大数据审计实现路径初探

◆何 准/ 武汉大学经济与管理学院实验与数据中心

随着信息技术和计算机网络的兴起，各行各业的数据量不断增加，对大量数据进行分析、查询、处理成为必然，大数据时代已经来临。在大数据时代背景下，审计环境发生了翻天覆地的变化，审计数据呈现出体量大、类型多样、处理速度快等特点，审计手段也进入了大数据式审计。如何更快适应审计环境的变化，更迅速、准确地处理数据，积极探索和创新大数据时代审计信息化建设的方式方法，应对海量信息带来的机遇和挑战，是审计人员亟待解决的重要课题。

一、开展大数据审计是审计发展的必然要求

（一）审计对象的大数据化需要大数据审计。大数据时代，各行各业的财务数据和业务数据海量增长，数据量由MB、GB 为单位存储提升为TB、PB为单位存储，并明显有成倍扩大的趋势，数据存储也由结构化数据变为非结构化数据，数据分析软件、网络结构图、图像、影音等技术大量运用于各行各业。

（二）审计方式方法创新需要大数据审计。重点领域、重点行业多年的审计成果已初步显现，财务报表、记录台账、文件档案和相关凭证等所能反映出的“面子”问题已逐步规避。随着数据信息技术的发展，很多问题更加隐蔽化、深层次化。如何在大量、规范的账务中发现潜藏的违规问题，需要由账簿审查、凭证核对、账表审计的“传统审计”转型为全方位、多层次、更为深入的“数据化审计”。

（三）审计全覆盖需要大数据审计。审计全覆盖使得审计领域和范围不断扩大，对审计机关和审计人员提出了更高的要求。对各项政策落实的高度关注，需要审计部门将关注重点由财政资金的使用情况扩展到使用绩效等内容，资金运行由线性审计变为立体式审计，做到“横向到边、纵向到底”，实现真正意义上的审计全覆盖。

二、大数据审计的优势分析

（一）实现完备的数据采集和分析

一是对财务电子数据进行审计。在工作过程中不仅要采集财政、财务收支账本的数据，还要扩大数据来源，开启数据通道，全面掌握各部门、单位的数据资源，并充分利用信息化系统平台开展审计，实现由数据说话。二是不仅要实现对审计对象、部门的全覆盖，更要对各行各业各部门所有历史时期产生数据的全面收集、整理、分析。只有对批量数据进行分析研判、掌握数据运行规律，才能全面实现对数据的收集、整合、分析，真正实现大数据下的全覆盖审计。三是数据采集分析的海量化，不仅是采集的原始数据的海量化，还将是分析数据的海量化、数据模型的海量化，更是问题库、法规库、审计方法库的海量化。

（二）提高数据分析的精准性

1.利用大数据资源，结合审计对象业务操作流程，通过对现有数据资源的审计进行总结提炼，挖掘出审计资料、审计方法中的漏洞与不足，为审计项目提供参考依据。

2.实现被审计单位业务流程还原和再造，通过政策关联和业务数据的获取，让审计人员更加熟悉被审计单位的业务运行模式，发现政策运行和部门管理过程的漏洞、缺项和风险点。

3.通过对相关行业数据全面、有效的分析，实现互联互通与数据资源叠加，将分散的数据相互关联并进行深度分析，跟踪资金使用情况与关联业务的发生，并通过外部相关数据的辅证，逐步强化数据分析的精准性，准确定位被审计单位存在的问题，将每一笔资金的运行都纳入审计监督。同时，通过分析评估相关政策实施的效果，发挥审计的“预警”功能。

（三）完善审计过程的可控性

审计项目实施过程中现场审计情况阶段性进展、审计发现问题报送、项目资料审理等缺乏“前瞻性管理”，常出现项目前紧后松，重现场审计、轻资料审理和案卷归档等问题，不利于收集审计成果。大数据审计模式下，可实现对审计过程化的管理，即对审计由计划编制、下达、准备到数据分析、现场审计、资料审理的电子化运作，如设置现场审计时间预警，定期报送数据资料，根据审计重点调整各阶段实施周期，审计过程留痕便于责任界定和项目及人员考核等，将审计人员的有效工作时间更多地用于审计业务工作中。

（四）建立标准的数据模型库

1.传统审计是通过基础信息发现审计疑点问题，进而深化为审计成果的过程，审计业务人员主观能动性和关注的侧重点及知识结构等差异决定了发现问题的不同。大数据审计模式下，常见问题和基本关注点固化为模板，审计人员依据模板即可完成常规问题审计。

2.强化数据库应用，实现审计项目计划编制、项目下达、审计准备、项目实施流程自动化管理。例如在编制审计项目计划时，通过风险性评估，根据当年经济发展关键字等进行项目筛选，项目确定后的准备阶段自动向审计人员匹配相关领域的法律法规政策，甚至提供常见问题的定性及适用条款等。

3.建立完备的数据模型库、审计案例库和法规库，并强化数据库间的综合利用，通过基础数据的录入，数据模型库自动完成对数据特征的分析，结合体现出在案例库或审计线索中对已有问题的表述进行关键字匹配，进一步抓取到最直接相关的可疑点，完成问题检索调用，实现普遍问题准确定性和法规正确适用。

（五）实现审计成果的共享

1.大数据审计不仅可以通过对相关领域数据进行分析，挖掘群体行为的共同特点，提示社会现象的潜在规律，为政府制定政策提供关键依据，还可以评估政府政策的实施效果，从而帮助政府不断发现问题，改进方法。

2.数据库和审计案例库的完善和运用，将为审计人员培训教育、加强横向交流提供平台，也将为还原历史数据，模拟审计对象业务操作流程场景提供技术支撑。同时，审计案例库、审计方法库、法律法规库等的综合应用将帮助建立更多的审计数据模型，从而进一步扩大审计成果，提升审计能力。

3.大数据审计涉及多部门、多行业，而现在各行业相关部门之间信息资源缺乏整合，数据分散，数据质量难以保证。为促进信息共享和业务协同，提高数据的透明度、可用性和可靠性，需要政府与各行业主管部门自上而下的顶层设计。

（六）统一审计组织方式和统筹调配人员

1.统一审计组织方式。在审计一盘棋的大趋势下，越来越多的地方组织开展了“上审下”和“交叉审”，更多的项目将采取上下“同步审计”。即同一时间对多个地方的多个项目进行审计、重点指导和部署，审计机关不仅要点对点地交流，还应升级为点面结合和网间互动，不仅要运用普通的视频会议沟通交流，更要实现审计培训、信息实时传送与审计现场对接，对现场的疑点问题实时回传并进行“预判和诊断”；对常规性审计项目逐步实现全国、全省统一联动统一采集分析，统一整理数据，集中提出资金管理使用、政策落实、机制制度中存在的疑点，由现场审计人员进行核查。

2.统筹调配审计人员。对所有审计人员实施“智库”管理，统筹调配审计人员：一是在重点项目审计中完成对不同审计机关人员的抽调、搭配;二是在综合性审计项目中促成审计人员的力量均衡;三是对重点项目的审计侧重点进行专长领域的审计人员安排。

三、大数据审计的实现途径

（一）加快大数据平台建设和管理。应尽快建立能够实现审计现场和办公自动化相统一的大数据平台，建立审计项目计划、审计文书流转、审计数据采集、整理、加工、转化、存储、分析、交换及审计项目审理、归档等协作化运行的审计大数据平台，通过权限分配完成对数据存储和占用空间的分配，便于审计工作的开展。应注重数据使用权限的分配、监管和数据加密技术应用，确保大数据存储和使用的安全，尤其是涉密数据，不仅要保证不被外部数据攻击，审计人员也需加强自身的大数据保密意识和安全使用。

（二）创新大数据审计思维。审计行业与各行各业的发展，尤其是高科技行业的发展紧密相连，要运用大数据审计思维，创新方式方法应用。审计人员不仅应关注一对一的指向性审计，还要具备举一反三、深入挖掘的拓展型分析能力；不仅要能够绕过障碍揭示问题，还应能够通过障碍进行原因分析；不仅要按照常规思路思考问题，还要具备能够利用大数据技术实现流程简化的发散性思维。大数据审计要求每位审计人员不仅要精通审计业务，还要会运用现代化电子信息技术。所以，不仅要在培养现有人员的基础上下功夫，还要加大对具有大数据思维及创新应用能力的复合型人才的引进，为推进新时代大数据审计提供有力的人才保障。

（三）建设大数据审计平台架构。在大数据应用领域，数据是核心资源，大数据意味着全样本数据。审计工作大数据的处理过程如图1 所示。一是数据来源。数据可以来自本地文件、数据库、互联网上网络爬虫抓取的HTMI 网页数据、或各单位实时输入的数据以及数据流等渠道。ETL 是数据抽取（Extract）、清洗（Cleaning）、转换（Transform）、装载（Load）的过程，根据不同的需要，将大量审计数据分别以结构型数据、非结构型数据以及文档数据等方式存储，作为数据仓库以备联机分析处理（OLAP）。二是数据处理过程。数据计算过程包括离线批处理、实时计算、机器学习和全文搜索等数据处理方式，为价值密度低的审计工作大数据提供有价值的数据资源作准备。OLAP（Online Analytical Processing）是一种联机分析处理技术，它使分析人员能够迅速、多维度地观察信息，深入理解数据的目的。三是数据分析。数据分析包括可视化分析，分析人员要能看见结果；数据挖掘，要从大数据中找出有价值的信息；预测性分析能力，分析出来的结果要有前瞻性，知道未来结果或趋势；语义引擎，能从文档中发现所需信息；数据质量和数据管理，分析结果要保证数据高附加值。

图1