大數據審計技術在經營性房產專項審計中的應用

【摘" 要】論文探討了大數據審計技術在房產租賃業務審計中的應用，基于N單位的經營性房產專項審計案例，利用大數據工具Python，針對審計過程中遇到的手寫收據憑證數據化、數據清洗及深度分析等挑戰，提出了解決方案。利用OCR技術將紙質收據數據化，采用Python正則表達式與枚舉進行數據清洗，并通過Pandas進行數據邏輯關聯匹配分析，有效地提高了審計工作的效率和準確性。論文研究證明了大數據審計技術在審計領域的應用潛力，為今后的審計實踐提供了新的視角和方法。

【關鍵詞】大數據審計技術；經營性房產審計；租賃；數據清洗；Python

【中圖分類號】F239.4；TP312" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2024）02-0133-03

1 研究背景與意義

在當前的信息化浪潮中，眾多行業正在積極推進技術升級，信息技術的快速發展已成為不可逆轉的趨勢。隨著被審計單位從傳統的紙質記錄方式轉向電子化管理，電子數據的數量正在以前所未有的速度增長，這對傳統審計方法和工具提出了新的挑戰。本文探討如何通過大數據審計技術在房產租賃業務中達到審計目標。

經營性房產是企業重要的資源，是許多企業的關鍵資產，為其帶來了持續穩定的現金流。然而，經營性房產領域長期存在的粗放的經營管理模式、缺乏規范的管理體系和較高的腐敗風險，均嚴重阻礙了這些資產的保值和增值。因此，如何有效管理和監控經營性房產，防止資產流失，一直是內審和獨立第三方審計機構面臨的一大挑戰。

本文通過分析N單位經營性房產的專項審計案例，探討基于Python的大數據審計技術在經營性房產業務專項審計中的應用。這些技術工具能夠幫助審計人員更有效且更準確地分析數據間的關聯，識別異常情況，從而提高審計效率，防止租賃資產的流失，確保資產的有效管理和增值[1]。

2 大數據審計轉型的動因

為適應大數據對審計領域的影響，同時，提高審計效率和審計質量，很多會計師事務所正在積極轉向大數據審計的戰略發展。這主要是基于以下4個動因：

①環境動因。目前，企業逐漸采用ERP系統，實現財務管理的信息化。物聯網、云計算、大數據、區塊鏈和人工智能等技術的發展，進一步加深了企業信息化應用，促進了財務業務與這些技術的深度融合，實現了大量數據的自動化采集與整合[2]。②審計質量動因。目前，監管單位對審計質量的要求越來越高，審計程序與審計證據的質量越來越受到關注。通過大數據審計，審計工作可以更加詳細、全面，從而提高數據分析的全面性、審計判斷的準確性、審計程序的效率，使審計結果更加直觀，審計證據質量更高。③市場動因。市場需求的不斷擴大和對提高盈利能力的追求是促使審計機構向大數據審計轉型的外部動因。④戰略動因。面對大數據時代的競爭變化，審計行業的戰略調整也是促進大數據審計轉型的關鍵因素。國際四大會計師事務所在大數據、人工智能和區塊鏈領域的投資，以及與高科技公司合作開發的創新審計工具，體現了應對新競爭態勢的戰略調整。

3 N單位的基本情況與審計難點

3.1 基本情況

以N單位的經營性房產專項審計為例，審計項目組為了提升項目的審計效率與質量，在項目中運用了大數據審計技術。

N單位是一家資產管理公司的子公司，目前的主要業務是房產租賃業務，管理約1 000處可出租資產，在審計過程中發現其管理存在多方面的問題，例如，不執行資產盤點規定、資產信息記錄不一致、財務入賬信息不準確、收據使用不規范及合同管理缺失等。這些問題導致其房產租賃業務出現租金應收未收、公款私存和未按時足額上繳資金等重大風險。

本次審計的目標是，審定可出租資產合同的應收金額、資產管理員的繳款金額以及財務賬的入賬信息，由此得出審計結論，即：①每位資產管理員是否足額地將收取的金額（對應手寫紙質憑證金額）存入公司銀行賬號（對應銀行對賬單），是否存在侵占租賃收入的情況；②每位資產管理員是否按時地將收取的金額（對應手寫紙質憑證金額）存入公司銀行賬號（對應銀行對賬單），是否存在占用租賃資金的情況；③每項可出租資產的合同應收金額與入賬記錄的金額的差異，確認應收未收的合同款項金額。

3.2 審計難點

3.2.1 手寫收據數量龐大，填寫不規范

N單位的多名資產管理員共開具了約23 000份手工填制的收據，總額達到1.2億元。這些手寫的原始收款憑證數量龐大，且常出現名字與地址書寫錯誤或與實際不符的問題，為數據錄入和分析工作帶來了極大的時間負擔和準確性挑戰。傳統的審計方法，即審計人員逐張記錄并匯總紙質手寫單據，已經無法完成本次審計任務，根據推斷，每張紙質手寫單據如果通過傳統的方法記錄與統計需要花費約1分鐘，完成23 000多份單據的記錄與統計，至少需要30名審計人員每人花費約13個工時，時間成本和人力成本與審計業務收入不相符。在信息的記錄與統計中，最大的挑戰實際上是準確度問題，因人工記錄與統計大量單據，通常會出現人為因素的誤差，大量單據的誤差累計會影響審計效果，可能導致審計失敗。

3.2.2 紙質租賃合同數量較多，格式多樣且不規范

在本案例中，合同總數超過1 000份，涉及應收租金超6 000萬元。面臨的問題包括合同格式不統一，存在多種不同版本；許多合同僅有租戶印章，缺乏簽名；缺乏統一的合同臺賬，難以追蹤合同執行情況；合同地址與財務賬目、手寫收據表述不一致，導致數據匹配困難，需要大量人力資源進行數據清洗與關聯匹配。

3.2.3 財務賬記錄期間跨度大，摘要信息不全

2016年1月至2023年，財務賬記錄應收租金約9 000萬元，實收約8 000萬元，存在的問題包括會計摘要不清晰，未能區分資產管理員和租戶上繳款項；缺乏具體房產信息，難以確定租金所屬的具體資產，尤其是當一個租戶承租多處資產時，財務賬的梳理難度較大。

3.2.4 其他信息繁多，梳理難度大

可出租資產清單方面，N單位在此期間共有1 000多處可出租資產，包括廠房、商鋪、住宅等。但管理人員未進行定期盤點，缺少完整的資產清單。審計人員需完成租賃資產盤點工作，并將資產地址與記錄的地址匹配，人力與時間成本較高。銀行對賬單數據方面，8年內約有14 000多條銀行對賬單，發生額達82.68億元，統計和分類難度大。

上文中的4個審計難點對達到審計目標構成巨大的挑戰，傳統常規的審計方法已經難以滿足審計需求，大數據審計技術為解決這一系列問題提供了技術解決方案。根據審計的具體目標，即獲取并審定：①房產租賃業務收入金額；②資產管理員的收款金額；③資產管理員的繳款金額；④租賃合同的應收金額與應收未收金額。

4 大數據審計技術在N單位案例中的應用

4.1 原始資料的數據化與數據清洗

4.1.1 應用OCR技術將手寫收據信息數據化

首先，審計人員通過手機掃描軟件完成對23 000份紙質手寫收據的拍攝與掃描，匯集成PDF文件；其次，通過市面上通用的OCR應用程序轉為Excel信息。OCR（Optical Character Recognition，光學字符識別）是指電子設備（如掃描儀或數碼相機）檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機文字的過程[3]。因市面上已存在多款成熟且通用的OCR應用程序，不再介紹其應用。

4.1.2 應用Python正則表達式與enumerate清洗收集數據

手寫收據憑證轉為Excel數據后，信息的排布是凌亂和不規范的，無法進行數據分析，因此，需要進行數據清洗。數據清洗的目的是獲取和整理目標信息：手寫收據憑證的憑證號、金額、收入類型、收款日期、收款人、付款人、地址以及摘要。正則表達式是一種強大的文本處理工具，用于搜索、匹配和替換文本。在Python中，正則表達式通過內置的re模塊提供支持，該模塊包含一系列的函數和語法用于處理字符串[4]。以獲取手寫收據憑證的憑證號為例，代碼定義了一個用于清洗電子表格中憑證編號的Python函數。通過Python OpenPyXL庫加載指定路徑的電子表格文件后，使用enumerate庫，函數從第二行起遍歷每一行，尋找標記有“收據憑證號”的單元格。如果這些嘗試都未成功，則憑證號碼標記為“系統未找到信息”。之后，函數會將提取或生成的憑證號碼回填到電子表格的第二列對應行中，以完成數據的清潔和格式化過程。其他目標信息依此原理獲取。對原始Excel數據進行清洗，獲取收據憑證的憑證號、金額、收入類型、收款日期、收款人、付款人、地址以及摘要信息，這是進行大數據分析的基礎。類似地，紙質租賃合同與其他信息可通過該方法實現數據信息化與數據清洗，獲取目標信息，篇幅有限僅闡述部分數據的獲取。

4.2 數據的分析與匯總

在完成手寫紙質憑證、紙質合同、銀行對賬單以及財務賬的數據化與清洗后，已經獲得格式規范以及清晰準確的基礎數據，接下來利用Python的Pandas進行數萬條數據的邏輯關聯匹配以及運算，最終獲得關鍵的結論性數據。

對于租金收據收款與繳款（銀行對賬單）的數據分析，通過手寫收據租金收款記錄（見表1）與銀行對賬單管理員繳款記錄（見表2）的基礎數據，進行數據邏輯關聯匹配，獲取目標數據，即管理員向租戶收款的數據與其實際向公司賬戶繳款的對比數據。

基于Python的Pandas與os，收據數據與銀行對賬單數據的處理邏輯如下：①搭建數據框架，以“年度”與“月份”作為匹配單位整合收據數據與銀行對賬單數據。②匹配收據數據到數據框架中，將收據數據中的“年度”與“月份”列轉換為整數類型（利用Pandas Lambda函數），確保“月份”數據的一致性。遍歷數據框架的每一行，通過“月份”查找收據數據中的匹配行。如果存在匹配，計算匹配行的收據收款金額與銀行對賬單數據總和，并將該總和填充到數據框架的相應列中。③計算收據數據與銀行對賬單數據的差異，使用Python fillna（0）方法確保收據收款金額和財務賬入賬金額列中的空值被視為0，這對于后續計算差異很重要。計算收據收款金額與財務賬入賬金額之間的差異，并將其存儲在差異列中。計算差異列的累計和，保存在差異累計列中。

如表3所示，租金收據收款與繳款（銀行對賬單金額）的對比數據顯示：①該位資產管理員，在2016年1～5月存在收到租金，但是未向公司銀行賬戶繳存的情況，累計金額467 100.00元。②該位資產管理員，截至2023年3月，收到的租金與繳存的租金差額為552 946.42元。

由此得出初步審計判斷，該位資產管理員可能存在占用與侵占租賃收入資金的情況（最終的審計結論需要結合其他審計憑證作出）。

5 N單位案例中的大數據審計技術應用的總結與展望

在專項審計中，大數據審計技術展現出了廣闊的應用前景。相比于傳統的年報審計，專項審計往往針對具體問題或領域，因此，需要更為靈活和定制化的審計方法。本文以N單位的房產租賃業務為案例，探討了大數據審計技術如何在專項審計中發揮作用。第一，大數據技術應用于審計的全流程。從初步的數據收集和整理到深度的數據分析和異常行為識別。在N單位案例中，通過應用Python編程對數量龐大的手寫收據進行數據化處理和清洗，有效地轉換了傳統紙質文檔為可分析的電子數據，極大提高了審計效率和數據處理的準確性[5]。第二，大數據審計技術有助于識別異常和獲取線索。通過構建數據模型和算法，審計人員可以在海量數據中迅速定位異常交易和潛在的風險點，如N單位中資產管理員未按時足額繳納租金的情況。這不僅加強了對審計對象的監控，也為審計決策提供了有力的數據支持。第三，大數據審計技術多層面地拓展了審計內容的廣度和深度。利用數據挖掘和分析工具，審計人員可以從多個角度和維度審視數據，揭示業務操作中的潛在問題和改進機會。例如，在N單位案例中，通過比較合同應收金額與實際入賬金額，審計人員能夠全面評估租金收入的真實性和完整性。

綜上所述，大數據審計技術為專項審計提供了強大的工具和方法，使審計工作更加高效、準確和全面。隨著技術的不斷進步和應用，大數據審計在未來的專項審計實踐中將扮演越來越重要的角色，幫助審計人員更好地應對復雜多變的審計環境，提高審計質量和效率。

【參考文獻】

【1】孔思寧.大數據審計技術在國有經營性房地資產審計中的應用——以W區為例[D].南京：南京審計大學，2022.

【2】應里孟，陽杰.會計師事務所的大數據審計轉型——動因、障礙與實現路徑[J].財會月刊，2020（5）：100-108.

【3】李碩，李鳳至，雷鵬，等.基于OCR技術的財務審計質效提升探析[J].中國管理信息化，2022，25（7）：103-106.

【4】Wesley Chun.Python核心編程（第3版）[M].北京：電子工業出版社，2012.

【5】竇曉飛，李響.大數據審計視角下的瑞幸咖啡案例研究[J].中國管理信息化，2021，24（18）：57-58.