大數據技術對審計的影響研究

陳 舒

(南京審計大學會計學院，江蘇南京211815)

一、 引言

審計作為國家治理的重要組成部分，在促進經濟健康發展方面發揮著重要作用，大數據技術的進步對審計事業也提出了更高的要求。 2016 年6 月，審計署印發的《“十三五”國家審計工作發展規劃》中提出“拓展大數據技術運用，探索多維度、智能化大數據審計分析方法”。 大數據技術為審計人員的思維方式、審計的工作模式帶來諸多變革，大數據審計技術也需要創新與應用。 要想應對好這些挑戰，需要對大數據技術的影響有清晰認知，并在充分認知之后積極應用到審計工作的實踐中去。

二、 大數據時代審計的機遇與挑戰

(一)大數據技術帶給審計的機遇

大數據技術的進步使審計不斷向智能化方向發展，更好地實現其監管職能，為社會創造更多價值。 秦榮生提出大數據技術可以促進審計方式、審計取證方法的發展。 這些發展可以使審計人員從不同角度對數據進行深度分析，以暴露出更多細節問題，降低審計風險。 同時，這種高效的數據審計也可以提升審計效率。 陳偉等研究得出大數據技術使得審計取證更加充分，同時為審計提供了更多的數據分析以及數據可視化技術，還可以幫助實現審計大數據的實時和快速分析。 王雯婷等還提出大數據技術可以幫助提高審計透明度和加強審計監管。

從以上研究可以看出，大數據技術給審計提供了向智能化發展的機遇，而這種技術上的變革可以創新審計取證、審計數據分析的方法，從而促進持續審計的發展、總體審計模式的應用，提升審計效率、降低審計成本。 同時，這也有助于加強審計監管，促進審計監督全覆蓋的實現。

(二)大數據技術帶給審計的挑戰

大數據時代，大數據審計發展的機遇與挑戰并存。 秦榮生認為現行的審計技術方法無法適應大數據時代的數據體量，必須更新數據存儲、處理和檢索的方法。 李秀菊認為，除了數據安全性難以被保證之外，監管難度的增加，對審計人員的培訓以及審計人員的情感障礙也是重大挑戰。 劉星等提出數據采集范圍方式的確定、數據的標準化處理、審計組織方式的創新等都是大數據審計必須解決的問題。 李成艾和何小寶從審計組織方式的角度分析了傳統審計面臨的挑戰，認為傳統審計組織方式缺乏專門的數據職能中心、數據分析與審計決策銜接不夠緊密、組織管理松散，難以適應大數據時代提高審計效率的需求。

總的來說，大數據審計面臨的挑戰可以分成以下幾個方面:①數據安全的挑戰。 審計大數據體量大、類型多，數據的真實與完整受到諸多內外部因素影響，這些數據大量儲存在云平臺中，一旦泄露后果嚴重。 ②技術層面的挑戰。 一方面是數據的采集、存儲、分析技術需要創新以適應大數據時代的需求；另一方面，大數據審計分析平臺與云存儲平臺的建設、數據共享機制等技術問題也十分關鍵。 此外，數據處理尚缺乏標準化方式。 ③審計人員層面的挑戰。 大數據審計首先需要審計人員克服情感障礙轉變思維，其次需要審計人員掌握必要的大數據分析處理技術，因此必須加強對大數據審計人才的培養。 ④審計組織方式的挑戰。 大數據時代，傳統審計組織方式難以適應其需求，審計組織方式需要創新。⑤審計監管的挑戰。 由于數據安全性風險增大，同時審計分析與云共享平臺建設不夠充分，實行審計監督全覆蓋也存在著挑戰。

(三)文獻述評

大數據技術的進步為傳統審計帶來了深刻變革，這是審計信息化發展的重要機遇，也給審計信息化提出不少數據安全、技術層面、人員層面、組織方式、監管層面的挑戰。 近年來的研究重點關注大數據時代審計模式、審計路徑、技術方法的變革，更側重于從具體的技術層面分析大數據對審計的影響。 研究側重點轉變的背后伴隨的是大數據技術在具體審計工作中的不斷應用。 通過查閱文獻資料發現，當前大數據對審計的影響研究更偏向于社會科學領域，涉及較具體大數據技術的并不多，本文就將結合大數據技術研究大數據審計的新思維、新模式與技術創新。

三、 大數據技術對審計思維的影響

(一)大數據環境下的新思維

大數據技術給人們的思維方式帶來了以下三個方面的轉變。 一是從樣本思維到總體思維。 過去受制于數據獲取困難、存儲工具不夠科學等因素，人們會使用抽樣的方式來估計總體。 當前出現的大數據采集、存儲、分析技術，使人們可以獲取許多過去難以收集到的數據，全樣本數據分析逐漸成為主流，人們的思維方式也在隨之轉變。 二是從精確思維到容錯思維。 小數據時代，因為測量能力有限，樣本信息量少，所以人們往往關注結果的精確度，但是大數據時代，數據體量大且種類多，甚至存在許多計量噪聲，此時精確度不再是人們的追求。 三是從因果思維到相關思維。 大數據時代，數據挖掘技術幫助人們發現大量隱藏的相關關系，使人們發現事物之間曾被忽略的聯系，從而更好地理解事物全貌。

(二)大數據技術對審計思維的影響

審計工作需要采集被審計單位的大量數據，因此極易受到大數據技術的影響，可以說，大數據技術也影響著審計思維。 這種影響與大數據環境下的新思維緊密聯系，主要也可以概括為三方面。

1. 抽樣思維到總體審計思維

大數據采集技術如Sqoop、Flume 等擴大了可以獲取的數據類型和數量，同時文本挖掘、機器學習等挖掘分析技術被逐漸應用到審計中，技術上的進步創造了現實條件，審計也在逐漸從抽樣審計過渡到全樣本審計，此時，相應的思維模式也從抽樣思維過渡到總體審計思維。

2. 精確思維到容錯思維

大數據技術使審計人員可以容納一定數量錯誤的存在。具體而言，傳統審計中的數據量少，故而對精度要求高；而大數據技術本身就基于海量數據，精度不高，容許錯誤信息的存在反而反映了真實情況，同時追求精確需要過高成本，所以此時無須保持精確度，審計人員有必要建立容錯思維。

3. 因果思維到相關思維

傳統審計受到統計學思維影響，注重事物背后的因果關系；而大數據分析挖掘算法，立足于全部數據，避免了因某個樣本偏差而引起的結果偏離，因此大數據技術減弱了審計中的因果思維。 由于大數據挖掘分析無須預先假設，而是以特定算法找出海量數據內在關聯，所以審計中的相關思維愈加重要。

概括來講，傳統審計主要采用抽樣分析并且力求做到高精確度，同時重點關注不同事件背后的因果聯系；而大數據時代，受到技術進步的影響，現實中的審計工作愈發重視大數據技術的應用，實際工作對于大數據技術的重視需要相應的思維轉變，傳統的審計思維正在逐漸轉向數字化審計思維。

四、 大數據技術對審計模式的影響

審計模式，又稱審計取證模式，當前已發展成為以風險為導向的數據式系統基礎審計模式，即對系統內部控制和電子數據進行審計，數據式審計模式也在隨著大數據技術的發展而進一步發生變化。

(一)大數據技術正在促進總體審計模式的應用

總體審計模式不再以樣本估計總體，而是分析處理所有與審計對象有關的數據，正是大數據技術為其提供了支持。在傳統的風險導向審計模式下，審計人員難以收集分析所有審計數據，故而傳統風險導向審計只能以少量的樣本數據估計總體情況，存在較大審計風險。 而目前Hadoop、HBase 等數據采集基礎平臺以及Flume、Scribe、網絡爬蟲等數據采集技術的出現使得審計人員可以集中獲取各個網絡平臺、行業領域的財務與非財務數據，極大拓展了分析的數據類型和數量，從而全面覆蓋被審計單位的數據信息。

(二)大數據技術也在改變審計取證模式的流程

大數據背景下，審計人員在獲取證據時，不再依賴風險評估來確定審計重點，而是通過數據采集、數據分析來發現疑點，再對疑點進行核實以確認偏差所在。 此時，傳統風險導向審計中進一步審計程序中的控制測試和分析程序已經失去了價值，在很大程度上風險評估和分析程序合并成了“數據分析”步驟。

(三)大數據審計工作模式將會出現

該模式利用大數據技術、特定的數據架構、業務平臺、軟件服務等，將被審計單位內外部的多樣化的實時數據，通過審計業務平臺進行即時采集、協同共享、分析核查、智能預警，從而更高效地開展審計工作。 大數據審計工作模式可以充分借助大數據技術解決信息透明度低、審計監督效率不高等問題，同時還可以促進跨行業、跨地區的審計信息資源共享共建、協同作業，積極推動審計全覆蓋的實現。

五、 大數據技術對審計方法的影響

大數據時代，隨著數據的復雜性和多樣性以及舞弊技術的提高，傳統的審計方法如檢查、函證等難以充分挖掘審計線索，許多隱藏的風險難以被發現。 因此，為了確保審計工作的高效和高質，創新審計技術方法十分重要。

(一)大數據關鍵技術

大數據關鍵技術被應用、融合于數據的采集、存儲、分析、可視化等流程之中，可以被概括如下:①數據采集技術，數據采集的對象不僅包括傳統意義上的數據，還包括文字、日志、文件、圖片以及視頻等其他形式的數據，對應的技術有Flume、ActiveMQ 等；②預處理技術，數據的預處理包括存儲、清洗與轉換三項過程，對應的技術有分布式文件存儲、NoSQL數據庫、Dubbo 及 Web Service 等；③數據分析與挖掘技術，主要用于對大數據進行實時分析、離線分析、機器學習、語音識別以及圖片識別等，對應技術有MapReduce、Spark、Akka 等；④數據可視化技術，主要用于更精細地展示文字、圖畫和動畫，目 前 常 用 的 可 視 化 技 術 有 iCharts、 Echarts、 SAS、Tableau 等。

(二)大數據審計技術

受到大數據技術的影響，大數據審計技術與現有的數據審計技術之間存在不少差異。 現有數據審計方法采集的數據一般是被審計單位結構化的財務數據，這些數據類型單一且體量小，分析數據時一般采用賬表分析、抽樣分析等方法，最后使用Excel 制作柱狀圖、折線圖等展示分析結果。

而大數據審計技術所采集的數據，不僅有被審計單位的結構與非結構化數據，還包括互聯網公開數據等其他數據，這些數據以各種類型共存，構成復雜，因此一般需要新型的NoSQL 數據庫和分布式文件系統等進行存儲。 同樣，由于數據規模大、共享程度高，出于對數據安全性的考慮，審計大數據管理會使用Hadoop、云存儲等專門用于大數據管理的技術工具。 在數據分析時，會運用到云計算架構，借助大數據挖掘算法，以更有效地展開分析。 目前的大數據挖掘技術以機器學習方法為主，機器學習涉及多領域的學科交叉，專門研究計算機如何模擬人的學習行為，從而提升自身性能。 最后是大數據的可視化，常見的可視化分析工具如路徑分析、鏈接分析、社會網絡分析等可以將抽象、復雜的關聯分析算法直觀化，更清晰地展現審計信息的內在關聯，幫助審計人員快速發現疑點以提高效率。 審計主體有必要將可視化技術與具體任務結合，構建科學的可視化數據模型，正向推動可視化平臺的運營。

六、 大數據審計發展的對策建議

(一)創新先進的大數據審計方法

想要緊密結合信息技術，創新大數據審計方法，需要審計人員做出以下兩點努力:①積極轉換思維，不能再以過去的眼光看待現在的審計工作，而要建立起大數據環境下的總體審計思維、容錯思維和相關思維。 ②積極學習大數據技術，這種學習不需要達到專業深度層面，而是側重于應用層面，熟悉大數據技術才能幫助審計人員后續更好地創新大數據審計方法。

(二)推出通用的大數據審計平臺

由于技術應用尚不成熟，大數據審計平臺盡管已有初步的模型構思，但還沒有實際的應用成果。 大數據審計平臺結合了大數據關鍵技術，以數據的采集、存儲、分析、可視化為關鍵流程，實質上是一套系統的工作軟件。 在現實工作中推出通用的大數據審計平臺，需要審計主體規劃審計業務與關鍵技術的融合模式，突出適用技術解決實際應用問題的優勢，從而創造出通用且實際的大數據審計平臺。

(三)制定統一的大數據審計規范

大數據審計目前并無統一規范，審計人員開展工作時缺乏相應的指導，因此面對數據的采集范圍、數據標準化處理、數據安全等問題時，需要花費較多時間和精力去加以解決。統一的大數據審計規范使審計人員在遇到問題時可以查閱權威指南，從而高效解決問題；同時審計規范可以統一行業做法，便于有關部門開展監管。

(四)加強專業的大數據審計培訓

要想推進大數據審計的發展，除了審計工作者自身的努力和創新，還需要國家層面的審計機關與社會層面的民間審計單位和審計協會共同努力，加強對審計人員的專業化大數據審計培訓，從而使審計工作者轉換審計思維，進而開展大數據審計工作模式、應用大數據審計技術方法，大力促進大數據審計的進步。

七、 結語

大數據技術在為審計的信息化發展推波助瀾的同時，也帶來了挑戰。 審計人員如何轉變審計思維，適應大數據審計模式，將大數據技術緊密結合日常工作，是大數據審計的關鍵問題。 大數據技術緩解了以往審計效率低、風險大的問題，為審計工作提供了新思路，但大數據技術的應用尚不夠成熟，大數據審計需要更緊密地結合信息科學。 本文希望能通過研究大數據技術對審計的影響，幫助大數據審計更好地發展。