基于數據倉庫的“審計魔方”在經濟責任審計中的應用

劉蓓蓓 歐穎君 李水軍 李國強

[摘要]在經濟結構性調整與大數據技術飛速發展并行的時代，多變的外部環境、復雜的經營活動、海量的數據、擴展的審計要求，對新時代經濟責任審計提出了全新的挑戰。本文通過論述與解析一種建立在數據倉庫基礎上的創新審計方法論框架——“審計魔方”，結合數據挖掘與分析技術，為審計人員解決在大數據環境下如何更快速與準確地定位審計線索、更全面與客觀地評價黨政主要領導干部、國有企事業單位主要領導人員的任期績效提供思路，并通過審計應用案例進行探討。

[關鍵詞]經濟責任審計? ?審計魔方? ?數據倉庫

一、研究背景與基礎框架

2019年出臺的《黨政主要領導干部和國有企事業單位主要領導人員經濟責任審計規定》（以下簡稱《規定》），為新時代經濟責任審計工作提供了綱領性指引。較2010年《黨政主要領導干部和國有企業領導人員經濟責任審計規定》，《規定》對經濟責任審計提出了更高要求。首先，審計內容有所擴大，從關注財務收支真實性、合法性與效益性、內部控制有效性、經濟管理與履職情況，擴展至組織治理、風險管控、財務效益、資產管理、生態保護、廉潔從業、問題整改等多個方面;其次，審計范圍從單一層面或局部檢查，轉變為更廣泛的多層面綜合評價;最后，在審計時效與結果運用上，從事后追責提前至事中管控，從查錯糾弊轉變為整改根治。

對此，傳統的抽樣式審計已不能滿足《規定》要求，堅持科技強審，運用大數據技術實施全量審計是審計工作的發展方向。運用大數據技術，一方面為拓寬審計范圍、實現全量審計提供了基礎，另一方面也為獲取更加客觀、全面、真實與及時的審計結論提供了支撐。數據之間往往存在某種關系，如變動或結構趨同關系、函數或相關關系、偏離關系與同質關系等。挖掘這些關系，掌握科學分析方法，可幫助審計人員更加精準地解讀數據，快速地提煉與總結數據背后隱藏的信息，鎖定線索。

在經濟新常態與大數據重疊的時代，面對海量的數據、復雜的經營活動、豐富的審計要求以及強大的信息化技術工具，應如何梳理經濟責任審計的審計思路，利用數據挖掘優勢來確定審計關注點，確保對審計對象的經濟責任給予全面、客觀的評價呢？本文嘗試運用一種借鑒COSO內部控制框架的結構關系構建的、以數據分析為實現手段的審計方法論——“審計魔方”，作為應對的方案。作為一個三維模型，“審計魔方”可用于不同類型的審計實踐。在經濟責任審計中，“審計魔方”指導審計人員綜合審計內容、組織結構與數據分析法，對黨政主要領導干部、國有企事業單位主要領導人員的任期績效與表現進行全方位、立體式、多層次的量化評價。由于“審計魔方”以數據分析為實現手段，目前只適用于可定量分析的審計關注點，不適用于單純定性分析的審計關注點，但能夠為以定量分析為基礎的定性判斷與決策提供支持。

應用基于數據倉庫的“審計魔方”實施經濟責任審計，審計人員能夠在此框架指引下，建立立體多維的審計思路，準確地把觸角延伸至不同方面，使得審計工作可以更加全面、系統、高效地開展。

二、什么是“審計魔方”

（一）“審計魔方”的理論基礎——COSO內部控制框架

魔方是一種大家都熟悉的正方體三維智力游戲，其特點是不同維度的組成要素可以靈活轉動與組合。魔方體式模型亦被廣泛應用到管理學中，其中較著名、應用較廣的是美國反虛假財務報告委員會下屬的發起人委員會（The Committee of Sponsoring Organizations of the Treadway Commission）推出的COSO內部控制框架（見圖1），該模型及其衍生的COSO風險管理框架成為世界上眾多國家監管機構、行業組織及企業構建風險管理與內部控制體系的基礎。本文所論述的“審計魔方”亦借鑒COSO內部控制框架予以搭建。

COSO內部控制框架由三個維度構成。第一維度是控制目標，即營運控制、財務報告控制與合規控制;第二維度是內部控制的五個關鍵要素，即內部環境、風險評估、控制活動、信息與溝通、內部監督;第三維度是組織架構，展現了內部控制在整個組織架構中的相關要素，總分結構層層分解，由公司層面到分支機構層面，再到業務單元或業務部門，最后分解至具體的業務控制活動。這個框架是一個多層級、多維度的概念，此框架中的任何一個單元，均在以上三個維度上與其他要素產生聯系。例如，在同一維度上的某一控制活動可能與其他活動在運營細節上不同，但它們必須符合整個公司統一的控制環境;即使不同的分支機構擁有不同的控制流程與手段，但它們均需達到公司層面的內控標準。

“審計魔方”是一種借鑒COSO內部控制框架的結構關系構建的以數據分析為實現手段的審計方法論，可應用于不同類型的審計。“審計魔方”亦由三個維度組成：

第一維度，審計內容。審計內容即審計對象的具體內容，可根據不同類型的審計進行變化與組合。首先，由于本文所論述的“審計魔方”主要為經濟責任審計服務，因此第一維度設置為經濟責任審計的審計內容。其次，由于“審計魔方”是以數據分析為實現手段，因此設置于魔方上的審計內容應當是能夠普遍應用于數據分析法的內容，如：（1）戰略規劃的執行與效果情況;（2）經濟事項決策、執行與效果;（3）風險管控情況;（4）財務的真實合法效益情況等。

第二維度，數據分析法。數據分析依托審計建模，對被審計單位重要指標的比率、趨勢及合理性等進行分析，通過關注異常變動以及這些重要比率或趨勢與預期數額、標桿數據及其他比照信息的差異，精準鎖定線索。以大數據為基礎的數據分析促進審計模式實現“五個轉變”：（1）由單一化審計數據向分布廣、數量大、集中度高及更新快的審計數據轉變;（2）由“抽樣審計”向“全面審計”轉變，分析結果更準確;（3）由賬面、憑證與財務系統組成的局限審計信息向多信息源的全面審計信息轉變，能夠更迅速、更完整挖掘業務信息并發現疑點;（4）由現場審計向非現場審計轉變，遠程數據分析可以全面提高審計效率;（5）由傳統分析性復核向多維度、智能化的數據分析方法轉變，可以加強對各層級、各系統間數據的關聯分析，增強風險感知能力，提高疑點定位的精確性。在大數據基礎上開展的數據分析有多種方法，常用的包括趨勢與結構分析、統計分析、關聯分析、孤立點分析、聚類分析等。

第三維度，組織結構要素。此維度與COSO內部控制框架的組織結構維度基本一致，在此不再贅述。

（二）“審計魔方”的技術基礎——數據倉庫

數據分析是“審計魔方”的實現途徑，其運作建立在由大數據構建的數據倉庫基礎上。數據倉庫是一種決策支持系統和聯機分析應用數據源的結構化數據環境，可以為企業各層級提供決策支持的所有類型數據的戰略集合，數據倉庫是在數據庫基礎上發展起來的。數據庫主要功能是捕捉與存儲數據，屬于單維體，基本元素是事實表;數據倉庫則是數據庫的升級版，其數據源更為龐大，屬于多維體，基本元素是維度表，其目的是對數據源進行數據挖掘與分析從而為管理決策提供支持。數據倉庫具有以下五個特征：

第一，面向主題：數據倉庫中的數據是按照一定的主題域進行組織。用戶可以根據自己的主題（如：審計關注點）使用數據倉庫，一個主題可以涉及多個操作型信息系統。

第二，集成化：數據倉庫的數據源來自于內部信息系統、文檔及外部數據中的分散操作型數據，通過對分散的數據進行抽取、清理、加工與集成，消除源數據的不一致性，從而保障數據倉庫中的信息是企業整體組織架構一致的全局信息。

第三，存儲歷史數據：由于決策過程離不開對發展歷史的定量分析及未來趨勢的預測，因此作為決策支持系統，一個數據進入數據倉庫后將會被長期保存。使用者在數據倉庫中最多的操作是查詢，而修改和刪除操作很少，數據常常處于冗余狀態，對系統存儲容量及架構擴展性要求也較高。因此，為保證數據的時效性，需要定期加載與刷新。

第四，數據挖掘：數據挖掘是從數據倉庫中檢索相關數據并尋找其規律的技術，可以幫助審計人員從不同角度理解數據。數據挖掘的任務有關聯分析、聚類分析、孤立點分析、統計分析及趨勢分析等，為“審計魔方”的第二維度數據分析提供基礎。

第五，聯機分析處理：聯機分析處理（On-

Line Analysis Processing，即OLAP）是一種軟件技術，可以使審計人員快速、統一、交互地從多個維度觀察數據，從而達到準確理解與分析的目的。它具備多維性、可分析性、快速性及信息性四大特點，能夠快速地從多層面、多角度提取大容量信息進行計算與分析，并以審計人員希望的方式形成分析報告。

根據以上五個特征，數據倉庫按輸入到輸出的順序分為四個層次。第一層是數據源，由眾多外部數據、內部信息系統與文檔構成。第二層是數據存儲與集成模塊，審計人員根據關注的主題發出指令后，數據源在此經過抽取、清理、加載與刷新，形成與主題匹配的數據。此后，通過第三層的聯機分析處理，在第四層的前端工具與應用模塊完成數據挖掘、數據分析，形成數據報表，最終形成審計人員所需要的分析報告。詳見圖2。

（三）“審計魔方”的實現手段——數據分析法

“審計魔方”的數據分析以數據倉庫為基礎，包括多種分析方法，本文介紹五種主要的方法。

1.趨勢與結構分析法。趨勢與結構分析法是常用的比較分析法，是對連續若干期某一報表項目的變動金額、數量、百分比及結構的分析。不僅可應用于財務領域，如對資產負債表、利潤表項目的變動趨勢分析，也可以擴展至采購、生產運營、銷售等業務領域，如分析供應商結構與數量變化、設備老化趨勢、進入公司競爭領域的資本結構與變化趨勢等，還可以應用于風險管理等公司治理領域，如分析風險結構變化及風險等級變化趨勢等。

2.統計分析法。統計分析法是利用統計學原理對數據庫字段項之間存在的函數關系或相關關系進行科學分析的方法，適用于具備大量可信賴觀察數據的情形，可將相關數據嵌入分析模型而得出精確度高的預測值。具體方法包括基礎統計（求大批量數據的極限值、匯總值與平均值等）、回歸分析（用一元或多元回歸方程來解釋變量間的數量關系）、差異分析（從樣本統計量的值計算出差異來確定總體參數是否存在差異）等。審計人員通過建立統計模型對被審計單位及同類型單位的大量財務、業務歷史數據進行分析，挖掘其內部的函數關系或相關關系，將其套用至審計期間的相關數據進行合理預測，通過將預測值與審計值進行比較，從而幫助審計人員發現疑點。

3.關聯分析法。關聯分析法又稱關聯挖掘法，即從數據庫及其他信息載體的所有細節或事項中抽取頻繁出現的模式，進而挖掘出一組事件或項目與其他事件或項目的關聯關系或因果結構。審計人員可以通過關聯挖掘技術對審計對象數據庫中的關系穩定且可以直接預測的各類數據進行分析，找出其相互聯系，發現某些數據之間的異常聯系，以此為基礎，發現審計疑點，尋找審計線索。例如，利用銷售收入與變動成本匹配關系發現調節成本虛增利潤，利用員工工資與代扣代繳個人所得稅的分級比例關系發現公司工資數據造假，利用租賃收入與代扣代繳租戶水電費呈正比關系發現隱瞞租賃收入私設“小金庫”等。

4.孤立點分析法。孤立點是那些明顯偏離正常數據，不符合一般模式或行為的數據。孤立點分析法是數據挖掘中的一項重要技術方法，用來發現數據源中顯著不同于其他數據或行為的異常數據或行為。該分析法對于識別信用卡欺詐、網絡非法入侵方面有著重要的應用價值。在具備大量可信賴觀測數據情形下，審計人員可以采用孤立點檢測算法發現異常樣本數據或異常頻率，從而發現隱藏的違規或舞弊行為。例如，將大型集團下屬同一業態與類似規模的公司中營業利潤率變動異常的子公司作為重點審計對象;將招標采購項目招標公告發布時間過長的項目列為異常招標項目等，見圖3。

5. 聚類分析法。聚類分析法是把同一數據集合分解成不同的簇或組，使同一組中的數據盡可能相似，不同組的數據盡可能相異。不同于人為分類，數據挖掘的聚類分析可以從樣本本身的性質出發，自動進行分類。通過聚類，識別出密集與稀疏地帶，發現數據分布模式與屬性之間的相互關系。在審計實踐中，審計人員通常利用聚類分析法對被審計單位信息系統中的同類型財務數據或業務數據進行分組，在數據變動具有一定規律的情形下，如果某些數據處于稀疏地帶，則說明其變現異常，需要重點關注;通過記錄該地帶數據特點，可以發現審計需要查證的疑點特征，見圖4。

如上所述，魔方體的特點是不同維度的組成要素可以靈活組合，在“審計魔方”中的任何一個單獨方塊都具備三維，即各項審計內容均有可能涉及各個組織結構層級或業務活動，亦可以運用一種或多種數據分析方法開展審計。下面的示例表格將魔方體的三個維度進行平面化以展示其對應關系，筆者選取了采購活動（第三維度）涉及的部分經濟事項的決策與執行（第一維度）作為審計關注點，識別審計人員可應用的數據分析方法（第二維度），并在數據倉庫中確認對應的原始數據來源，見表1。

三、案例分析

（一）案例背景介紹

現以某虛擬X能源集團下屬A子公司為例，對“審計魔方”在經濟責任審計中的運用進行探討。X能源集團的業務涵蓋石油開采與銷售、石油煉化、天然氣進口與銷售等板塊。下屬A公司主營天然氣進口加工、儲運與銷售業務，站點廣布華南地區，同時負責該區域的站點建設。A公司負責人張總3年任期已滿，即將離任。集團審計部受審計委員會委托，對張總開展離任經濟責任審計。

審計人員對張總任內主要經營事項的決策、執行與效果進行審計，重點關注采購流程中合同招投標事項的內控有效性、合法合規性及舞弊可能性。

審前調研了解到，A公司供應商分為兩大類，第一類為海外天然氣原料供應商，僅有3家且均簽訂了20年的長期供貨協議，合同的履行由天然氣供應部負責，審計人員評估相對風險較低。第二類為日常運營與維護的貨物類及服務類供應商，相關采辦事宜由公司采購部負責。貨物類供應商主要分為三種類型：工程物資類、運營設備及備品備件類、其他物資類;服務類供應商亦可分為三種類型：工程服務類、維修服務類、行政及其他服務類。此類供應商種類繁雜、數量眾多，審計人員評估相對風險較高。其中，工程物資類、運營設備及備件類（批量采購居多）、工程服務類、維修服務類采購單筆合同金額均較大，故往往采用招標方式確定合同方。

為挖掘招投標事項是否存在疑點，審計人員對公司的履約合同與供應商的情況進行了趨勢與結構分析及關聯分析并注意到：（1）A公司正處于企業生命周期的成熟期階段，近五年來運營穩定，除每年陸續開展的站點建設與設施更新改造項目外，業務無重大變化，各采購類型每年的履約合同數量波動幅度不大;（2）每年履約合同數量與供應商庫中備選供應商的數量應當成正比關系。然而在對工程服務類合同數量變化趨勢與活躍在庫供應商數量變化趨勢比對時發現，合同數量維持較穩定波動，而活躍在庫供應商數量呈下降趨勢（見圖5），提示審計人員關注異常情況，可能存在圍標跡象。由于合同與供應商數量較多，審計時間緊迫，傳統的審計方法需耗費大量人力與時間，因此審計人員以“審計魔方”為指導在數據倉庫環境下開展數據挖掘與分析，以進一步縮小審計范圍，精準定位審計線索。

（二）“審計魔方”的實踐運用

“圍標”是招投標領域舞弊常見的表現形式之一，即投標人為獲取中標而互相串通、損害項目業主利益，或是投標人與發標人、代理機構互相串通，損害其他投標人或項目業主利益。在“審計魔方”的指導下，審計人員可以更好地明確審計對象，梳理邏輯關系，制定審計方案，精準定位圍標線索，并選擇適當的數據分析及挖掘方法。

1.運轉“審計魔方”確定審計思路。首先，審計人員使用“審計魔方”對圍標審計關注點進行三維匹配，確定使用統計分析法開展數據挖掘，進入數據倉庫，抽取“采購管理系統”和“供應商管理系統”中的數據源，清洗無關數據，通過前端工具（本例使用Power BI）運轉OLAP聯機服務功能，并建立統計分析模型，對中標人集中度進行分析，尋找可能存在的圍標線索。其次，審計人員根據供應商管理系統中投標人的名稱，通過數據倉庫對接的外部數據源“天眼查”，查詢投標方之間的重要利益相關人（包括股東、董事、監視、法人代表等）信息及關聯企業名稱，審查投標方之間是否存在關聯關系。最后，根據集中度分析的情況，查看疑似圍標項目中出現疑似圍標投標人的招標項目，現場審查招標項目相關原始文件，確定圍標可能性。見圖6。

2.確定數據分析指標。根據審計方案，審計人員設置了“疑似圍標次數”和“中標人集中度”兩項對應的指標參數開展大數據統計分析。“疑似圍標次數”是指在一定期間內，同一組供應商在同一招投標項目中共同出現的次數（例如甲、乙、丙三個供應商作為投標人同時出現于同一個招標項目的次數）。“中標人集中度”是指在疑似圍標項目中，同一組投標人內任一投標人中標的比例，具體計算公式如下：

（三）以Power BI作為前端應用工具的操作示例

在數據倉庫前端工具的選擇和應用上，大型企業可以使用建立在數據倉庫基礎上的持續審計軟件，但通常需花費較大人力和財力進行開發，如果中小企業直接套用是不符合成本效益原則的。中小型企業可以選擇更加經濟、更具普遍操作性的軟件工具，如本例使用的Power BI。

Power BI是一種先進的自助式BI軟件，可以連接數百個數據源，簡化數據的準備工作，能夠即時完成數據的統計分析，并生成豐富的交互式可視化報告，發布到網頁和移動設備上，供相關人員隨時隨地查閱。簡單來說，Power BI就是一個數據分析工具，它能實現數據分析的所有流程，包括對數據的抽取、清洗、建模和可視化展示，從而幫助審計人員開展數據分析，識別風險，用數據驅動審計。

現用Power BI作為前端應用工具對“疑似圍標次數”和“中標人集中度”兩項指標進行數據分析的操作進行演示。

1. 數據整理及導入。利用SQL Server抽取“采購管理系統”及“供應商管理系統”中的項目招投標信息與供應商信息，打開Power BI，點擊左上方的【獲取數據源】，導入數據倉庫SQL Server數據（見圖7），進行數據清洗與整理，得出2017年1月1日至2019年12月31日共產生54個招投標項目合同。

2.建模分析。數據導入完成后，審計人員根據前述審計方案確定的審計指標“疑似圍標次數”及“中標人集中度”的計算邏輯，在Power BI中建模。

以招投標投標人信息及中標結果作為輸入，對疑似圍標次數進行分析，系統輸出篩選結果，并呈現“疑似圍標項目信息”報表，見圖8。

3.可視化處理。針對發現的審計線索和問題，可借助可視化來洞察數據背后的真相，快速發現和識別審計風險。審計人員通過勾選/拖拽字段，就能配置對應的圖表。例如，審計人員通過勾選【疑似圍標供應商】、【疑似圍標次數】、【中標人集中度】這幾個字段，即可生成數據分析圖表，見圖9。

4.審計結論及報表發布。經過以上分析，可以清晰地發現“新興”和“信城”的中標集中度較高，分別達到80%和67%。根據該審計線索，審計人員對這2家投標人的投標資料進一步開展審計，并出具審計意見。之后完成報表，點擊發布。同時，還可以生成一個鏈接，把報表發給復核人隨時進行審閱。

四、“審計魔方”的局限性及未來研究方向

運用基于數據倉庫的“審計魔方”開展經濟責任審計，可以幫助審計人員建立多維審計思路，提升審計工作的全面性、精確性與時效性，從而提升審計工作的質量。然而，由于“審計魔方”的方法論處于初創階段，不可避免地存在以下局限性：

第一，經濟責任審計涉及對人的評價，較其他審計類型來說，定性分析需要發揮更大的作用。然而，基于“審計魔方”目前只能進行定量數據分析，尚未能包含需要定性分析的審計內容。

第二，“審計魔方”的分析模型主要基于歷史和現行數據，數據分析的結果僅能反映短期績效，尚未能對被審計人離任后其決策對未來的長期影響進行準確的預測。僅基于歷史和現行數據對決策者的績效進行評價，可能有失偏頗。例如，在輕資產型的互聯網行業中，若領導者在企業初創期購買辦公樓，而非選擇辦公室租賃，可能會由于風險偏好過于激進被質疑，若此時對其進行經濟責任審計，可能會評價該決策給公司的持續經營帶來較大風險，從而出具負面的審計意見。然而，若辦公樓所在地在多年后發展為中心商務區，房產大幅升值，同時租金持續上漲，則當年購房的歷史成本將遠低于彼時未來租金的折現額。此時，若再回頭評價領導者當年的決策，一個被判定為“疑似錯誤的決策”可能變成了“有戰略前瞻性的決策”。因此，如何從“短期—中期—長期”和“過去—現在—未來”的時間維度對決策者的執政效果進行評價，仍然是經濟責任審計的一個難點。

如何突破“審計魔方”的局限性，將經濟責任審計中定性評價涵蓋到“審計魔方”中，同時開發數據預測模型，將是“審計魔方”未來的主要任務。

（作者單位：廣東大鵬液化天然氣有限公司，郵政編碼：518048，電子郵箱：Liu.Magic@gdlng.com）

主要參考文獻

[1]羅伯特·穆勒.秦榮生等譯.2013版COSO內部控制實施指南[M].北京：電子工業出版社， 2015

[2]威廉姆·蔭蒙.王志海等譯.數據倉庫[M].北京：機械工業出版社， 2006

[3]宋立恒，沈云.人人都是數據分析師：微軟Power BI實踐指南[M].北京：人民郵電出版社， 2018