大數據環境下四維審計模型的構建與應用

| 陳旭 李迪 王海兵

一、引言

在大數據時代，審計人員面臨的是海量結構化數據、半結構化數據和非結構化數據，低速度、低效率和高錯誤率的傳統審計模式已經不能滿足大數據環境下的審計工作，王海洪等人（2020）認為審計思維需要從傳統的審計思維向持續審計思維、全量信息思維、以人為本思維和智能審計思維轉變，以大數據技術為核心開展審計工作成為了審計發展的新趨勢。大數據審計工作需要將數據、分析和審計工作三方面綜合起來進行，通過數據采集、數據預處理、數據存儲等技術對數據進行加工處理以獲得價值密度更高的數據集。徐超和陳勇（2021）認為構建模型有助于提升數據分析的質量與效率，李文君等人（2020）基于天時、地利、人和、綜合四個層面構建的企業社會責任風險控制模型提高了企業社會責任內部控制系統的設置合理性和運行有效性，完善了企業應對社會責任風險的能力，降低了履責成本。基于此，在大數據環境下建立“天時-地利-人和-綜合”四維審計模型，以SQL語言為核心，結合機器學習、Benford定律、新型績效指標評價體系，從時間、空間、人員和績效四個維度對獲取的高價值密度數據集進行全方位審計分析，并通過橫向和縱向結合對比分析的方式來發現被審計單位存在的疑點數據，進而提升審計工作質量和審計效率。審計與大數據技術的結合具有劃時代的意義，對推動國家審計全覆蓋，促進國家善治具有不可估量的作用。

二、大數據與審計概述

（一）大數據的特點

隨著信息技術的快速發展，大數據技術在各行各業都得到了充分使用。大數據的特點主要體現在四個方面（4V）：1.數據量巨大（Volume）。在互聯網時代，移動互聯網以人為核心網絡節點，每個人都是數據的制造者，大量自動或人工產生的數據通過互聯網聚集到特定地點形成了大數據之海。在海量的大數據面前，TB、PB數量級已經不能滿足各個領域數據的計量，需要使用EB和ZB兩個超大數量級對其進行衡量。2.高效及時有效分析（Velocity）。大數據主要通過批處理和流處理兩種范式來對實時獲得的數據進行高速有效的處理和分析。在大數據環境下，數據的產生、獲得和處理的速度極快，對于數據的處理往往都會結合物聯網，通過云計算、邊緣計算、機器學習等信息技術進行協同處理，因此大數據的處理效率又被稱之為“1秒定律”。3.種類和來源的多樣化（Variety）。IT技術的不斷發展使各個企業開始進行數字化轉型，信息技術不斷融入企業，不同企業每時每刻都在產生各種類型的數據，比如文本、音頻、圖片、視頻、模擬信號等類型的數據。同時，數據的來源和格式也變得越來越豐富，不僅產生于組織內部運作的各個環節，也來自于組織外部。4.價值密度低（Value）。在物聯網的廣泛應用中，信息感知無處不在，產生了龐大的數據量，但并非所有的信息都是有效信息，還存在大量重復無效的信息，使得數據的價值密度比較低。

（二）大數據環境下審計思維的轉變

大數據環境暴露了傳統審計模式低速度、低效率的缺陷，在理論層面上為了適應大數據環境以及克服傳統審計模式中的局限性，傳統審計思維需要發生轉變，主要體現在四個方面：

1．向全量信息審計思維轉變。一方面，秦榮生（2014）和鄭志元（2016）等人認為在大數據環境下審計思維應當由樣本數據轉向全量數據。在過去，由于技術條件受限，審計師只能選擇采取抽樣審計的方式處理大量數據，但是采取抽樣審計的方式始終會存在一定誤差，會忽略少數或者個別特殊數據帶來的影響。隨著時代的進步，誕生的云計算技術、邊緣計算技術、機器學習、自然語言等信息技術克服了數據計算、存儲、預測技術的難點，使全量信息審計成為現實，因此，大數據審計應當從樣本數據審計轉向全量數據審計。另一方面，因為樣本的整體性、分析的邏輯性與結論的相關性是審計過程中的核心要素，丁淑芹（2015）認為從在宏觀層面上來講，大數據時代下的審計人員應該確立全量信息思維。

2.向持續審計思維轉變。持續審計要求對被審計單位進行動態監督，被審計單位每發生一項業務，審計師都需要對其進行實時審計。大數據時代下的數據變化速度快、時效性強，如果審計活動時間跨度大，極易導致審計結果不準確。信息技術的快速發展讓持續在線審計成為可能，審計人員通過持續在線審計，可以實時掌握被審計單位不斷變化的數據，使得審計證據的關聯數據與大數據的瞬時變化保持一致，保證獲取數據的實時性和最新性，進而在一定程度上保證審計結論的準確性，提高審計效率和審計質量。

3.向以人為本審計思維轉變。以人為本的審計思維要求提高審計人員的大數據思維與能力，彭啟發等人（2019）認為會計、審計人員需要樹立終身學習的思想，及時適應市場變化，成為多元化人才。在大數據環境下，審計人員面對的是海量低價值密度的信息數據，這些數據難以用傳統的Excel或審計軟件進行獲取與處理，因此需要審計人員具備除會計、審計、稅法等專業知識以外的計算機信息系統、數據庫、SQL語言等計算機方面的知識，形成復合型的知識架構，從而做到以系統為導向，從信息化角度掌握創新的審計方式，將被審計單位的數據信息導入自身審計監督范圍中，借助大數據分析和數據挖掘技術對審計過程中的海量數據進行深度挖掘分析，完成對數據的提純，以達到縮小數據量的目標，并利用自動化審計程序拓展審計取證范圍，提供更高保證程度的審計意見。

4.向智能審計思維轉變。智能審計改變了傳統的審計數據分析方法，開始運用人工智能手段對數據進行審計分析。隨著5G技術、云計算技術和大數據技術的提升以及數據挖掘、機器學習技術應用的不斷拓展，人工智能對會計和審計的發展有著變革性的影響。一方面，人工智能在審計中的創新主要體現在將審計判斷的規則融入到流程自動化技術中，根據被審計單位的行業特性和環境，使用信息技術對被審計單位的大量數據進行處理分析，生成管理層所需要的決策信息，同時，吳勇等人（2021）認為智能審計還應當具備自主學習和改善提升的能力。另一方面，大數據審計中用到的數據除了傳統的結構化數據之外，還可以包括文本信息、視頻與圖像信息、音頻信息等半結構化和非結構化數據，如果想構建一個完善的審計數據系統，就必須整合與被審計單位內部數據源相關的外部數據，例如社交網絡、論壇等，才能對全量數據進行深度挖掘和分析處理，更有效地識別審計過程中存在的異常和風險，進一步提高審計效率和質量。

三、大數據環境下四維審計模型的構建

大數據環境下“天時-地利-人和-綜合”四維審計模型以數據集為構建基礎，主要有四個維度，分別是時間維度、空間維度、人員維度和績效維度，如圖1所示。

圖1 大數據環境下四維審計模型

（一）審計數據集的獲取

由于數據是審計過程中的基礎依據，審計數據集的質量便成為影響審計質量的一個重要因素。要保證審計質量，就必須確保所取得審計數據集能夠真實準確地反映被審計單位的實際情況，這就要求提升取得的電子數據的質量。主要有以下三個步驟：

1.數據采集。數據采集是大數據技術處理流程中最重要的一步。真實有效的數據源是實現高效可靠審計的基礎，被采集數據的質量對于審計結果有極大的影響。大數據采集主要通過傳感器、互聯網交互和RFID等來采集。在數據采集過程中需要充分考慮數據的并發性，因為在同一時刻會產生數以億計的數據，因此在采集端進行數據采集時需要有多個數據庫存儲采集的數據。審計數據主要分為外部數據和內部數據，審計人員通過直接拷貝、文件傳輸、ODBC等方式，取得被審計單位會計核算和經濟業務完整數據，掌握審計對象的整體信息。對于外部數據，徐超（2020）認為可以使用爬蟲技術來采集，通過形成審計數據采集框架來有效補充內部數據不足與數據質量不高的問題。

2.數據預處理。大數據環境下，雖然數據量在不斷增大，但產生的數據大部分可能是無效信息，需要對采集到的數據進行預處理，以保證數據分析結果的準確性和有效性。大數據預處理主要分為四個步驟：（1）數據清洗。數據清洗是指為提高數據質量而對存在缺失、不準確、不一致等有質量問題的電子數據進行處理，對于殘缺數據，丟棄遺漏屬性數據、使用平均數、默認值等填補數據；對于沖突數據，保留其中一個有效數據并刪除其他的沖突數據或者找出錯誤值和屬性進行人工修改；對于噪聲數據，通過聚類分析方法等進行降噪。（2）數據集成。數據集成主要是將不同數據源的數據集成為一個新的數據集，減少數據冗余、節省存儲空間以及提升數據的完整性和可用性。（3）數據轉換。數據轉換主要包括數據格式轉換和數據內容轉換。如果審計人員對錯誤的、格式不一致的數據在未經清理的情況下加以利用，將直接導致數據分析結果的不完整，甚至形成錯誤分析結果，因此對表現形式不相同的同類數據需要進行轉換處理，以此來保證數據的統一性、數據分析結果的有效性和準確性。（4）數據削減。數據削減的前提是數據完整，對完整的數據集進行精簡處理可以提高數據分析效率和數據結果質量。常用削減方法有維度削減、數據立方合計、數據塊削減、數據壓縮、離散化等。通過數據預處理就可以有效地檢測出沖突數據、殘缺數據和噪聲數據等，是大數據分析結果有效性和準確性的保證。

3.建立審計中間表。董永強（2006）認為建立完整規范的審計中間表有助于審計模型的構建，同時還可以提升審計工作的效率和保證審計工作的質量。審計中間表是面向審計分析的數據存儲模式，它是將經過預處理之后的被審計單位及其相關外部單位的原始數據，按照提高審計分析效率、實現審計目的的要求進一步選擇與整合而形成的數據集合。審計中間表是審計人員進行數據分析的對象、資源和平臺，將所有的審計中間表存儲在一個數據庫中就形成了審計模型分析的基礎，即審計數據集，如圖2所示。

圖2 大數據環境下審計數據集獲取流程圖

（二）時間維度

時間維度是以時間為主要參考點對審計數據集進行審計分析。在大數據環境下，時間維度審計分析主要分為兩種：（1）截止審計。企業的大量數據中可能會存在部分錯誤數據，比如數量＊單價<>金額的數據、采購數量-銷售數量<>庫存數量的數據，針對此類錯誤數據，審計人員就可以實時審計出企業截止到目前的任一期間內不滿足相關規定的數據。（2）預計審計。在大數據環境下，云計算、邊緣計算、機器學習、深度學習等信息技術高速發展，在四維審計模型中引入這些技術能夠幫助審計人員使用相關預測模型對企業的未來數據進行預測，并通過預測值與企業實際發生的業務數據進行對比分析來判斷企業是否存在疑點數據。

（三）空間維度

在過去，審計人員的主要審計對象是被審計單位的業務和財務數據。但是在數字化時代，企業開始向數字化轉型，通過打造自己的會計信息系統或者付費使用云會計平臺來降低研發成本與維護成本。數字化轉型使會計信息系統成為審計人員新的審計對象。信息系統審計作為目前審計領域研究與應用的重要內容，可以滿足各種類型數據處理的特殊控制要求，它針對的是與信息系統應用相關的事務和數據，用于確保數據的準確性、完整性、有效性、可驗證性、可靠性和一致性。信息系統審計的核心主要分為兩個方面：一方面，陳偉和詹明惠（2020）認為信息系統審計需要分析被審計信息系統的業務流程，并據此識別被審計信息系統的應用控制活動，然后針對識別出的被審計信息系統流程中關鍵的應用控制點，采用大數據可視化技術對其進行建模和測試分析，以此發現被審計信息系統的相關應用控制風險，并與被審計單位進行溝通確認。另一方面，信息系統審計需要對系統本身的規則進行審計。對于信息系統來說，計算規則、算法、腳本都是由開發人員編寫的，由于IT部門與業務、稅務、財務等存在“信息孤島”，很多流程會與實際不相符合，尤其是收入準則的復雜性給IT人員的系統開發帶來巨大挑戰。同時，如果企業利用開發人員財務知識的盲區作假，就會出現信息反映不真實的情況和偷稅逃稅的行為，如IT人員不懂業務計算規則，系統使用者讓其使用“五舍六入”替代“四舍五入”的規則方式對金額進行處理。因此，在對信息系統審計的過程中除了要對會計賬簿、報表及各類經濟業務之間的勾稽關系進行審計之外，還需要對與審計相關的規則、流程、算法以及腳本等進行審核。

（四）人員維度

人員維度面向的是被審計單位的管理層、公司員工、合作伙伴三個方面。（1）對于面向管理層來說，管理層處于一個實施舞弊的特殊地位，其有足夠的權限來躲避企業的內部控制系統，從而操作企業的財務數據，傳統審計模型很難發現管理層的舞弊行為。會計分錄測試（JET：Journal Entry Testing）是借助數據分析識別和選取高舞弊風險的會計分錄，主要運用于應對公司層面舞弊、以及管理層凌駕內部控制而導致的審計風險。（2）對于面向被審計單位的合作伙伴來說，最重要的是審核其往來業務以及應收賬款的真實性，因為被審計單位最常見造假的方式就是通過應收賬款虛增收入，審計人員可以對相關企業進行“函證”來實現對應收賬款的審查。（3）對于面向公司員工來說，費用報銷最容易出現問題，公司員工使用公款旅游、報銷探親旅游等福利開支、業務主管部門私人費用作為因公差旅費報銷等行為不僅違背了國家制度，還會導致企業利潤下滑、國家稅收減少。針對報銷業務的審計工作主要通過兩種方法進行：一是根據報銷標準判斷公司員工是否存在虛報費用的行為；二是使用Benford定律對費用報銷進行審計。Benford定律是指一堆從實際生活得出的數據中，以1為首位數字的數的出現機率約為總數的三成，接近期望值1/9的3倍。使用Benford定律需要滿足三個基本條件：數據具有一定規模，能夠代表所有樣本、數據沒有人工設定的最大值和最小值范圍、要求目標數據受人為影響較小。運用Benford定律進行分析和檢測，可以提高審計數據的質量、縮小有效審查數據量、提高審計工作效率并在一定程度上降低審計風險。報銷費用完全滿足Benford定律的條件，因此在四維審計模型中，可以將報銷金額前兩位出現的次數與期望出現的次數進行對比可視化分析，發現可疑的報銷單。

（五）績效維度

績效審計是以經濟性、效率性與效果性為理論核心考察企業的價值，對企業各個部門經營活動進行審計。績效審計的類型主要分為三種：（1）經濟績效審計。經濟績效審計主要針對企業內部，用于審計企業的經濟效益。經濟效益是指企業獲得的社會勞動節約，用最少的勞動成本或勞動耗費獲取最多的期望成果，簡單來說就是投資和回報的關系，主要涉及到企業的財務、顧客、內部流程、學習成長四個方面的審計。（2）社會績效審計。社會績效審計是外部審計的內容之一，其出現是因為我國社會責任存在缺失，主要表現在企業誠信不足、不遵守商業道德、缺乏環境道德觀念、無視員工權益保護、公益事業責任缺失四個方面。王海兵（2016）認為企業社會責任能夠為企業可持續發展提供先行優勢、創新途徑以及資源基礎，因此社會責任缺失是一個亟需解決的問題。張緒娥（2010）認為，針對社會責任缺失可以從商業道德、生態環保、勞動就業和社會公益四個方面，以定量與定性相結合的方式制定社會績效審計指標，對企業的社會責任履行情況進行監督。（3）環境績效審計。隨著我國人口的不斷增長以及經濟的高速發展，資源環境問題日益突出，環境污染不斷降低人類的生活水平，對此黨中央明確提出把建設資源節約型、環境友好型社會作為加快轉變經濟發展方式的重要著力點。環境績效是企業環境保護和污染治理的評價結果，企業的利益相關者也要求企業提出與環境相關的信息。對此，我國在政策實施中提出了環境績效審計，主要通過監督和檢查企業的環境經濟活動，確保政府和企業在關注企業經濟效益的同時還對社會效益和環境效益持有關注。對于環境效益的體現主要通過企業經營活動對環境造成的影響來衡量。環境效益可以通過經濟效益和社會效益兩方面進行分析，環境改善可以間接為企業帶來經濟效益。

當前，我國的績效審計評價指標體系主要針對工商類競爭性企業，以財務能力、資金運營能力、償債能力和未來發展能力四個方面對企業進行績效考核并反映企業當前的經營發展狀況。該體系考慮范圍過于狹窄，只考慮到了財務和經營績效，沒有涉及到社會績效和環境績效，不僅不能真實全面地反應企業的績效情況，反而會導致企業忽略自身應當承擔的社會責任和環境保護責任，不利于促進社會的和諧發展。構建更加全面的績效評價指標體系需要融入社會和環境因子，張毅飛等（2016）認為經濟增加值法（EVA）、平衡計分卡法（BSC）以及關鍵績效指標評價法（KPI）三種指標評價方式存在各自的優點與缺點，如果可以取長補短，融合三種方式的優點，以 EVA為核心，BSC為紐帶，把BSC的四個不同維度看作是 KPI的主控因素，選定關鍵績效指標，納入社會和環境效益，建立多層次的指標評價體系（EBK績效指標評價體系），就可以完美地解決我國目前績效審計評價指標體系不足的問題。EBK績效指標評價體系綜合考慮了經濟、社會和環境因素對績效審計的影響，將EBK指標體系融入到四維審計模型的績效審計維度中，可以充分保證績效維度審計的全面性。

四、大數據環境下四維審計模型的應用

大數據環境下四維審計模型應用的基本流程分為以下兩步（如圖3所示）。

圖3 大數據環境下四維審計模型基本流程圖

（一）獲取高價值密度的四維審計模型數據集。

收集審計數據集主要涉及到以下步驟：

1.審計人員通過直接拷貝、文件傳輸、ODBC等方式獲取被審計單位的內部數據以及通過Python爬蟲等技術手段從微博、證券市場等社交平臺獲取的與被審計單位相關的外部數據。

2.對獲取的數據進行數據預處理。（1）數據清洗。在數據清洗的過程中，可以使用S Q L 語言對數據庫中殘缺數據使用均值進行填充，例如通過SQL語句（update table set x=（select avg(x) from table）where x is null；）刪除數據表x列中存在的空缺值。（2）數據集成。在數據集成過程中，可以使用SQL語言刪除冗余數據，例如通過SQL語句（DELETE FROM Table WHERE xh =100 OR xh=101)；）刪除數據表中100行和101行冗余數據。（3）數據轉換。數據轉換主要包括內容轉換與格式轉換。對于數據內容，不同的數據庫對于數據屬性有不同表示方法。例如性別可以表示為“男和女”、“1和0”、“F和N”。對此，需要根據系統格式將不同的表示方式統一化。對于數據格式，需要將表達統一概念的不同格式統一化，例如通過SQL語句（SELECT 憑證號,科目,CASE 借貸方向 WHEN ‘借’THEN 金額 ELSE 0 END as 借方金額,CASE 借貸方向 WHEN‘貸’ THEN 金額 ELSE 0 END as 貸方金額INTO Table2 FROM Table1；）將“借貸方向+金額”轉換為“借方金額+ 貸方金額”。

3.建立審計中間表。經過預處理獲取審計中間表，將所有審計中間表導入數據庫，形成高價值密度的數據集。例如，在A企業的基礎數據中存在一張憑證主表和一張憑證明細表，兩張表有4個相同的關鍵字，具有高度關聯性，在審計的過程中往往會同時用到兩張表，腳本中也會多次將兩張表進行關聯，高度重復的腳本會大幅度地降低工作質量和工作效率，這種情況下，就可以通過建立審計中間表的方式將憑證主表和憑證明細表進行整合，生成一張憑證表。

（二）通過構建一些復雜的SQL語言，來構造被審計單位的業務規則，完成模糊查詢以及多表之間的交叉查詢等功能，實現對數據集進行時間、空間、人員以及績效四個維度的全方位審計與分析。

1.時間維度審計。時間維度審計主要分為截止審計和預計審計，對于截止審計，可以使用SQL語言查找出任何時間段不符合審計標準的數據。例如找出被審計單位從2021年1月1日到2021年3月31日之間的不滿足“數量乘以單價等于銷售金額”規則的銷售數據。通過SQL語句（Select ＊ from 銷售單 where最小日期>='2021-01-01' and 最大日期 <='2021-03-31' and 銷售數量＊銷售單價<>銷售金額；）就可以查詢出不滿足條件的數據，為審計人員提供疑點數據。對于預計審計，需要結合機器學習和SQL語言共同完成，例如2021年2月A企業的銷售額為100000，審計人員通過機器學習對公司過往數據進行時間序列預測得到2021年3月的銷售預計增長率為5%，誤差范圍為0.1%。在四維審計模型中，預計審計流程分為三步：首先，通過SQL語句（select sum(銷售金額) 3月銷售金額from 銷售單 where 最小日期>='2021-03-01' and 最大日期 <='2021-03-31' ）從銷售單中選出2021年3月份的銷售金額；其次，計算誤差區間的最大值（3月銷售金額＊99.9%）和誤差區間的最小值（3月銷售金額＊0.001）；最后，判斷在規定時間內發生的銷售額是否在誤差區間內，如果不在誤差范圍內則需要將銷售額作為有疑對象進行重點審計。

2.空間維度審計。在空間維度中主要對企業的會計信息系統的規則、流程、算法以及腳本進行審計。例如，審計人員對于被審計單位的數據只有查詢的權限，不能對其數據進行新增、修改和刪除，審計人員就需要將“查詢計算化”，以SQL語言中的基本語法“select ＊ from table where + 條件”為主體，結合被審計單位的業務規則和企業會計準則，計算出業務報表、資產負債表、利潤表等報表數據，并通過“同列相減”的比較規則，來判斷企業數據是否準確。

3.人員維度審計。人員維度主要分為管理層審計、合作伙伴審計、公司員工審計。對于被審計單位的管理層來說，主要通過JET對其進行審計，其基本步驟為：首先，通過編碼的方式預先定義舞弊特征，例如在審計中間表的憑證表中新增備注列，將沒有舞弊特征的憑證標記為“01”，記賬金額反復出現的分錄標記為“02”、記賬金額為0的分錄或者空分錄標記為“03”、記賬金額最后5位數字重復出現的分錄標記為“04”、在節假日或者周末過賬的分錄標記為“05”，其他的舞弊特征依次類推；其次，通過SQL語句（select ＊ from 憑證表 where note <>'01'；）迅速、準確的抓取符合舞弊特征的會計分錄，獲取備注列為非“01”的憑證；最后，審計人員只需要有針對性地對選出的憑證采用信息化手段進行相關審計。對于合作伙伴來說，可以通過SQL語言結合“函證”進行審計。例如，通過“函證”證實A企業在2021年9月對于合作伙伴B的全部應收賬款金額為100000。通過SQL語句（select應收賬款 from 應收賬款表 where合作伙伴='B'；）可以得到數據庫中A企業對于B合作伙伴的應收賬款金額，通過與函證中的金額對比分析，可以發現A企業是否存在應收賬款的舞弊行為；對于公司員工來說，報銷審計主要通過兩種方法進行。第一種，根據報銷標準判斷公司員工是否存在虛報費用的行為。例如A員工報銷限度是1000元，且僅限于報銷火車票，判斷A員工的報銷金額是否符合要求，可通過SQL語句（select count(＊) from 費用報銷單 where員工名稱='A員工' and 報銷金額>1000 and 報銷類型='出行—火車票'；），如果顯示結果為0，則該員工報銷金額符合標準，如果顯示結果大于0，則該員工報銷金額不符合標準。第二種，使用Benford定律對費用報銷進行審計。例如，假設報銷金額開頭為49的期望發生數為40次，但實際發生了90次，那么應當將金額以49開頭的報銷單作為疑點對象。

4.績效維度審計。績效維度審計需要根據EBK指標體系設計績效審計表，使用大數據技術計算出被審計單位指標體系中的績效指標，將計算出來的績效指標結果與績效指標標準表進行對比分析，使用“優秀、良好、中等、合格、不合格”指標等級對各個指標進行賦值，就可以根據不同賦值指標使用SQL語言來判斷出企業在經濟、社會與環境中存在的不足之處，并對其進行重點審計。例如通過SQL語言（select ＊ from 績效評價表 where 指標名稱='經濟績效指標' and 評價結果='不合格'；）選出評價結果為不合格的經濟績效指標。SQL語言對于同類事物的查詢具有很強靈活性，該語句只需要改變指標名稱后的條件就可以對社會指標或者環境指標進行選擇，找出不合格的指標進行追溯審計。

五、研究結論與展望

大數據環境下 “天時-地利-人和-綜合”四維審計模型有以下優點：（1）體現了新型審計環境下審計思維的轉變。四維審計模型對數據進行時間、空間、人員和績效四個方面實時的全方位審計，體現出模型中的全量數據審計思維與持續審計思維；在對被審計單位的會計信息系統進行審計時，對審計人員的財務、審計、計算機等知識提出的要求極高，充分展現了以人為本的審計思維。（2）以SQL語言為核心進行數據審計分析，大幅度提高了審計效率。一方面，運用SQL語言的強大查詢功能，可以構建一些復雜的SQL語言，來構造被審計單位的業務規則，完成模糊查詢功能、多表之間交叉查詢功能、復雜數據的分析功能；另一方面，審計人員在對數據庫只有查詢權限，沒有新增、修改和刪除的權限時，審計人員可以將select語句“查詢計算化”，根據被審計單位的業務規則計算出業務報表、資產負債表和利潤表等報表，并通過“同列相減”的比較規則來驗證被審計單位報表數據的準確性。

四維審計模型也存在兩方面的局限：（1）存在“新奇”漏洞。在大數據環境下，即便四維審計模型已經大范圍涵蓋了時間、空間、人員與績效四個維度，但是“新奇”的事物和現象仍會對審計質量和效率造成一定影響。例如，某企業在短時間銷售額劇增，如果將該企業的審計數據集運用在四維審計模型之中，銷售額必定會被判斷為重點有疑數據，審計人員則需要會花費更多時間對數據進行稽核，判斷企業的銷售情況、退貨情況等，反而降低了審計效率。（2）審計人員大數據審計知識儲備不足。在我國，同時具備會計、審計、稅法、計算機信息系統、數據庫、SQL語言知識的復合型人才很少。如果想實現“查詢計算化”或者使用大SQL語言進行數據分析，需要耗費審計人員大量的時間成本來彌補信息技術知識框架體系的缺陷。

利用大數據開展審計工作是審計信息化的第一步。通過構建審計模型提升審計質量和審計效率是審計機關落實國家治理現代化要求、提升審計監督效能以及實現審計全覆蓋的重要手段，也是實現大數據與審計融合發展的必由之路。在大數據時代，構建審計模型時應當注意以下兩個問題：（1）增強審計信息化復合型人才的培養。大多數審計人員擁有大量的會計、財務管理、審計等與財會相關的知識儲備，但是大部分審計人員對于計算機相關的知識體系并不了解。PwC (2015)認為要增強審計信息化人才儲備，高校應該為財會類專業學生提供與大數據審計相關的課程，事務所和企業也應該對相關審計人員提供與大數據審計方面的相關培訓。（2）發揮SQL語言與可視化技術“1+1>2”的協同作用。陳偉和居江寧(2017)認為使用SQL語言對數據進行查詢和分析，呈現的結果是枯燥的底層數字，難以造成審計人員視覺上的沖擊，會減輕審計人員對審計工作的熱情，大數據可視化技術正好解決了SQL語言的這一缺陷，數據可視化技術使視覺元素呈現多樣化。如果SQL語言與大數據可視化技術可以協同使用，必定可以發揮出“1+1>2”協同作用。