数据式审计教学案例的设计研究

【摘要】随着信息化水平的提升，传统的以手工收集、单机分析为主的审计数据分析和挖掘已难以有效应对日趋庞大的数据规模。鉴于此，审计实务界积极探索与创新，提出“数据式审计”的同时，有关审计数据分析的技术与方法也日益复杂多样。本文尝试结合审计实务前沿，构建数据式审计教学案例，并就其教学时的注意事项提出建议。

【关键词】数据式审计  审计  教学案例

【基金项目】本文系2016年上海高校青年教师培养资助计划项目（ZZslg16026）、2019年上海理工大学管理学院教研项目《基于职业判断框架的审计教学模式优化研究》成果之一。

【中图分类号】G64  【文献标识码】A 【文章編号】2095-3089（2019）47-0246-02

随着我国信息化水平的不断提高，被审计单位的各项管理载体的信息化水平也日益提升。对于关系国计民生的行业更是如此，其电子数据规模随着信息平台的应用和业务的开展呈现出急剧膨胀的态势。作为依法、依托监督数据的主体，无论是国家审计、内部审计还是社会审计机构，均对这些信息系统的运作及其输出予以了高度关注，创造性地提出了“数据式审计”理念，并不断创新审计技术与方法，以更好的利用这些多来源、多行业的数据为审计工作服务。与此同时，作为培养未来审计人才的高校，也应适时结合审计实践，将先进的审计理念与方法引入课堂，消解“课堂”与“现实”的藩篱的同时，助推数据式审计的发展与完善。

一、理念导入

（一）数据式审计

数据式审计是以被审计单位底层数据库原始数据为切入点，在对信息系统内部控制测评的基础上，通过对底层数据的采集、转换、整理、分析和验证，形成审计中间表，并且运用查询分析、多位分析、数据挖掘等多种技术方法构建模型进行数据分析，发现趋势、异常和错误，把握总体、突出重点、精确延伸，从而收集审计证据，实现审计目标的审计方式。

（二）综合分析技术

随着计算机数据分析技术的发展，多种解决方案均可满足审计需求，常见的有数据仓库、联机分析处理、数据挖掘、决策支持系统等。但由于技术力量和实现难度的限制，目前多数决策支持的应用都仅实现了联机分析处理的功能。

审计综合分析的发端在于审计数据建模。审计数据建模流程中涉及的角色及其职责主要有三：审计技术人员、审计业务人员、审计分析人员。其中：审计技术人员负责审计数据仓库的创建与维护，包括多数据源的采集以及数据的处理与加载;审计业务人员负责提出审计需求以及审计目标;审计分析人员负责依据上述需求及目标，结合审计数据仓库中的主题表和审计需求与目标确定需要采用的数据分析方法，具体运用这些方法在审计数据仓库并产生审计分析结果并提交给审计业务人员，由审计业务人员对产生的分析结果进行核实和确认。实务工作中，上述人员可能同时承担多个角色任务。

二、案例设计

来源于实务的案例方才具有现实的指导意义。因此，本文作者结合曾经参与的对某市部分市级三甲医院财务收支情况专项审计调查项目，基于项目中取得的海量医疗及财务数据，厘清数据处理及建模的程序步骤，尝试构建了一套融入综合分析技术的数据式审计案例并在介绍数据式审计时进行案例的引入与讲解，具体分为两个环节：

（一）创建数据仓库

1.获取数据

为涵盖医院的各项财务收支业务，审计技术人员及审计业务人员应尽可能的从各个渠道获取数据。可能的数据源包括：信息管理部门提供的医疗业务收入数据;人事部门提供的组织机构信息及人员部门、职称、岗位、聘任时间等人事信息;财务部门提供的工资、绩效奖、各种津贴、课题研究费等项目发放清单、各种财务统计报表;绩效考核部门提供的绩效考核制度及考核数据等;对外合作部门提供的对外合作管理制度及相关劳务费用发放数据;上级主管部门提供的财务帐套、财务报表、统计报表等。

2.数据清洗

数据的清洗不是简单的格式转换，而是需要借助规则的驱动，将不符合业务规则的数据或记录进行纠正。获取数据后，审计技术人员首先应分析各数据间的逻辑关系：哪些是底层基础数据，哪些是由基础数据运算处理生成的;基础数据间的逻辑关系如何，是否可利用关键信息将多来源数据整理简化为较规范的关系数据;哪些数据不符合业务规则，需要被审计单位补充明确，再进行纠正等等。此外还应将一些非结构化数据整理规范为关系型数据表。

3.数据转换及装载

主要涉及到多数据源整合问题。例如对于个人收入信息，需要根据多来源采集的数据，以个人工号、月度为关键字，将所有发放项目合并为一条关系型数据记录;再按不同医院将所有月度记录整合;在整合过程中，根据一些要素的常用类别将所有工资、津贴等发放项目合并规范化为几个可进行汇总、比对的信息。在此过程中，还需要解决各种数据结构与格式、字段代码、字段名称、字段类型等的规范化处理，完成字段映射、字段的合并拆分等工作。完成上述工作后，使用一次性装载将整理规范的数据导入数据仓库，并不断根据需要，通过追加装载充实数据，最终实现多家医院数据的全集。

（二）实施综合分析

在数据装载后，即可根据审计业务需要，使用各种分析进行审计。以下就常用的几种数据分析方法结合审计业务需求分别举例。

1.总体分析

以医院工作人员的收入与医院医疗收入的关系分析为例。首先按年度汇总医院工作人员收入所有项目，得出相关年度总收入;再按年度汇总医院业务收入，得出相关年度总业务收入;再分别计算医院人员收入与医院业务收入的增长比率。以此类推，计算出所有医院的结果。根据计算结果，可以以很明显得出一个调查结论：医院人员收入与医院业务收入几乎同步增长。

2.聚类分析

以医疗收入的构成分析为例。医疗服务面向的是个人，每个人在就医时付费及医保承担情况各有不同，具体包括：自费、城镇医保、农村医保等类型。审计分析人员可使用聚类分析工具，设定分析要素为病人类别，统计数值为门急诊、出院人次及收入。汇总结果发现，人次和收入都向非医保结算类人员聚集，并且逐年上升。根据此结果，再进行数据精确统计和病人分类后发现，服务收入中非医保结算类病人占比较大。

3.切片和钻取

以医院工作人员收入水平差距巨大的原因分析为例。第一步利用分析工具，以医院工作人员类别作为分类依据，分别统计工资、奖金再辅助以人员信息分析得出，收入水平与职称、岗位较密切，其中医生收入最高;第二步，利用切片技术，将医生这一类单独分析，经分析发现收入与医生职称高度相关;第三步，使用数据旋转技术，对医生收入中的各明细类进行分析，发现在各绩效奖项目中，业务绩效考核奖占所有人员总收入的58%以上。经与绩效考核项目及考核的分数据关联分析，发现高薪都是手术业务量较大的医生，但与职称没有绝对关联。

三、案例教学时的注意事项

（一）数据库创建教学时的注意事项

实务中，各部门和单位提供的数据呈现两方面特点：一是格式复杂，包括结构化及非结构化数据。结构化数据有医院HIS系统导出数据、金蝶ERP系统导出财务帐套数据，涉及多种关系型数据及版本，有些需要数据字典辅助解读;非结构化数据更多，涉及excel、word、pdf、txt等多种文件格式，数据清洗及转换时需要进行多重校验。二是规模庞大，特别是医疗业务收入数据及财务数据。因此在数据加载完成后，对于审计数据仓库的数据也要进行必要的数据验证，避免在数据加载过程中导致数据缺失。检查相关审计关键业务表中的数据记录总数能否和临时数据区的记录数核对上，并采用随机抽样的方法检查特定记录是否完全正确无误。以上特点反映出数据式审计涉及的数据在实务中的复杂性，必须在课程教学中予以强调并提供技术示范，以帮助学生对未来审计数据的复杂程度有所了解、有所准备。

（二）数据分析教学时的注意事项

审计数据分析中，对疑点的观察与发掘应贯彻始终。一个有效的方法是，聚类分析可帮助审计分析人员识别密集和稀疏的区域，从而发现被审计数据的分布模式，以及数据属性间的关系，以便进一步确定重点审计领域。

审计中用统计分析可对数据进行分类和预测。审计分析人员通过建立的统计模型对被审计单位的大量财务或业务历史数据进行预测分析，根据分析的预测值和审计值进行比较，能帮助审计业务人员从中发现审计疑点，从而将其列为审计重点。企业的财务报表数据会随着企业经营业务的变化而变化，一般来说，真实的财务报表中主要项目的数据变动具有一定的规律性，如果其變动表现异常，表明数据中的异常点可能隐藏了重要的信息，反映了被审计报表项目数据可能存在虚假成分。因此，数据式审计的教与学，还应与统计类课程结合起来，以优化教学效果。

参考文献：

[1]石爱中，孙俭.初释数据式审计模式[J].审计研究，2005（04）：3-6.

[2]李春青.数据式审计模式下的数据处理策略[J].财会月刊，2007（24）：95.

[3]郑伟，张立民，杨莉.试析大数据环境下的数据式审计模式[J].审计研究，2016（04）：20-27.

作者简介：

张英婕，博士，上海理工大学管理学院讲师，研究方向为政府审计。