非現場數字化審計與現場審計協同路徑創新

崔竹 李培培 李璨融

【摘要】非現場數字化審計是“十四五”時期國家審計落實黨中央、國務院要求， 堅持科技強審、加強審計信息化建設的重要內容。 本文通過全面梳理非現場數字化審計現狀， 剖析其與現場審計之間的協同問題， 構建數據、人員和項目管理三個維度的非現場數字化審計與現場審計協同治理影響因素分析框架， 其中數據因素是首要因素， 人員因素次之， 項目管理因素的影響較小。 基于此， 提出應用非現場數字化審計平臺、統籌非現場數字化審計模式和管控非現場數字化審計程序的政策建議， 以期對促進數字化環境下審計組織協同創新和國家審計高質量發展提供有益參考。

【關鍵詞】數字化轉型；非現場數字化審計；大數據審計；協同治理

【中圖分類號】F239.1? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2022）21-0086-7

信息通信技術創新驅動著審計的數字化轉型。 面對數字技術變革帶來的機遇與挑戰， 國家審計不斷在審計理念、審計組織管理（包括人員管理、數據管理等）、審計技術方法等方面進行變革， 現已初步形成了“總體分析、發現疑點、分散核實、系統研究”的數字化審計模式， 數據審計理念基本確立。 近年來隨著環境的變化， 傳統的現場審計方式面臨一定挑戰， 非現場數字化審計的實踐進一步深入， 其已成為新時期國家審計高質量發展的重要著力點。 數字化背景下的管理活動呈現出高頻率實時、全周期交互、跨組織整合、多主體協同等特征， 線上線下行為日益走向全面融合、廣泛聯系和高頻互動[1] 。 適應數字化環境下的管理特征變革要求， 將現代信息技術與傳統審計業務有效結合， 構建非現場數字化審計與現場審計協同的組織模式變革路徑， 具有重要的現實意義。

一、非現場數字化審計發展現狀及其與現場審計協同面臨的問題

（一）非現場數字化審計的界定

按照審計人員開展審計工作的地點或場所， 審計組織方式可分為現場審計和非現場審計。 現場審計是指審計人員到被審計單位所在地開展監督檢查的審計實施方式， 可方便實施調查、觀察、詢問、判斷、查賬等傳統審計方法。 非現場審計是相對于現場審計而言的， 有廣義和狹義之分。 廣義的非現場審計包括送達審計、聯網審計、持續審計、遠程審計、大數據審計等多種方式。 本文所涉及的是審計數字化轉型背景下狹義的非現場數字化審計， 它是指審計人員在被審計單位或被審計工程項目實地之外， 即主要在審計機構自身的數據分析環境下， 利用審計機構以往日常采集的數據和圍繞特定審計項目最新采集的數據， 開展數據分析， 并據此對現場審計提供支撐[2] 的審計實施方式。

與傳統現場審計相比， 非現場數字化審計在國家審計領域的運用體現出“5M”特征（具有更多環節， 關注更多主體、更多關系、更多目標和更多行為）[3] 。 在功能作用發揮方面， 非現場數字化審計有利于突破資源限制， 擴大審計監督覆蓋面， 是實現審計全覆蓋的必由之路； 有利于突破時空局限， 提升國家審計對經濟社會風險的預警能力， 是發揮審計常態化“經濟體檢”功能的重要途徑； 有利于突破局部視野， 充分發揮國家審計宏觀管理職能[4] 。

（二）非現場數字化審計的理論研究和實踐

在理論研究層面， 美國會計學會主辦的《會計新視野》雜志曾于2015年6月出版特刊， 從不同層面論證了將數據分析納入審計工作的重要意義[5] ， 利用審計信息標準框架評估了數據技術應用于審計工作的可行性[6] ， 分析了審計大數據與持續審計的開展[7] 以及將大數據技術應用于審計工作的促進因素和阻礙因素[8] 。 在國內， 云計算、大數據對會計、審計的影響不斷深入， 從數據采集、處理、分析、組織和風險等方面給國家審計帶來了挑戰[9] 。 有學者提出了面向審計數字化平臺的審計組織能力成熟度模型[10] ； 從成本效益角度和需求供給角度分析了審計模式改進的可行性， 從邏輯流程、網絡架構和應用架構角度規劃了大數據審計模式的路徑及評價指標[11] ； 提出了審計領域的大數據價值鏈框架， 從審計大數據價值發揮的角色職責出發， 闡述大數據審計組織模式的創新[12] 。 但鮮有學者從系統論或協同論的角度研究非現場數字化審計的組織困境。

在實踐應用層面， 近年來各級審計機關開展非現場數字化審計工作的情況較普遍。 從審計機關來看， 85%的審計機關開展過包括審前數據分析在內的非現場數字化審計工作； 從審計項目來看， 各級審計機關開展審前數據分析的項目占總體審計項目比重的均值在50%以上； 從審計人員來看， 61%以上的審計人員參與過數據分析工作[13] 。 審計署2020年初組織全國審計機關開展的疫情防控資金和捐贈款物專項審計以及近年來承擔的聯合國審計任務等， 都大量應用了非現場數字化審計。 山東省審計廳開展的省市縣三級聯動模式、河南省審計廳的“五個關聯”工作思路、天津市審計局的大數據字聯網審計等， 也是數字化審計組織模式的典型代表。

根據開展數據分析工作的主要場所、時間安排和人力配置等因素， 非現場數字化審計與現場審計之間的協同關系可以分為以下三種模式。

1. 以非現場為主模式。 數據分析組或數據分析部門利用審計機關日常采集的數據開展非現場數字化審計。 對數據分析疑點較多或問題性質較嚴重的審計對象， 通過新設審計項目的方式開展現場審計； 對數據分析疑點較少、問題性質較輕微的審計對象， 通過現有審計項目核查， 或者反饋審計對象自我核查并報告。 該模式主要適用于審計機關日常數據采集基礎較好的審計領域。 例如， 天津市審計局搭建聯網實時審計系統， 通過非現場數字化審計方式， 每年實施一次16個區財政決算、100余家市級部門預算， 并實現市屬國有金融類企業、公共資金和民生資金、重大公共投資項目、市屬國有非金融類企業（每兩年）等數據審計項目全覆蓋。

2. 非現場與現場相結合模式。 搭建非現場與現場兩套數據分析環境， 組建大兵團作戰的非現場數字化審計組， 利用審計機關日常采集的數據和圍繞該審計項目最新采集的數據， 在審計組進駐現場前即開展集中的數據分析， 在審計組進駐現場后結合現場數據分析結果進行核查取證。 該模式主要適用于審前數據采集較充分的審計項目。 例如， 天津市濱海新區審計局2015年起在投資項目審計中， 運用無人機遙感測繪（RS）、激光掃描等技術進行現場地形地貌地物數據采集處理分析， 使用網絡實時動態差分技術（RTK）完成激光點云數據坐標系轉換， 在非現場借助基礎測繪資源、利用地理信息系統（GIS）解決復雜環境下大范圍綠化苗木數量、胸徑和冠幅規格測量等問題， 建立了符合審計作業標準的數據采集和分析算法。

3. 以現場為主、非現場為輔模式。 以現場數據分析組為主， 主要在審計組進駐現場之后， 利用現場采集的數據開展數據分析， 同時根據分析需要將有關疑點反饋給審計機關， 與審計機關日常采集的數據進行關聯分析。 現場數據分析環境可以分為單機/局域網獨立分析、被審計單位數據庫直連分析和審計機關數據庫在線分析等。 該模式主要適用于被審計單位的數據不適宜全部采集到審計機關的審計項目。 例如， 審計署重慶辦在信息化環境較好的金融機構， 利用金融機構已建立的數據分析平臺與審計署存儲的工商、稅務、海關、財政和環保數據以及網絡公開信息數據進行關聯對比分析， 查找審計疑點， 并通過VISO、EXCEL等軟件形成圖形化的分析追蹤和結果界面， 反映審計取證過程。

（三）非現場數字化審計與現場審計協同面臨的主要問題

當前， 對于如何保證電子數據證據的可靠性和證明力尚沒有具體的規定， 審計機關通過非現場數字化審計發現的疑點還不能直接作為審計證據， 需要審計現場核查證實。 而且， 非現場數字化審計雖然容易發現大量疑點， 但并不是所有疑點都值得現場審計延伸核查[9] 。 發現疑點與核查取證的分離帶來了非現場數字化審計與現場審計的協同問題。

1. 非現場數字化審計發現疑點的準確率不高。 從審計機關來看， 各級審計機關非現場數字化審計發現的疑點質量差距較大， 經核實確認的疑點占比從10% ～ 90%不等， 平均僅為30%左右； 從審計人員的評價來看， 非現場數字化審計質量處于一般水平（準確率為20% ～ 50%）， 特別是基層審計人員反映的非現場數字化審計疑點質量較低（準確率為10% ～ 20%）。

2. 非現場數字化審計與現場審計的協同性不高。 具體而言， 從供給側即非現場數字化審計的角度來看， 非現場數字化審計啟動時間與現場審計進點時間間隔小、數據分析時間緊、數據分析人員少、數據采集匯總校驗時間長、數據分析思路反復調整、疑點核查結果匯總時間長、難以及時分析現場審計新反饋的線索等， 導致數據分析形成疑點數量過多、下發時間晚， 難以滿足現場審計需要等。 從需求側即現場審計的角度來看， 現場審計時間緊、核查人員數量少、因怕“走彎路”導致核查積極性不高、因理解不到位而導致核查方向不準、向被審計單位調查取證的時間過長、與非現場數字化審計組反復溝通的時間長等， 使得部分疑點未核查、疑點核查命中率不高、反饋時間滯后， 難以與非現場數字化審計組有效協同等。

二、非現場數字化審計與現場審計協同的影響機理

協同論是通過復雜的非線性作用產生整體效果放大效應的過程， 它強調大系統中的諸多子系統有機會通過某些路徑協同配合， 進而推演或創作出單個子系統不具備的新功能， 最終實現協同價值增值[14] ， 即協同后會發揮大于原來各子系統效應之和的擴大效應或倍增效應。 協同正成為當前數字化環境下政務管理的重點和亮點。

審計是一種群體智力工作， 天然具有構建計算機協同審計系統的基本特征， 如群體性、交互性、協作性、分布性等[15] 。 數字化時代審計變革的邏輯起點是審計取證模式的變革， 其核心思路是“開展數據分析后延伸取證”[16] ， 這蘊含著非現場數字化審計（數據分析）與現場審計（延伸取證）的協同問題， 對審計整體流程、技術方法、作業模式、規范體系以及人才需求都有著深刻影響。 當前非現場數字化審計在數據采集與管理使用、數據共享、技術應用、組織管理、人員能力、質量控制等方面存在制約因素[17] ， 需要逐步積累數據、技術和人才等資源并加強項目管理。 其中， 技術和平臺是實施數字化審計的軟硬件基礎。 由于“金審工程”三期項目尚未在地方審計機關全面部署， 各地審計機關已有數據平臺的技術基礎與應用差異較大， 應用策略與審計人員的技術能力和經驗密切相關。 為從審計機關整體視角系統研究數字化審計影響因素， 本文將技術因素歸類為人員協同因素項下的分析人員分析能力和業務人員分析能力。 據此， 非現場數字化審計與現場審計協同質量的影響因素主要分為數據因素、人員因素和項目管理因素三個維度。

（一）數據因素是基礎客觀因素

數據是數字化審計的核心， 獲得反映經濟社會運行的主要數據是開展數字化審計的必要條件。 在數據采集得到保障的前提下， 數據的真實、完整、及時、共享是數字化審計質量的基礎影響因素[2，18] 。 若對錯誤、缺失或過時的數據進行分析， 所得出的結果必然有所偏差， 甚至“差之毫厘，謬以千里”。 非現場數字化審計對數據質量的要求較高， 在數據真實性方面， 由于被審計單位有意隱瞞或修改數據， 或者數據傳輸轉換過程中存在錯誤等情況， 導致“假賬真審計”增加審計風險。 在數據完整性方面， 由于部分審計項目在計劃階段對審計對象的了解不全面， 難以一次性完整提出所需資料清單； 或者由于被審計對象的配合程度和信息化水平較低， 制約了數據的采集渠道等， 導致非現場數據采集不充分、覆蓋面不全、類型范圍不完整等， 影響數據分析的可行性。 在數據時效性方面， 審前數據采集不及時或現場數據獲取、傳回不及時等， 往往導致非現場數字化審計過多依賴過時的歷史數據， 影響數據分析結果的時效性。 在數據共享方面， 受數據傳輸和數據安全等因素的影響， 審計機關采集的外部數據難以充分地在審計項目組之間以及各級審計機關之間共享； 稅務、銀行等垂直系統的數據呈現出向總部集中的趨勢， 而基層審計機關存在相關數據獲取渠道不暢等問題； 審計組內部也存在數據共享不充分的問題， 這些都會影響數據分析的質量。

（二）人員因素是關鍵主觀因素

數字化審計工作是人才和技術的優化配置與有效融合， 人才培養是數據審計的關鍵。 在數字化審計模式下， 審計人員的知識結構和能力結構需要全面升級， 既懂審計業務又能進行數據分析的復合型人才供不應求。 在數據分析人員的審計業務能力方面， 由于數據分析人員未到審計現場， 缺乏對審計對象的感性認識或理性研究， 往往難以發現分析疑點與審計對象業務實際之間的偏差， 直接影響疑點分析的質量。 在審計業務人員的數據分析能力方面， 如果審計業務人員缺乏數據分析思維和分析技能， 就無法有效開展現場數據分析工作， 或者難以與非現場數字化審計人員進行充分溝通。 在數據分析高端領軍人才方面， 非現場數字化審計所需高水平數據分析領軍人才的不足， 往往會影響前沿數據分析方法的創新應用。 在人員銜接方面， 非現場與現場審計人員的信息交互反饋機制不充分、審計人員與被審計單位之間的信息傳輸存在較高溝通成本， 都會影響協同效應的發揮。 在現場審計人員方面， 審計機關特別是基層審計機關“人少事多”情況普遍， 現場審計人力不足和核查意愿不強是常態。

（三）項目管理因素是重要保障因素

審計項目管理方式的轉變是審計技術方法創新的保障。 在數字化審計環境下， 審計項目的資源配置和審計規范體系也要進行相應的變革。 當前的審計項目管理模式主要依據審計機關內部層級和部門分工劃分審計項目， 并據此配置審計資源， 在充分調動各方審計力量開展數字化條件下的審計工作方面還存在協同性不足的問題。 在項目計劃方面， 常態化或宏觀數據分析與現場審計項目的協同統籌計劃機制未形成； 部分項目如實施方案多次調整、審計重點多次變換， 極易影響數據先行優勢的發揮； 部分數據化程度低的審計項目不適合非現場數字化審計等。 在時間安排方面， 在審計項目時間安排過緊的情況下， 非現場數字化審計往往存在一定的滯后性， 大量可以在非現場數字化審計階段完成的工作只能拖到現場階段處理， 難以發揮總體分析的作用。 在人員配置方面， 在審計人力總體不足的情況下， 仍存在人力資源安排不夠科學的問題， 審計項目對數據分析人員的配置及所需技術與資金等因素的預判是否充分、同步開展多個審計項目是否存在數據分析人力共用情況、將審計人員分割為現場和非現場兩部分是否交流不充分不靈活、數據分析項目缺乏指揮中心是否存在現場與非現場同步作業等問題， 都是重要影響因素。 在制度建設方面， 在電子數據取證流程和規范不健全的情況下， 審計項目如果只求結果而忽略過程， 往往會影響審計質量； 常態化或宏觀數據分析發現的疑點線索存在核查上的制度障礙， 特別是在審計對象沒有現場審計組的情況下， 如何核查取證的問題尚無制度保障。

三、非現場數字化審計與現場審計協同影響因素指標體系

為研究非現場數字化審計與現場審計協同的影響因素， 本文在上述理論分析的基礎上設計了影響因素指標體系， 并采用調研問卷的方式進行分析。

（一）影響因素指標及樣本

非現場數字化審計質量的影響因素較多， 本文主要從數據質量、人員能力和項目管理3個一級影響因素及其下屬13個二級影響因素進行分析（如表 1所示）。

為有效評價各影響因素的重要性程度， 本文設計了調研問卷， 問卷題目按13個二級影響因素分別設置5級量表（“1”表示不重要，“5”表示非常重要）。 調研對象主要為在各級審計機關從事審計數據分析工作的審計業務骨干和審計理論研究骨干。 共收回有效問卷154份， 調研對象在審計機關各單位層級、所在部門、職務級別和從業時間等維度上都有相應比例的分布， 具有一定的代表性。

（二）影響因素總體分析和結構分析

從一級影響因素來看， 重要性水平由高到低依次是數據因素（4.41）、人員因素（4.39）和項目管理因素（4.26）。 可見， 數據因素是首要因素， 人員因素次之， 項目管理因素的影響相對較小。 從二級影響因素來看， 數據因素中數據真實性（4.56）和完整性（4.51）的重要性水平較高， 數據時效性（4.37）和共享性（4.34）次之； 人員因素中最重要的是分析人員業務能力（4.53）， 其次是業務人員分析能力（4.47）和分析人員分析能力（4.47）， 再次是現場非現場溝通能力（4.36）， 疑點核實人員能力（4.12）的重要性相對較弱； 項目管理因素中最重要的是資源配置能力（4.44）， 其次是制度建設能力（4.21）、時間安排能力（4.19）和項目計劃能力（4.14）。

（三）影響因素比較分析

1. 分機關層級。 由表2可知， 無論是地方審計機關還是審計署的調研對象， 對數據因素、人員因素、項目管理因素3個一級影響因素的重要性認識基本一致， 都呈下降趨勢， 但存在量化認識差異。 地方審計機關對3個一級影響因素的重要性水平評價普遍高于審計署， 這可能與地方審計機關開展非現場數字化審計的需求更迫切有關； 其中人員因素的評價差異最大， 數據因素次之， 項目管理因素最小， 這可能與地方審計機關的人才需求更迫切、審計署對組織統籌需求更敏感的現實情況有關。

根據表3， 從二級影響因素來看， 地方審計機關認為分析人員業務能力和資源配置能力的重要性水平更高， 這可能是因為地方審計機關亟需提升分析人員業務能力和資源配置能力； 審計署評價的制度建設能力和時間安排能力重要性水平反超地方審計機關， 這可能是因為審計署亟需提升制度建設能力和時間安排能力。

2. 分部門性質。 由表2可知， 總體上數據部門認為人員因素更重要， 而業務部門認為數據因素更重要。 根據表3， 從二級影響因素來看， 數據部門更強調分析人員業務能力的提升、數據完整性、現場非現場溝通能力、疑點核實人員能力； 業務部門更強調數據共享性、時間安排能力、制度建設能力和項目計劃能力。 這些可能是各部門在實際工作中面臨的主要困難， 也是下一步提升非現場數字化審計能力的重點。

四、非現場數字化審計與現場審計協同的路徑創新

為有效推進非現場數字化審計與現場審計協同， 本文建議不再嚴格區分現場與非現場的職責邊界， 而是根據審計目標和項目計劃， 統籌配置審計資源、管控審計過程、激發審計動力， 實現數據協同、人員協同和項目管理協同。

（一）應用非現場數字化審計平臺， 實現數據協同

充分利用“金審工程”三期項目現場審計作業云、部分地方審計機關審計信息管理平臺或聯網審計系統等基礎平臺， 搭建非現場數字化審計信息平臺， 實現數據資源的高效采集共享。 一是在安全保密的前提下提高數據共享程度， 對審計現場采集的數據及時進行標準化處理并傳回審計數據中心， 同時根據審計現場需求申請調用審計機關掌握的歷史數據和外部數據。 二是建立非現場數字化審計與現場審計實時溝通機制， 打通數據信息流轉渠道， 強化數據分析與現場核查質量的線上記錄追蹤機制， 將現場審計情況及時反饋給非現場人員以對分析模型進行修正完善。 三是探索通過電子簽名、可信時間戳、哈希值校驗、區塊鏈等技術手段固定非現場數字化審計與現場審計形成的電子數據審計證據。

（二）統籌非現場數字化審計模式， 實現人員協同

根據審計目標的不同， 以審計項目/計劃制定為起點， 將非現場數字化審計模式分為審計項目數據分析模式、常態化數據分析模式和宏觀數據分析模式， 并分類配置數據審計資源， 如表4所示。

1. 審計項目數據分析模式。 它是以提升審計疑點發現能力、服務審計項目實施為主要出發點的模式， 分為現場為主和非現場為主兩種模式。 根據審前數據采集情況， 分別以審計組進駐現場前為主或進駐現場后為主開展數據分析工作， 將數據分析發現的疑點線索提供給現場審計組進行核查取證， 分析結果為審計項目組撰寫審計報告服務。

2. 常態化數據分析模式。 它是以推動實現審計全覆蓋和常態化經濟體檢為主要出發點的模式。 業務部門圍繞本領域的全部或部分審計對象， 主要利用審計機關日常采集的本領域數據開展常態化數據分析， 通過數據分析發現重點審計對象或重點審計業務， 為制訂審計計劃、確定重點審計對象服務。

3. 宏觀數據分析模式。 它是以履行審計機關經濟安全“守護者”職能、加強宏觀經濟監督為主要出發點的模式。 數據分析部門圍繞宏觀經濟運行風險隱患或國家重大宏觀政策措施落實情況， 利用審計機關日常采集的與國民經濟運行相關的跨領域數據， 開展宏觀層面的分析， 分析結果為宏觀經濟管理提供決策支撐。 在審計項目實施上， 推行扁平化管理， 業務部門和數據分析部門高效協同， 業務人員與數據分析人員混合編組； 在制度層面， 出臺常態化與宏觀數據分析等分析模式的核查取證規定， 以及現場與非現場審計結合的方式和審計發現問題的整改督促機制等制度措施。

（三）管控非現場數字化審計程序， 實現項目管理協同

將非現場數字化審計過程嵌入審計業務程序， 有助于對數字化條件下的審計業務程序進行優化， 實現非現場數字化審計與現場審計的流程一體化（如圖1所示）。 在具體實施步驟上， 可以選擇數據基礎較好的審計項目先行試點。

1. 審計計劃階段。 一是充分考慮常態化和宏觀數據分析結果， 研究確定審計重點領域和重點審計對象， 為審計計劃的制訂提供科學依據； 二是開展數據分析可行性評估， 確定每一項審計項目/計劃的數據分析模式， 據此統籌配置數據資源、人員力量和項目資源等； 三是對于審計對象信息化基礎較薄弱， 不適合開展數據分析的審計項目， 鼓勵開展基礎性數據采集和常規分析等工作。

2. 審計實施階段。 一是開展以信息系統調查和數據采集為主的審前調查， 據此編制審計實施方案， 進點開展現場審計； 二是充分論證信息系統審計的必要性， 對于信息系統依賴性較強的審計項目， 組織專業人員開展信息系統審計； 三是在充分挖掘分析已有數據信息的基礎上構建數據分析模型， 對于發現的疑點線索， 在審計組內部充分論證后， 再與被審計單位進行溝通核實； 四是建立數據分析問題核實記錄制度， 在審計工作底稿專門記錄通過數據分析發現疑點的核實情況。

3. 審計報告階段。 一是形成專門的數據分析報告， 為審計報告撰寫提供依據； 二是在審計報告中單獨陳述采用的數據分析方法及使用的電子數據情況； 三是對審計發現問題的整改情況開展數據分析， 確保問題整改取得實效； 四是建立數據分析后評價機制， 總結數據分析工作的經驗和不足， 積累數據分析的經驗和模型， 為持續提升數據分析工作水平提供依據； 五是研究制定數據分析相關疑點核查文書和核查業務流程等規范， 進一步明確數據分析結果復核、疑點線索延伸核查的反饋機制。

五、總結

如何基于數字化的管理機制開展審計組織協同創新， 構建非現場數字化審計與現場審計協同的組織模式變革路徑， 是當前國家審計機關面臨的重要現實問題。 非現場數字化審計與現場審計協同主要受數據、人員和項目管理三重因素的影響， 亟待實現數據協同、人員協同和項目管理協同。 本文基于協同治理理論構建了非現場數字化審計與現場審計協同的影響因素分析框架， 并通過調研問卷對各因素進行了比較分析， 提出了非現場數字化審計與現場審計協同路徑創新建議。 隨著審計信息化平臺在各級審計機關的逐步建成和完善， 以及審計對象政務數據中心的建成和數據的逐步開放共享， 非現場數字化審計模式的數據治理、人員管理和項目管理的協同治理也將趨于復雜化， 是未來的研究方向。

【 主 要 參 考 文 獻 】

［1］ 徐宗本，馮芷艷，郭迅華等．大數據驅動的管理與決策前沿課題［ J］．管理世界，2014（11）：158 ～ 163．

［2］ 王會金，陳偉．非現場審計的實現方法研究［ J］．審計與經濟研究，2005（3）：36 ～ 39．

［3］ 章軻，張冬霽，梁軒瑞等．大數據審計中要做到的“三個把握”［ J］．審計研究，2018（5）：30 ～ 34．

［4］ 袁野．推進新時代大數據審計工作的思考［ J］．審計研究，2020（1）：3 ～ 6．

［5］ Vasarhelyi M. A.， Kogan A.， Tuttle B. M.. Big data in accounting：An overview［J］. Accounting Horizons， 2015（2）：381 ～ 396．

［6］ Yoon K.， Hoogduin L.， Zhang L.. Big data as complementary audit evidence［ J］． Accounting Horizons， 2015（2）：431 ～ 438．

［7］ Juan Zhang， Xiongsheng Yang， Deniz Applebaum. Toward effective big data analysisin continuous auditing［ J］． Accounting Horizons， 2015（2）： 469 ～ 476．

［8］ Alles M.， Gray G. L.. Incorporating big data in audits： Identifying inhibitors and a research agenda to address those inhibitors［ J］． International Journal of Accounting Information Systems， 2016（22）： 44 ～ 59．

［9］ 劉星，牛艷芳，唐志豪．關于推進大數據審計工作的幾點思考［ J］．審計研究，2016（5）：3 ～ 7．

［10］ 牛艷芳，薛巖，鄧雪梅等．審計大數據關聯的網絡分析平臺構建及應用研究［ J］．審計研究，2018（5）：35 ～ 42．

［11］ 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．

［12］ 牛艷芳，馮占國，孟祥宇．大數據價值鏈視角下的審計工作創新與實踐［ J］．審計研究，2017（5）：17 ～ 22．

［13］ 姜江華，李春蘭，崔竹等．大數據驅動審計工作創新——數據分析技術方法在審計工作中的創新應用調研報告［R］．審計署審計科研所中國審計研究報告，2021．

［14］ 赫爾曼·哈肯著.郭治安譯．高等協同學［M］．北京：科學出版社，1989．

［15］ 魏祥健．云平臺架構下的協同審計模式研究［ J］．審計研究，2014（6）：29 ～ 35．

［16］ 劉杰，韓洪靈，陳漢文．大數據時代的審計變革：分析框架與實現路徑［ J］．財務研究，2019（3）：42 ～ 53．

［17］ 劉譽澤．我國非現場審計理念及實踐路徑研究［ J］．審計研究，2017（2）：13 ～ 20．

［18］ 陳偉，Smieliauskas Wally．大數據環境下的電子數據審計：機遇、挑戰與方法［ J］．計算機科學，2016（1）：8 ～ 13+34．

（責任編輯·校對： 喻晨? 陳晶）