企業數字化程度對審計實施模式和路徑影響探析

馮嘉誠，趙平偉

（1.云南大學經濟學院，昆明 650500；2.云南大學審計處，昆明 650500）

1 企業數字化審計技術簡介

1.1 數據采集技術

1.1.1 數據采集的工具介紹

目前，工作中常用的數據采集工具和技術主要可分為通用軟件、專用審計軟件、語言類工具、數據訪問端口4 類。通用軟件主要有：Excel、Access、SQL Server、Oracle；專用審計軟件主要有：基于AO 的數據采集、基于IDEA 的數據采集；語言類工具主要有：基于R 語言的數據采集、基于Python 語言的數據采集；數據訪問端口主要有：國內通常使用的ODBC 訪問技術。

1.1.2 數據采集的原理及特點介紹

對于數據采集的原理來說，其實就是一個收集以及歸納的過程，目的是將現有的以及隱藏在現象背后的數據進行總結和歸納，為之后的數據分析，乃至最后的結論設想提供基礎，若這一步進行得不扎實，后續的審計過程也會受到影響。

對于數字化審計，數據采集模式可歸納為直接采集和間接采集（見圖1）。直接采集即從被審計對象數據系統中調取所需數據，此方式需要提前了解被審計單位數據系統，最優解是提前對被審計單位數據管理系統進行規范；對于間接采集來說，采集對象不局限于被審計方，而是采用模糊目標的方式利用目前的數據采集手段根據審計目標為指引進行關聯性數據提取與分析。

圖1 數字化審計數據采集示意圖

數據的采集方法可以歸納為：直接復制、通過中間文件采集、通過ODBC 接口采集、通過云端（備份/恢復）的方式采集、通過專用模板采集等（見表1）。

表1 數字化審計數據采集影響分析表

1.2 數據分析技術

1.2.1 數字化數據分析的作用

數據分析是數字化審計4 個步驟中的關鍵一步，發揮了承上啟下的作用。在數據收集和數據處理的基礎上，分析數據、發現審計線索和獲取審計證據都在數據分析這一步驟，同時，為下一步——形成審計結論提供了依據和支撐。

1.2.2 數字化數據分析的工具

通常，數字化數據分析技術分為3 類：一是常用的Excel、Access 和SQL Server。此類工具在執行數據分析時可以具備以下數據分析功能：在大量結構化數據中查找多種條件限制下的內容。二是AO 系統和IDEA 系統。此類現場審計系統可以利用軟件內嵌功能，遵循統計抽樣原理對數據進行抽樣，包括Benford 抽樣、統計數值分析、重復分析、斷號分析、賬齡分析等。三是大數據智能分析技術。目前，大數據分析技術主要分為三大應用方向：智能分析技術、可視化分析技術、多數據源綜合分析技術。具體來說，首先智能分析技術主要采用人工智能模型，依托于計算機計算能力，實現智能化與無人化數據處理分析，并得出結論，目前主流的技術包括：自然語言處理技術，一般用于文本相似度計算、機器翻譯、信息檢索；社會網絡分析技術一般采用Pajek、Gephi、R 語言、Python 等工具實現數據間的聯系網絡繪制，從中發現審計線索。其次，大數據可視化分析技術包括三維數據分析、標簽云分析、散點圖分析、條形圖分析、氣泡圖分析、熱力圖分析等。最后，多數據源綜合分析技術。多數據源綜合分析技術是一種基于上述大數據分析技術的綜合性分析方法，主要應用邏輯是以審計目的為導向，多方位、多源頭獲取數據，通過綜合對比、關聯分析，獲得審計證據，驗證審計思路，得出審計結果。

2 企業數字化程度對數字化審計模式的影響

隨著社會和科技的發展，信息、生產資料的載體不斷變化，信息化以及數據化是必然的趨勢，因此，數字化審計的發展也是企業發展的必由之路。可以看出，審計是公司管理與治理的工具，其功能和意義是依附于公司發展之上的，因此，企業審計的數字化程度直接與企業的數字化程度掛鉤，企業的數字化能力也決定企業數字化審計程度的邊界。

在探究企業數字化程度對數字化審計模式的影響之前，需要明確數字化審計的模式有從低到高哪幾種，企業的數字化程度可分為：管理批處理模式、準實時管理模式、實時管理模式。對應的數字化審計模式同樣分為三大類：信息批處理模式、審計準實時模式、審計實時模式（見圖2）。

圖2 數字化審計進階示意圖

在批處理模式下，主要可以運用的審計技術手段有數據存儲與聯機查詢、統計分析，其能夠實現的功能是生產數據的及時復制儲存，歷史數據的在線查詢、簡單篩選，業務統計報表的自助分析，客戶細分統計分析等。隨著企業數字化程度以及數字化能力的提高，企業審計數字化可從批處理模式過渡到準實時模式，在此模式下的企業可以實現業務趨勢預測、客戶行為預測等具有預估性質的決策判斷。從審計層面看，準實時模式下主要可以運用的審計技術手段為運用SQL、數據庫、R 語言，結合AO、IDEA 審計辦公平臺等工具，實現業務數據探索模型的測試驗證。在此基礎上，如能夠對企業的管理內核以及業務流程進行數字化改造，便可以將企業數字化程度提升到實時管理模式，在此模式下，公司可運用智能化大數據分析技術，實現之前的所有功能，并且在業務上可實現自主反欺詐識別，在公司管理上可實現智能化，實現公司管理系統的自然語言理解與人工智能功能，對這個層級的數字化企業進行審計時，可以運用智能分析技術、可視化分析技術、多數據源綜合分析技術，從各種關聯數據中進行信用風險評估、催收分析、關聯風險防控等，甚至將審計系統設計成可以實時監督、深度學習新情況的實時、持續、可聯網的審計系統。

3 企業數字化審計發展各階段的問題及原因

3.1 從傳統紙質化模式審計到信息批處理審計模式

從傳統紙質化模式審計到信息批處理審計模式階段的數字化審計一般是由企業審計部門推動、業務需求主導，通過數據整合，建立內部審計自己的數據集市，或者基于公司的數據倉庫搭建審計支持系統。這一階段的數字化審計往往由內部審計部門的業務人員主導，通過將審計經驗和檢查思路特征化、模型化、指標化的方式，構建審計分析系統和審計監測系統。審計分析系統為審計檢查提供實時、全量的數據查詢支持，審計監測系統可以基于規則生成風險預警或問題線索清單，為內部審計人員進行持續非現場審計提供支撐，這一階段往往是數字化審計“最出彩”的高光階段。這是由于在大多數公司的大多數部門還在“部門墻”“數據孤島”內“自娛自樂”時，內部審計部門首先打通了數據壁壘，實現了全公司、全業務、全流程數據的“所思即所得”，仿佛“打通了任督二脈”，使內部審計檢查的廣度和深度都有了突飛猛進的提升，內部審計部門也憑實力贏得了公司內部的話語權。在此階段存在如下亟需改進的方面：第一，企業相關管理部門的數據和流程隔斷導致數據的打通只解決了數據的引入問題，整合多源數據的方式仍然較為原始；第二，系統以“點”解決方案為主，缺乏對業務或風險的全面畫像能力，對板塊的全面畫像能力依賴于技術和業務復合型人才的二次分析和整理，不具有可復制性。

3.2 從信息批處理模式到準實時審計模式

隨著時間的推移，數字化審計如果沒有及時進化或迭代，往往會面臨“出道即巔峰”的困境，這樣的案例并不鮮見。這是由于從無到有階段的數字化審計存在以下幾個天然的不足：一是業務條線的鎖定、管理部門的流程隔斷、數據割裂，數據的打通只解決了數據的引入問題，整合多源數據的方式還很原始。二是基于法律法規、審計經驗、檢查思路等線性規則的模型或者指標在被審計對象的內部控制水平提升后，很容易“見光死”。三是系統以“點”解決方案為主，缺乏對業務或風險的全面畫像能力。對板塊的全面畫像能力依賴于技術和業務復合型人才的二次分析和整理，不具有可復制性。此外，部分內部審計人員存在有了數字化審計系統就“一招鮮吃遍天”的心理，固步自封、自我封印。

3.3 從準實時審計模式到實時審計模式

數字化審計取得的成果帶來的示范效應，以及條線數字化轉型上到新臺階，也使其他條線管理部門紛紛加快了數字化系統的建設進程，借鑒數字化審計的經驗，進行風險預警、異常監測等。

以商業銀行為例，隨著金融科技的發展，隨著“智慧銀行”的興起，銀行的客戶體驗大大提升，營運效率優化了、風險管理改善了，同時，由于業務場景發生了革命性變革，銀行內部控制和內部審計也迎來了新的挑戰。產品、服務、應用，都在快速迭代，以“人”為核心的數字化審計也會在“趕場”過程中“疲于奔命”、無暇創新。在經營管理過程中，大量模型和算法的采用，讓人工智能等新技術專注于事前的預判和事中的執行，事后的查漏補缺已不再是關注的重點。審計部門不僅要能“洞悉風險”，還要能“防范和化解風險”，按部就班的內部審計可能會在業務條線智慧風控的擠壓下逐步邊緣化。

在這一階段，數字化審計要面對的問題是：如何通過優化價值鏈，提升公司整體價值創造能力，在公司的內部管理過程中發揮更大的作用。數字化審計如何進行進化和迭代，從優到專，這還需要審計人員共同探討。

4 應對企業數字化審計各階段問題的對策和建議

4.1 頂層設計，不斷完善規則指南

在基于數字化轉型的內部控制環境中，要逐步樹立數字化審計觀，審計思維要由“從抽樣到全體”轉向“從全局到部分”、由關注因果關系轉向因果關系和相關關系并重，在引入各種模型和算法支撐數字化審計后，需要在審計風險的評估中考量模型風險帶來的影響。

4.2 強化平臺，持續迭代優化系統功能

數字化審計支持平臺至少要包括兩個部分：后臺數據端和前臺應用端。后臺數據端一般包括數據倉庫或者數據湖，以及相應的數據采集、管理工具。前臺應用端一般采用B/S 架構，將思路特征化、模型化、指標化后構建的審計分析系統和審計監測系統主要為審計提供查詢、分析、監測和預警功能。審計平臺的生命力在于使用，審計部門一方面需要與業務部門保持緊密溝通聯系，及時將業務系統開發上線的新功能、新臺賬的相關數據引入審計支持平臺，快速定制查詢模板，開放查詢權限，供審計人員查詢下載各類業務數據；另一方面需要從數字化審計循環中不斷提煉和總結，對圖數據庫、復雜網絡分析等新技術進行遷移學習和應用，持續進行功能優化迭代。

4.3 目標導向，多場景運用數據分析工具

數字化審計是一項高度目標導向的工作，為達成目標需要六大支柱協同發揮作用。數據分析技術快速更新迭代，已經從傳統的關系型數據庫發展到大數據挖掘、社會網絡分析等高階運用。審計人員可通過對業務系統相關數據結構和字段信息的解讀，并進行充分挖掘、分析和應用，結合條線部門的內部管理與評價標準，或在適當的情況下建立合理的數理分析模型，評價被審計對象的經營業績、業務風險，配置企業資源，引導各級部門科學健康發展，提升公司核心競爭力，實現增值的目標。例如，可以綜合SQL、SPSS、Excel 等工具，對財務資源投入的效益情況建立模型進行探索性挖掘、分析，對結果提出相應的應用展望，發揮內審的咨詢、建議職能，促進被審計單位的經營效果提升，優化經營管理。

4.4 展望未來，探索數字化審計前沿技術

未來的數字化審計只有利用信息技術，通過運用數據挖掘、人工智能、自然語言處理、多媒體數據分析等技術才能實現“讓數據自己說話”的目標，即通過運用成熟的工具和算法，從更深的層次對海量數據進行分析，揭示數據中隱藏的規則，展現其本來特征和內在聯系，獲取有效的審計線索、發現審計疑點、準確定位風險。此外，企業要進一步加強對非結構化數據的挖掘和應用。非結構化數據是指數據結構不規則或不完整，沒有預定義的數據模型，不方便用數據庫二維邏輯表來表現的數據。例如，商業銀行內部的會議影像、監控視頻、調查報告文本、客戶簽名，外部的法律判決文書、公司公告信息、社交網絡數據等。隨著中文分詞、文本檢索、自然語言處理、視頻和音頻識別等技術的日趨成熟，數字化審計可以越來越有效地利用非結構化數據。利用圖像識別技術，可以對客戶存取款的簽名進行識別和比對，確認員工是否嚴格遵循“誰辦理，誰簽字”的原則辦理業務，通過對管理層歷年的講話、工作總結等文本進行詞頻分析、情感分析、內容分類，更準確地了解管理層的經營管理理念、風險偏好的變化。

審計部門需要始終保持對最新數據分析技術的敏感性，借鑒反洗錢、信用卡風控等領域的經驗，通過遷移學習，不斷探索、引入新技術，著力提升審計發現問題的廣度、深度，同時，提升審計效率。