大數據審計在財務數據合理性評估中的應用路徑分析

一、前言

企業信息化帶來大量財務數據和復雜關系，增加了審計工作難度。大數據技術是提高審計質量的關鍵，能夠多維度分析數據，揭示風險和異常。單純依賴傳統審計手段已難以應對數據激增的現狀，因此，將大數據審計技術與傳統方法相結合，能夠顯著提高審計工作的效率和準確性。本文探討大數據審計在財務合理性評估中的應用及其優勢，深入分析其在識別財務風險、發掘審計線索、提升審計工作質量方面的作用，為審計工作者提供新思路和方法。

二、傳統審計概述

在傳統審計流程中，審計人員多依賴抽樣審查，即通過抽樣分析以推測整體情況，而抽樣審計貫穿于傳統審計流程之中。

具體而言，如圖1所示，風險評估程序是審計的起點，它幫助審計人員確定審計的重點和方向。審計人員通過分析被審計單位及其環境，以評估潛在的重大錯報風險，進而確定需對哪些領域展開抽樣審計。例如，如果風險評估結果表明存貨管理存在較高的重大錯報風險，審計人員可能會在存貨余額方面進行更多地抽樣測試。控制測試結果會影響審計人員對實質性審計程序的測試范圍。如果控制測試結果表明控制是有效的，審計人員可以減少實質性審計程序的抽樣范圍。相反，如果控制測試結果表明控制存在缺陷，審計人員可能需要增加實質性審計程序的抽樣范圍。此外，通過執行實質性審計程序，審計人員可以獲取關于財務報表的認定的審計證據。抽樣審計的選擇取決于風險評估和控制測試的結果，以及審計人員的專業判斷。審計人員會根據抽樣結果，評估剩余風險，并確定是否需要執行額外的實質性審計程序。

除傳統審計流程的成熟應用外，傳統的財務數據分析工具在審計領域亦得到了廣泛運用。以杜邦分析模型為例，它是一種財務分析工具，主要用于評估企業的財務健康狀況和盈利能力。它通過將企業的財務比率分解為幾個組成部分，來展示這些比率之間的相互關系。其中，凈資產收益率屬于該模型的核心指標，該模型對于財務信息的關注度也主要集中于財務報表層面。

通過杜邦分析，審計人員可以全面評估企業的財務狀況和盈利能力，從而評判財務數據的合理性。這種分析方法可以幫助審計人員發現潛在的財務風險和異常情況，為審計工作提供重要的參考。同時，大部分行業已形成了相對合理的指標區間，審計人員可根據此將區間之外的指標納入抽樣審計范圍，即審計線索。

綜上，傳統審計依然具備獨特的優勢，即流程具有一定成熟性，依賴審計行業長年累積的經驗形成。在傳統審計中，審計人員采用抽樣方法，從大量數據中選擇一個代表性的樣本進行檢查，然后根據樣本的分析結果推斷出整體數據的情況，亦可稱之為基于規則的審計，是一種歷史悠久且經過實踐檢驗的審計方法。它以標準化的審計程序和規則為基礎，通過系統化的審計流程來確保財務報表的準確性和合規性。然而，在評估財務信息的合理性時，影響的范圍不應僅局限于財務報表數據，還應包括管理等多個方面。換言之，傳統審計的覆蓋范圍相對有限。此外，隨著數據量的急劇增加，抽樣審計模式下的樣本容量代表性逐漸減弱，因此將傳統審計與大數據審計相結合成為必然趨勢。

三、大數據審計技術原理

在了解大數據審計技術原理之前，應對大數據技術的適用條件進行探討。首先，財務數據樣本量需要足夠大，指標種類需要盡量完整且豐富。其次，數據需要是自然生成的，不能有人為設定的最大值、最小值等限制條件，以保證數據的真實性和客觀性，也涉及到了數據采集的一致性與真實性。再次，對審計人員有一定的數據挖掘、數據處理與分析等能力水平的要求，否則難以得出預期結果。

大數據審計的運用原理，簡言之，在于大數據技術可以識別出數據異常之處，從而將其羅列為高風險領域。這種方法類似于省去了控制測試并直接通過風險評估程序，為審計提供了一定的審計線索。

大數據審計依賴大量數據的收集和分析，通過數據驅動的方式來識別潛在的審計風險和異常。這種方法不同于傳統的基于規則的審計，它更加依賴數據本身的特征和模式[1]。數據的清洗與預處理是為了保障樣本的數據質量。在風險評估方面，大數據審計通過使用各種數據分析和挖掘技術，如聚類分析、關聯規則挖掘、異常檢測等，來發現數據中的異常點。這些異常點可能指示著財務報表中的錯誤或欺詐行為，從而為審計提供風險評估的依據。區別于傳統審計，大數據審計能夠從多個維度和角度分析財務數據，如時間序列分析、跨部門分析、市場趨勢分析等，有助于審計人員更全面地理解企業的財務狀況。基于上述步驟，相應的審計計劃可據此制定，最終形成相應的審計報告。

綜上所述，大數據審計的原理在于利用數據驅動的方法、異常檢測與風險評估、實時監控與持續審計、多維度的審計視角、自動化與智能化，來提高審計的效率和準確性。盡管大數據審計具有獨特的優勢，但它并不是完全取代傳統審計方法。并且，盡管傳統審計技術與審計標準等已然成熟，但在大數據環境下，審計人員可以利用數據分析技術，從海量數據中挖掘出有價值的信息，例如“審計線索”，以提高審計的效率和準確性[2]。因此，大數據審計通常與傳統審計方法相結合，以發揮各自優勢，提高審計整體效果。這種方法可以幫助審計人員更好地發現和解決財務風險和異常情況，為被審計單位提供更為準確的審計意見和建議。

四、大數據審計在財務數據合理性評估中的應用路徑

針對財務數據的本質特性，包括合法性、效益性、真實性以及合理性等多個方面，本文著重對財務數據的合理性進行評估。之所以作出此選擇，是因為合理性這一概念具有較高的涵蓋率，通常涵蓋了真實性、合法性和效益性等要素。通過對合理性的探討，在研究大數據審計技術應用的過程中，可以提供一個更為綜合的視角來評價財務數據，同時，也凸顯了大數據審計在處理數據復雜性方面的優勢。

對于審計在財務數據合理性的評估運用中，大數據技術的發展極大地改變了審計環境，主要體現于審計載體之上。之所以載體形式有所轉變，原因離不開審計取證方式受到了大數據技術的影響。一般而言，主要涉及兩類取證方式，即現場與非現場審計。在傳統審計流程中，主要采取現場審計，而在大數據環境之下，各類信息實現數據化、電子化，也就是信息本身的載體也從線下轉移至云端，由文本信息轉為電子信息（見圖2），隨之而來的非現場審計情形也在逐漸增加[3]。正因如此，對財務數據合理性進行風險評估與取證的方法也得以轉變。

具體而言，無論是2023年對會計行業產生重大影響的十大信息技術，如數字電子發票、會計大數據分析與處理以及流程自動化等，還是諸如聚類分析、本福特法則之類的大數據分析工具，它們都對大數據審計在財務數據合理性評估中的應用產生了深遠影響[4]。本文以本福特法則為例，對大數據審計在財務數據合理性的評估運用進行探討。本福特（Benford）法則，也稱為第一數字法則，是一種經驗法則，描述了在許多實際生活數據集中，數字的第一位（首位數字）的分布規律。按照本福特法則，數字1作為首位數字出現的頻率最高，約為 3 0 . 1 % ，數字9作為首位數字出現的頻率最低，約為 4 . 6 % 。這種分布趨勢是logarithmicdistribution的結果，即以1為底的對數分布。在審計場景中，本福特法則的應用主要體現在數據分析上。審計人員可以使用本福特法則來檢查企業的財務報表或其他數據集是否存在潛在的造假行為。如果某企業的財務數據不符合本福特分布，可能表明數據被操縱，從而為審計人員提供了進一步調查的線索，并且這本身也能形成一種審計證據。

對于財務數據的合理性而言，無論是大數據技術還是大數據工具，數據都有一定的使用限定條件。如使用本福特法則的數據，需要先一步鑒定數據本身的真實性與自然性（非人為生成）5。如果上述條件不成立，則應使用傳統審計方式。

同樣地，以本福特法則為例，本福特法則在審計中的應用效果最好通常是在那些自然增長、不受人為限制或規則影響的財務數據集中。這些數據集（見表2）往往表現出一定的數字分布規律，符合或接近本福特分布。

值得注意的是，大數據技術與大數據工具識別出財務數據不合理之時，審計都需要做出進一步的查證。例如，在聚類分析（K-means）過程中，當出現異常點的情形時，不能直接將其認定為必然不合理。因為形成異常的原因是多樣的，例如某些企業在技術上取得了突破，而同行業大部分企業還停留于以往的產能水平之上，所以異于其他企業，形成孤點。

總而言之，大數據技術與工具在財務數據的合理性評估中更適用于作為風險評估的工具，幫助審計人員識別財務數據中的異常分布，從而提示可能存在的風險。通過進一步的審計程序，審計人員可以更全面地評估財務數據的合理性，并確定是否存在實際的財務數據不合理之處。

五、大數據審計的局限性與潛力

大數據審計技術在提升審計效率與準確性方面展現出明顯優勢，但同樣面臨數據敏感性和比對指標選擇等問題。因此，如何利用大數據技術提高審計的效率和準確性，成為審計領域亟待解決的問題。

首先，大數據審計本身存在一些限制。例如，在橫向比較時，由于行業數據較少，審計的可比性有所欠缺。同時，在評價數據結果時，審計人員常面臨指標選擇難的問題。其次，無論是優于還是劣于行業均值，都無法直接證實數據屬于不合理情形，只能判斷為數據不合理風險較高，需進一步查證。然而，在進一步查證的過程中，可以發現數據量與數據類型也在逐漸降低，從而無法達到大數據審計的適用條件。再次，在數據采集層面，數據的真實性與一致性通常是難以區分的，因而進一步影響大數據處理與大數據審計兩個層面[5]。由此可知，大數據在審計實操中本身就存在較多的局限性。除此以外，當前國家審計法律規范體現的是針對傳統審計作業模式的規范，難以適應大數據背景下的審計作業。并且，數據具有一定敏感性，尤其是在政府審計范疇，審計人員需要一定的數據脫敏處理能力，否則難以保障數據安全。即使審計人員具備相應能力，但數據脫敏工作量巨大、成本之高也導致大數據審計的實際成效未必優于傳統審計。因此，想要大數據審計在財務數據合理性評估中完全廣泛運用，需對上述問題進行優化處理。

盡管大數據審計存在局限性，但其對提高審計覆蓋率、優化審計抽樣結果等方面具有積極作用。隨著技術的發展，大數據審計可以進一步融合人工智能、區塊鏈、物聯網等新興技術，以提高審計的智能化水平和效率。同時，加強數據治理，提高數據的真實性和一致性，同時加強數據安全保護，以應對大數據審計中數據敏感性的挑戰。隨著大數據審計的發展，需要制定和完善相應的法規和標準，以指導大數據審計實踐，并確保其合規性[6]。此外，相較于擁有多年經驗積累的傳統審計，大數據審計亦需經歷一定實踐積累，通過持續優化與迭代，方能形成相應的評價指標體系等成果。

六、結語

大數據審計為財務數據合理性評估提供了新思路和方法，是審計領域發展的必然趨勢。當前，大數據審計尚不成熟，需要與傳統審計相結合，以發揮各自優勢，提高審計效率和準確性。未來，隨著大數據審計的發展，應進一步完善相關法規和標準，提高數據質量和安全性，推動審計行業高質量發展。大數據審計與傳統審計的結合，有望提高審計覆蓋率和智能化水平，實現對財務數據合理性的有效評估，為被審計單位提供更準確的審計意見和建議。

引用

[1]楊柔堅.數智化轉型背景下審計工作高質量發展研究[J].審計研究，2024（01）：18-27.

[2]鮑新中，崔婧.財會類實證研究中財務指標的選擇及其適用性[J].財會月刊，2017（19）：12-15.

[3]鄭石橋.大數據對審計取證的影響：一個理論框架[J].財會通訊，2021（05）：3-7.

[4]鄭石橋.電子數據環境對抽樣審計的影響：一個理論框架[J]財會通訊，2020（17）：13-16+126.

[5]萬鈞，郭磊.審計電子數據脫敏方法研究與應用[J].審計觀察，2024（02）：72-76.

[6]呂君杰，鄭石橋.數據采集的一致性與真實性辨析[J].審計月刊，2023（01）：4-5.

[7]陳耿，王士通，韓志耕.智慧審計理論中的若干問題研究[J]財會通訊，2023（03）：116-122.

作者單位：南京審計大學

責任編輯：韓柏