大数据影响下的会计信息质量提升

●王 迪 柳光强

随着计算机存储能力的提升和复杂算法的发展，近年来的数据量呈 “爆炸式”增长，人类由此进入了大数据时代。大数据的火爆引起了学术界、产业界和政府对其的高度关注，2008年顶级学术刊物《Nature》推出专刊来介绍大数据的相关内容，2011年《Science》推出数据处理专刊“Dealing with data”来探讨数据洪流带来的挑战，2012年美国政府公布并实施了“大数据研发计划”，等等。关于大数据的定义尚未统一，著名的麦肯锡全球研究所将“大数据”定义为规模巨大的数据集合，其在获取、存储、管理、分析等方面的能力都大大超出了传统数据库软件工具。互联网数据中心（IDC）认为大数据是新一代架构和技术，旨在更经济、有效地从不同结构和类型的巨量数据中获取价值。定义虽然有所差异，但基本都从大数据的特征出发，大数据的4V特征，分别指 Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）。 毫无疑问，大数据隐藏着巨大的科研、经济、社会价值，已经引起了各行各业的高度重视，会计行业也不例外。会计信息作为企业经济分析的基础，其质量高低直接影响着企业决策的结果。我国的《企业会计准则》将可靠性、相关性、可理解性、可比性、实质重于形式、重要性、谨慎性和及时性作为会计信息质量特征。大数据背景下，会计信息质量如何提高是个值得思考的问题。

一、大数据带来的思维转变

大数据时代的来临，对人们的改变首先体现在思维层面，利用数据的方法和思路都发生了翻天覆地的变化，形成了一种新的思维方式。大数据的思维方式主要有总体性思维、容错率思维和相关性思维（秦荣生，2015）。

一是总体性思维。自19世纪以来，由于技术的限制，缺少记录、储存和分析的科学工具，面对大量的数据，人们往往只能通过抽样技术来分析总体。抽样技术存在固有限制，抽样时无法完全做到随机性，一旦选择样本出现偏差，那么分析结果可能就会与真实情况相距甚远。现在IT技术、互联网技术越来越成熟，记录和处理数据的能力大大提升，从TB级跃升至PB级，从而已经有能力解决之前的问题，并可以对海量的数据进行存储、处理和分析，对事物的认识更加全面和深刻。

二是容错率思维。正是由于过去的技术无法处理海量的数据，人们对样本分析的结果更加追求“精确度”，这样才能根据样本更好地推断总体特征。然而，在大数据时代，“精确度”已经不再是人们的目标，而且也没有必要追求 “精确度”。人们主要想通过分析大数据来探究事物发展的趋势，不需要对一个事物的现象深究，追求的是及时性和高效率，从多个角度认知事物。尽管大数据中良莠不齐，但由于体量庞大，对事物的总趋势不会产生显著影响，依然能够得到事物的总体趋势和特征。因此，这里所说的容错性思维就是允许某些领域中模糊性和不确定性的存在，无需精确地分析所有事物。

三是相关性思维。人们的传统思维是寻找事物之间的因果关系，这一思想已经在脑海中根深蒂固。因果关系在大数据时代显得没那么重要，大数据研究与传统的逻辑推理研究不同，它是对巨量的数据做统计性分析归纳，人们更加关注事物之间的相关关系。假设人们发现A和B经常一起发生，那么如果A发生了，人们就可以预测B也发生了。找到一个事物良好的相关关系有助于人们了解事物的现在和预测其未来。大数据是人们在事物量化基础上寻求事物本质过程中的一大进步，区别于以前，现在人们可以在定量的基础上进行更加深刻的定性分析，认识事物本质。

二、大数据对提高会计信息质量的影响路径

会计信息具有较强的专业性，往往涉及公众利益，而公众难以识别其质量。大数据时代的到来，给会计行业带来了重大机遇，对会计信息及财务分析造成巨大影响，产生了会计信息的来源、处理、分析和输出、信息结构方面的新特点（赵婧，2014；袁振兴等，2014）。本文认为可以从企业会计、外部审计以及政府监督三个层面来探讨如何利用大数据来提高会计信息质量。

（一）企业会计层面

1、非结构化数据逐渐增多，会计信息更加完整。非结构化数据是由互联网、智能设备、非传统IT设备等产生的音频、视频、图片等。传统会计信息受信息收集、处理技术的影响往往只关注有形硬资产和能够货币化的财务信息，而人力资源、知识产权和智力资本等软资产和非结构化信息难以真实有效反映，财务报告使用者和企业的信息不对称问题较为严重。过去的数据种类较少，这些数据又以结构化数据为主，而大数据中包含着结构化和非结构化数据，目前以数字化形式保存的数据已达98%以上，并且非结构化数据占据大多数（Warrenjr and Moffitt，2015）。 20 世纪六七十年代美国会计学界提出了“事项会计”和“数据库会计”等只提供经济现象原始信息的会计模式，这种以关系型数据库为基础的会计系统只能储存结构化信息，而将更多的描述和解释经济现象的非结构化信息排除在系统之外（Vasarhelyi al.etc，2015），已经无法满足发展的需要。大数据技术的发展使得这些非结构化数据记录、处理和披露逐渐成为现实，由于非关系型数据库对数据格式的限制少，更易扩展，这些非结构化会计数据能够“原汁原味”地进入会计系统（Yermack，2015），使用者可以获取完整的会计信息，发生遗漏或误报的可能性降低，会计信息完整性显著提高。

2、会计信息由反映过去向揭示未来转变。在大数据时代，会计工作的重心逐渐由反映过去向揭示未来转变。以往的机器学习计算能力有限且缺少巨量的训练样本，想要得到一个合适的学习算法较为困难，但现在借助于大数据技术，人们可以获得巨大的样本量以及分布式计算提供的计算能力，过去存在的问题明显得到了改善。企业可以依靠大数据技术有针对性地解读和分析会计数据，甚至把人群的意识和行为趋向落实到会计数据层面，会计数据便具有了预测未来的能力。会计人员的思维也发生了变化，积极主动地利用大数据进行数据挖掘和分析，为企业领导决策以及利益相关方提供预测性信息，例如通过数据挖掘对企业库存进行管理和优化，同时量化评估产品的定价策略与营销效果等。

3、实现了会计信息输出形式多样化。以往企业的会计信息输出形式主要是财务报告，即传统的“四表一附注”，但是这种标准化通用化的格式已不能充分满足信息使用者的需求，而且无法满足不同信息使用者的个性化需求。伴随着大数据的出现，“数据可视化”这一新兴技术逐渐成为主流。企业输出的会计信息不仅仅是财务报告这一单一的数据形式，也可以实现多样化输出，比如传播媒体实现交互性的网络财务报告；以图形、声音、视频等呈现出的会计信息；等等。另外，如果以易理解的图片、视频等呈现出企业不同业务循环的会计数据的变化趋势，这不仅有利于企业制定精准的供产销策略和投融资策略，及时精准地把握市场需求，还能够辅助信息使用者理解财务信息以便作出决策，这是数据可视化的一大优势。

4、将新兴技术与企业管理模式相融合——设立财务共享服务中心。2013年，财政部、国资委发布了《企业会计信息化工作规范》，文中明确提出，建议企业构建财务共享服务中心，以提高数据信息质量，加强集团管控，并实现与国际企业接轨，符合国际运营的商业模式。财务共享服务中心以集中财务管理、加强管控、减少人员、节约成本、创造价值等一系列目标为本，是以现代信息技术为基础的包含一系列标准化、规范化流程的全新的集中式财务管理模式和组织架构形式。财务共享已在国外发展几十年，非常成熟，大型跨国公司基本都已采用了财务共享的管理模式，比如花旗、保洁、皇家壳牌等公司。国内诸如中广核、平安、华为、海尔、宝钢等大型企业集团的财务共享中心运营也较为成熟。另外包含中粮、华润、国电、阿里巴巴、腾讯、万达等在内的一批公司已建成或正在建设财务共享中心。由于国内大型企业普遍具有业务广泛、分子公司众多、体量大、扩张快等特点，同时在财务管控、财务运营质量和效率等方面面临诸多挑战，比如核算口径不统一、系统林立、数据散乱等等。在现行的会计核算方式下，财务数据与业务数据分别储存在两个不同的系统，是相互独立的，财务人员并不了解业务部门的数据。而建设财务共享服务中心，将财务与业务联系起来，财务人员不仅要处理会计核算系统中的数据，还需要对业务进行深入了解和分析，逐步形成“业财一体化”。一个成功的财务共享中心能够为公司提供更全面的财务数据和更快速的财务报告，同时为公司提供更多的数据分析和更有效的决策支持。

（二）外部审计层面

1、抽样审计模式转向总体审计模式。由于数据获取受到限制，传统的审计模式为抽样审计，从样本推断总体。这种模式往往忽视了大量和具体的业务活动，所获取的审计证据的数量和质量都不充分。大数据时代，技术的进步使得审计模式由抽样审计向总体审计转变。会计师事务所可以充分获取被审单位包含结构化数据和非结构化数据在内的所有数据，进行多维度分析，而这些大数据之间通常能够相互关联或者相互印证。被审单位内部的财务信息固然重要，但是在传统审计模式下审计人员不容易发现财务操控数据，即使有疑点的地方，也不易通过外部第三方来佐证，而现在审计人员获取审计证据的渠道更加多元化，可获得的外部非财务信息也更多。被审单位外部的非财务信息来源广泛，通常包括：高管接受媒体采访、被审单位行业和竞争对手相关信息、被审单位和客户之间的通讯记录甚至网站上发布的有关信息等等。这些信息都能够用来补充传统审计证据。比如，当被审单位精心策划某舞弊时，通常审计人员很难发现该舞弊甚至获取的相关审计证据与真实情况完全相反，在大数据背景下，审计人员可以从企业员工在社交媒体上发布的相关信息寻找线索，识别员工是否有负面情绪，从而进行判断。大数据环境下的总体审计模式能克服抽样审计模式的不足，审计人员可以从细枝末节中发现更具价值的信息，发现抽样模式不能发现的问题，此时审计起到了更加严格的外部监督作用，对企业会计信息质量的提高有所帮助。

2、信息技术的发展使得审计向持续、动态、实时的方向发展，持续审计成为审计信息化的一个重要发展方向。传统审计中，审计业务的开展需要等到被审单位业务完成并编制出财务报表后才能开始，因而审计工作具有相当程度的滞后性，这种事后审计时效性较差，很难对被审单位复杂的生产经营活动及时作出正确的评价。同时，审计人员在年末审计时任务繁重，高工作密集度降低了审计人员的效率。为了解决审计结果与业务活动的时差问题，越来越多的会计师事务所借助于大数据技术开始实施持续审计方式，及时纠正被审单位可能存在的问题，提高审计质量和会计信息质量。实施持续审计的前提是将数据标准化即需要将从不同系统或平台中获取的不同类型的数据标准化。尤其是对业务数据和风险管控“实时性”要求高的诸如金融业等行业，持续审计运用较为广泛，比如会计师事务所在审计商业银行时，会与商业银行建立业务和数据系统的接口，在开发的持续审计系统中固化非结构化数据分析模块，实现在线风险预警并及时作出疑点标记，建立实时审计工作底稿。另外，部分审计任务可以借助机器人，提前设定好相应的程序，进行自动审计，提高审计效率。

3、审计成果愈发丰富。在传统审计中，审计人员提供给被审单位的最终成果往往只有审计报告，审计报告格式固定、内容单一，内含信息量较少。随着大数据技术在审计工作中的普及，会计师事务所除了能够向被审单位提供审计报告外，还可以将挖掘、处理分析的各类数据一并提供，如被审单位客户的舆情监控等，以供被审单位参考，改进经营管理。具体来说，审计人员通过汇总、归纳获取的大量数据，从中探寻内在规律、找出共性问题，为被审单位和投资者提供数据证明和决策建议；同时，由于各方利益相关者关注重点不同，审计人员还可以从不同角度对同一问题进行提炼分析以满足不同需要。

（三）政府监督层面

1、可获信息来源更加广泛，管理信息能力增强。过去政府部门对企业会计工作进行监管都是被动地接收信息，内容通常很固定，比如企业财务报表、按规定报送的材料等，会计信息来源严重受限。大数据时代的到来，使得政府能够拓宽会计信息的获取渠道，可以从社交网络、媒体报道等多渠道搜集各种各样的会计信息，与企业的信息不对称程度降低，重点关注不同渠道获取的相互矛盾的同一问题。除了可获取的会计信息更加丰富之外，政府部门依靠大数据技术也可以增强处理和分析会计信息的能力，过去都是以人力为主，大数据的应用提高了监督管理效率，自动分析企业的会计信息，一旦发现异常便立刻记下疑点并报告，起到更好的监督作用，有利于政府监督时效性的提高。

2、强化事前、事中监督，与事后监督有机结合。过去政府部门监管重点通常放在事后监督，即便是查出了问题、作出了整改也进行了处罚，但是资源已经浪费、损失已经造成。因此，应该转变思路，加强事前和事中监督，防患于未然，同时大数据技术也为实现这一转变提供了可能，丰富的数据为政府建立防范机制提供了支持。政府部门应该将事前事中监督与事后监督结合，即日常监督预警工作与检查和结果分析反馈结合在一起，实现由事后处理向事前防范和事中控制转变，提高政府监督效率。具体来说，财政部门应该建立预警机制，根据行业差异性，设置符合各行业特点和情况的特定价值信息，一旦出现就会触发预警提示，进行密切跟踪。另外，还需要汇总检查结果，形成信息检查库，建立完备的反馈机制，详细分析问题出现原因以解决共性问题。最终，形成一个 “预警——检查——反馈”的会计监督机制，将事前、事中、事后监督有机结合起来。

三、大数据背景下提高会计信息质量的对策

（一）加快大数据应用的相关法规建设

虽然大数据技术在会计、审计方面的运用越来越多、越来越普遍，但实际上是缺乏法律依据的。审计准则是审计人员开展审计工作时必须遵循的行为规范，审计指南能为其提供指导性的操作规范，但目前还没有关于大数据审计的审计准则、规范与指南，这不利于大数据审计的推广。因此，大数据应用的合法性问题是大力推广大数据审计的一项基础而关键的任务。只有得到法律法规的支持，大数据技术才能成为审计人员依法审计的基础。如果缺少法律法规的支持，大数据审计很难推广开来。法律法规要解决的问题除了大数据采集存储的制度化和规范化，还要保证大数据分析结果和电子证据的法律地位，这是开展大数据审计工作的重要前提。当然，由于大数据时代带来的信息量爆炸式增加，会计信息更新速度加快，虚假会计信息频频出现，除了要出台法律法规来支持大数据技术在会计和审计方面的应用，还要从源头控制会计信息去伪存真。因此，国家应该不断完善有关互联网会计信息的发布核实等各环节的法律法规，让会计信息从产生到发布都有法可依、有章可循，明确主体责任，对虚假会计信息发布者予以惩治，并构建利益者损失的赔偿机制，这样可以从根本上提高会计信息质量。

（二）建立会计和审计大数据分析平台

许多企业设立了财务共享服务中心，收集了大量的生产经营及财务数据，公司财会人员应搭建大数据分析平台，对分散的数据进行归纳整理和分析。大数据分析平台为企业实现由经验管理向依据数据分析科学管理转型提供了技术支持，也促进了大数据时代的财务会计与管理会计一体化。构建大数据分析平台分两阶段进行，第一阶段是建立数据存储平台。财务共享服务中心的各类原始数据十分重要，应该保证其存储的安全性，并进行定期更新和加载。第二阶段是搭建大数据分析平台。大数据分析平台应该具备服务对象多样化、查询标准化、分析智能化、信息预警化等特征，为企业各类业务数据的日常分析提供优质的界面和操作环境。除此之外，组建一个专业的大数据分析团队对于应用大数据是十分必要的，团队中应该包括业务人员、财会人员、IT人员和其他人员，通过利用大数据分析平台来协作开展日常业务财务的查询分析工作。

大数据背景下，被审单位的数据量级和数据存储方法发生了质的变化，数据的存储设计以及数据的访问机制等都不同于传统审计模型。为了推进大数据在审计工作中的运用，我国的审计行业也应该建设跨行业、跨领域的大数据审计分析平台，平台以审计大数据为中心，旨在实现远程存储和移动计算，减少数据移动带来的损耗，对提升审计质量具有重要意义。

（三）开发通用的大数据审计软件

与传统的审计数据分析相比，大数据审计分析平台更加复杂，若要搭建一个高效、实时的大数据审计分析平台需要不断创新审计技术和审计思路，充分发挥大数据技术的优势，回避风险。需要政府、企业、学术界共同努力，开发一个通用易用的大数据审计软件，这个软件需要满足以下要求：一是以不同的需求为指引来设计系统架构。针对不同的大数据应用系统，设计不同的、合适的系统架构，比如，利用NoSQL技术来实现大数据实时分析功能，利用Map/Reduce技术来实现大数据批处理分析功能。二是大数据审计软件应该可以支持大数据审计分析方法。审计任务极为丰富，如企业审计、税务审计、海关审计、社保审计、固定资产投资审计等等，不同的审计任务需要不同的审计分析方法。因而，为了满足不同行业、不同种类电子数据审计的需要，所开发的大数据审计软件要能支持多种大数据审计分析方法。

（四）构建政府监督数据库

目前我国政府监督存在多头监管的问题，这主要是因为我国《会计法》中赋予了财政、审计、税务、人民银行、证监会、保监会等部门会计监督的权力，但是又没有进行层次上的合理划分，所以造成了多头监管，未形成一个良好的会计监督协同监管机制。结合大数据技术，若想解决多头监管问题，就需要多个政府监管主体协同合作，搭建起一个公共信息平台即政府监督数据库。总体思想是财政部牵头，其他各职能部门紧密配合，解决接口、数据对接等问题，共享政府监督数据库。具体来说，首先，明确各政府主管部门的分工细则，财政部作为统一会计监督主体，要统筹规划搭建公共信息平台（政府监督数据库）；其次，其他各职能部门把检查无误的数据录入数据库；最后，由财政部和税务总局分别从会计基础工作和税收角度进行最终检查，直至形成一个完整的公共信息平台。

大数据技术的发展使得人们的思维发生了根本性变化，同时给财会人员创造了良好的条件，对提高企业会计信息质量有巨大帮助。本文从企业会计、外部审计以及政府监督三个层面探讨了如何利用大数据来共同提高会计信息质量。财会人员和政府监管部门通过大数据技术，能够获取更加全面的信息并快速处理分析，使得包括审计和政府监管部门在内的外部监督力量更强，从而企业会计信息质量进一步提高。■

（作者单位：中南财经政法大学会计学院）