質和技能有待加強。

作為審計工作者，應該秉持不斷學習的態度，順應時代趨勢，學習新技能，適應新方法，提高業務水平和自身素質，這是軟實力。所以，審計單位要建立人才培養體系，不斷培養大數據和工程素養兼具的綜合性人才，挑選有良好道德品質的審計人員，使審計人員具備過硬的業務能力和學習能力。在大數據時代下，仍保留良好的職業敏感性，敏銳地識別審計重點、剖析審計問題，踏實做事。