審計全覆蓋視角下高校大數據審計框架構建與實現路徑

本文系湖南省教育科學規劃重點項目“實現高校審計全覆蓋監督體系構建與實踐研究”（CJ235552）

一、引言

習近平總書記在中央審計委員會第一次會議上強調，要“努力構建集中統一、全面覆蓋、權威高效的審計監督體系”。在審計全覆蓋背景下，高校應把握時機，構建全面、高效的審計監督體系。然而，現行高校信息化建設程度相對較低，審計需求與審計資源供給不匹配，審計監督范圍不夠廣、內容不夠深等問題普遍存在，導致難以實現高校審計全覆蓋。《“十四五”國家審計工作發展規劃》提出，要充分運用現代信息技術開展審計，提高審計質量和效率，加強數據資源分析利用。高校審計部門應運用大數據技術，致力于突破審計資源、視野及時空的束縛，拓寬審計監督范疇，切實應對審計全覆蓋面臨的難題，進而提升審計的效率和成效。

二、審計全覆蓋視角下高校大數據審計框架構建

（一）基本思路

在審計全覆蓋背景下，傳統審計技術和方法已經無法完全滿足高校審計全覆蓋對審計效率和效果提出的新要求，要想實現全視角、全過程、全覆蓋的審計，高校需要依托大數據技術賦能審計實踐，對傳統審計模式在審計技術、審計平臺、預警機制和監督體系方面進行結構性優化，從而克服傳統審計監督范圍狹窄、監督深度不足的問題。基于此，本文構建了大數據審計框架，圍繞“1個核心”，即大數據審計展開，總結了大數據審計的“3個特征”，即在審計全覆蓋背景下的大數據技術應具備“全視角、全過程、全覆蓋”3大特征，明確了“4個發力點”，即通過技術、平臺、機制、體系4個方面驅動實現大數據審計全覆蓋，最終解決現存的“2個問題”，即審計監督范圍不夠廣、內容不夠深問題（見圖1）。

（二）大數據審計“1234”框架構建

1.圍繞“1個核心” 大數據審計。

該框架以大數據審計為核心，挖掘分析全樣本數據，識別業務關系，開展多模式審計，實現了從傳統的事后檢查到事前預警分析一事中風險控制一事后整改監督的轉變，突破了審計人力、資金、時間和空間的限制，擴大了審計監督覆蓋面。

2.解決“2個問題”——審計監督范圍不夠廣、內容不夠深。

當前，雖然國內各高校在大數據審計方面已進行了一定的探索和實踐，但面對新時代審計全覆蓋要求，還存在以下兩個方面的痛點。

（1）審計監督范圍不夠廣。

高校審計內容涵蓋高校政策落實情況、發展規劃與制度建設、領導決策與執行情況、財務管理、內控管理、廉政廉潔等多個方面，內容海量、多源且異構。然而，高校現有審計人員數量有限，且高校獨立的審計系統與財務及其他部門系統間存在不兼容現象，信息化基礎建設和保障能力相對薄弱，這使得有限的審計人員難以實現全范圍的監督。在現有信息化建設的基礎上，審計數據采集范圍不夠廣，數據類型不夠豐富，大部分數據主要是財務核查數據，在政策執行、廉政建設等方面獲取的數據資料不充分；同時，數據采集滯后且標準化數據處理不足，大部分數據屬于事后采集，而非實時更新，審計數據編目和共享機制還不夠健全。信息基礎建設薄弱、數據采集和處理機制的不完善，難以支持高校實現全范圍的審計監督。

（2）審計監督內容不夠深。

首先，高校審計人員未能充分整合審計數據流與業務流，缺乏對基礎數據進行分析、研判的決策輔助應用，難以基于現有數據進行業務關系分析以及風險識別，進而無法為審計決策提供深入、直觀的數據支持。其次，現有數據與審計目標適配性不強，從學校食堂、超市、學工、科研等系統采集的數據，與高校政策落實情況、發展規劃與制度建設、領導決策與執行情況、廉政廉潔等審計目標匹配度不高，影響了業務分析和風險識別的效率與深度。最后，現有高校審計主要專注于資產管理、財政收支、科研經費使用情況等合規性審計，由于審計技術限制，暫未開展日志、造價等更為深人的審計。

圖1 高校大數據審計框架

3.體現“3個特征\"：全視角、全過程、全覆蓋。

高校審計人員在開展大數據審計時，通過運用大數據技術進行全范圍的數據采集和處理，構建數據分析模型，能夠有效識別業務關系和業務風險。審計過程支持多主體、多模式的全程跟蹤審計，實現了“技術流—數據流—業務流”三流融合，具備了“全視角、全過程、全覆蓋”的審計特征。首先，全視角審計。審計數據流反映了審計對象在不同層級、不同部門之間的業務活動。全局數據的深入分析，能夠助力審計人員跨越審計、財務、監察等多個層面及部門，從項目全維視角出發，運用聯系與發展的思維，精準識別審計風險。同時，通過大數據審計技術挖掘的審計數據，具有整體性、連續性，從具有這一特征的數據流中，審計人員不僅可以分析出高校政策執行情況、資金使用的效率和效果、領導權力運行過程的合規性及結果的效益性，還能全面把握審計對象的現狀與發展趨勢，深入剖析其存在的普遍性與趨勢性問題。因此，大數據審計技術可以促使高校審計視角由單一向多維、由點向面、由微觀局部向宏觀整體進行轉變。其次，全過程審計。通過實施大數據審計，可以實現在線審計和現場審計的有效結合，通過常態化數據搜集和分析，在事前進行項目風險點預測，為項目實施過程風險控制提供支撐；對風險問題的處理整改進行事后跟進監督，可以推動傳統事后審計向事前預測、事中控制、事后監督審計進行轉變，實現項目全過程審計。最后，全覆蓋審計。通過運用數據采集、存儲管理和挖掘分析等一系列大數據技術和方法，遵循“以審促采”原則，能夠采集存儲來自眾多審計對象、更寬業務領域的全過程“業、財、管”等結構化、半結構化和非結構化多種類型的數據；同時，通過大數據分析，可以從海量業務中，精準識別出重點風險項目，確保在內容全面覆蓋的同時，著重對重點項自進行審計，從而提升審計的效率和效果。

4.突出“4個發力點”：技術—平臺—機制—體系。

（1）大力發展大數據審計技術。

高校為實現大數據全覆蓋審計，在技術層面上可從構建審計數據中臺和強化數據標準化處理兩個方面進行提升。一是構建審計數據中臺，拓寬數據采集的時空維度。高校通過構建數據中臺，能夠實現各層級、各部門、各領域、各業務系統與數據中臺的高效對接，接收到來自高校各系統的結構化或非結構化數據，并采用OCR（光學字符識別）技術、NLP（自然語言處理）等技術對非結構化數據進行結構化處理，從而解決數據孤島問題，保障業務全流程的實時數據采集，拓寬數據采集的廣度，實現審計數據實時化、自動化、智能化采集。二是強化數據標準化處理。針對數據中臺中的數據，要建立統一的數據標準，通過ETL（提取、轉換、加載）等工具實現數據采集轉換的自動化處理；同時，應建立完善的數據資源自錄，并運用大數據技術實現資源目錄與數據的智能聯動，財務、紀檢、監察、組織、人事等遠程協同審計方可根據數據資源目錄，申請數據的預覽和使用，從而提升數據共享水平，助力全視角審計。

（2）搭建高校數智化審計平臺。

大數據審計的本質在于“數據流一業務流—技術流”三流融合，基于三流融合，可以搭建全視角、全過程、全覆蓋的數智化審計平臺。數智化審計平臺由審計管理系統、內部控制評價系統、在線作業系統、現場審計系統、遠程協助審計系統、全流程整改跟蹤系統和決策支持系統構成。

通過審計管理系統，高校審計人員可以進行年度審計計劃管理，并依據歷年審計結果，規劃本年度審計任務；同時，結合以往審計風險點與高校政策動態，預測下一年度審計趨勢，并便于查詢和管理高校審計項目的進展情況。通過審計內控評價系統，對學校各部門、各業務進行內部控制評價，識別內控缺陷，分析審計風險，促進高校審計垂直穿透管理。通過在線作業、現場審計系統以及遠程協助審計系統，可以開展審計準備階段、實施階段以及報告階段的審計工作，并依據標準化的審計數據，對財務與業務數據進行綜合智能分析，保障高校業務實時控制審計，實現審計流程可視化、審計程序合規化、審計材料電子化和審計成果共享化；同時提供了財務、紀檢、監察、組織、人事等部門協同審計端口，實現高校業務全視角審計。通過全流程整改跟蹤系統，可以對項目風險應對進行跟蹤設置，對整改情況設置審計部門、督導部門進行跟蹤評價，對已整改的問題及時進行銷號處理。整改模塊自動提醒責任人查看相關待辦事項，支持整改問題與跟進結果的自動導出導入。通過決策支持系統，能夠對審計問題及項目進行統計分析，對依據高校系統政策變動提供風險分析；還可以對審計部門以及協同審計部門人員情況進行匯總統計，從而支持高校教學、科研、財務等決策活動，保障了審計業務質量的提高。

（3）完善大數據審計預警機制。

首先，采集審計預警數據。當前，風險預警分析數據領域空前擴大，預警過程前移。高校審計人員可以通過數智化審計平臺對審計對象的實時數據進行采集，這些數據不僅包括總賬、業務、資金、財務、科研、資產等數據，也包括基建項目計劃、科研管理辦法、規章制度等數據；同時，還可以實時遠程監控數據的產生和流轉。其次，構建風險預警指標體系。指標體系的選取覆蓋面廣、可靠性高，同時應相互獨立，重點突出，同時要做到數據規范，可測性強。結合高校審計風險點，可以設置政策風險指標，如政策執行合規性、效益性指標等；收人風險指標，包含生源量、招生分數線等；管理風險指標，包含學校戰略規劃、學校治理結構與機制、招生工作的規范性等；財務風險指標，包含項目投資風險，債務風險，現金流管理風險等；質量風險指標，包含辦學條件合規性風險，師資隊伍達標性風險，科研質量風險等。再次，構建審計風險預警模型，進行風險識別和分級管理。對數智化審計平臺中在線作業系統以及現場審計系統中儲存的審計風險檔案以及內部控制中識別的控制薄弱環節，可以構建審計風險預警模型，并基于模型采取合規性驗證等方法進行預警分析，將結果進行可視化呈現。根據風險研判結果，可對風險進行分級和應對處理，對于低風險且低頻出現的風險，持續保持關注，以預防風險擴大化及高頻化；對于中高頻風險，則應追溯風險成因，并采取符合法規、政策和監管要求措施，從源頭將風險控制在可接受范圍之內。最后，在事后進行風險應對情況的監督管控。針對風險應對情況，應對風控措施制定的合理性及執行的有效性進行持續性監督管理，并根據風控措施的運行結果進行定期評價，必要時可調整原有風險評級情況；同時，要明確高校各部門負責人的風險管控責任，增強管理人員風險意識，深化風險防控工作。

（4）構建大數據審計全覆蓋監督體系。

高校審計人員要依托大數據技術，完善高校信息化基礎建設，優化數據采集標準化處理流程，從財務、教學、資產、科研、學生等多個系統進行業務數據全覆蓋采集和標準化處理；通過數智化審計平臺以及遠程審計端口，從審計、財務、紀檢、監察、組織、人事等多視角對審計業務進行全過程跟蹤審計，突破傳統審計時空限制；同時構建大數據審計預警機制，對高校業務風險進行實時分級預警、應對以及事后跟蹤控制，最終形成大數據審計全覆蓋的監督體系（見圖2）。

三、審計全覆蓋視角下大數據審計實施路徑

（一）制定大數據審計國家標準

有關部門可以依據《中華人民共和國數據安全法》制定相關法規，確保數據采集活動的合法合規性。法規制定需包含對相關財務軟件、審計軟件等提出數據標準化的要求，規范各高校財務、教務、資產、科研、學生等系統采用標準化數據輸入、輸出的軟件，進而進一步促進軟件供應商在軟件開發過程中對高校相關數據的輸入和輸出采集統一標準進行設置，推動數據采集規范化。數據采集法規的制定，可以使校內各部門、各高校之間的數據更易于利用和共享，從而能夠促進高校數據的系統內流通，助力暢通數據大循環。

（二）強化信息化基礎設施建設

為實現大數據審計數據流全范圍、全流程覆蓋，構建數據中臺實現數據遠程共享，要求高校大力發展信息化基礎設施建設。首先，加大資金投入，夯實硬件基礎。高校要加大對信息化審計基礎設施建設的投人力度，配置高性能計算機、存儲設備、網絡設備等硬件設施。其次，提升數據存儲能力、夯實算力基礎。采用分布式存儲架構（如HadoopHDFS、Ceph等），確保海量數據的高效存取和容災備份，并引入閃存技術提升風險預警數據的讀取速度和整體存儲系統性能；還可實施數據分級存儲策略，根據數據訪問頻率和重要性合理分配存儲資源，平衡成本與性能；同時，可利用云計算資源，引入智能化分析工具，如AI算法和機器學習模型等，實現數據的自動清洗、標準化及智能分析，提升審計效率和質量。最后，構建網絡數據安全防護體系，保障網絡數據安全。高校可在數據中臺部署防火墻、入侵防御系統等設備，防止外部攻擊和非法訪問；還可實施基于角色的訪問控制（RBAC）策略，確保數據訪問的合法性和權限最小化；對敏感數據進行加密存儲和傳輸，從而有效防止數據泄露和非法獲取，保障數據安全。

圖2 高校大數據審計監督體系

（三）大力培養大數據審計人才

實現大數據審計工作的有效突破，需要培養一批具備較高綜合素質的職業化審計人才，從而推動大數據審計工作高質量、可持續、高效率發展。學校層面，應在會計審計課程體系中設置涵蓋大數據基礎、數據分析技術等課程，同時加強校企合作，促使學生在真實的工作環境中學習和掌握大數據審計技能。企業層面，可定期開展大數據審計技術內部培訓，提升員工大數據審計的專業素養和業務能力，并構建大數據審計團隊，進行梯隊化建設管理；針對不同年齡和層級的員工，制訂大數據審計技術個性化培養方案，實現數據分析人才的梯隊建設；還需建立科學的績效考核機制，將員工的大數據審計能力納人考核范圍，以激勵員工不斷提升自已的專業素養和業務能力。

（四）持續開展信息化建設審計

針對高校信息化建設情況，高校內部審計人員要進行實時跟蹤審計，推動高校大數據審計落地見效。首先，審計內容應重點關注建設資金投入，硬件設備、軟件采購情況，對高校信息化建設預算及經費使用情況進行全程跟蹤，揭示經費使用不合規、采購流程違規及設備質量不達標等情況，重點關注采購的設備是否支持全范圍、全流程數據采集和處理要求的儲存能力和算力基礎，能否實現全校數據聯通，破解信息孤島難題。其次，要對高校信息化系統使用績效進行分析。對建成后的信息化系統設施進行持續使用跟蹤，關注其使用績效，評估構建目標完成情況。

（作者單位：湖南工學院商學院，郵政編碼：421002，電子郵箱：gxyczl@hnit.edu.cn）

主要參考文獻

[1]陳鳳霞，姜賓．大數據技術賦能政府審計全覆蓋：動因、困境與進路[]財會月刊，2023（7）：108-112

[2]沈凡凡.大數據時代高校科研經費績效影響與審計思考[].會計之友，2022（3）：92-97

[3]王樂青，宋夏云.經濟責任審計全覆蓋的現狀與改進對策研究[J].財會通訊，2021（23）：115-118

[4]吳勛，秦俊博.省級預算執行審計全覆蓋：現實考察、違規特征與問責效果[].地方財政研究，2023（7）：62-75

[5]袁廣達，顧鵬程，吳佳敏.新冠疫情下上市公司年報審計：風險與應對]財會月刊，2022（6）：83-87

[6]張莉，朱萬祥，王建峰.大數據審計模型及案例研究：以高校巡察審計為例[J].財會通訊，2020（13）：141-144