基于大数据的政府审计质量控制新路径

杨智慧

[摘要]基于大数据预测的基本原理，以“审计行为”为切入点进行政府审计质量控制现实可行。政府审计人员的行为预测遵循大数据预测的基本原理和流程：输入数据→建立预测模型→输出预测结果;通過行为前控制阶段的横向预测、行为中控制阶段的纵向预测和实时预测，政府审计部门可以在审计行为发生前或发生时对政府审计人员可能发生的行为进行预测;根据上述行为预测的结果，利用上提模型确定对政府审计人员最有效的行为控制措施。

[关键词]政府审计    质量控制    大数据    路径

本文系山东省高等学校人文社会科学计划项目“以审计责任为主线的政府审计质量控制研究”（项目编号：J18RA128）

府审计质量控制的根本是引导政府审计人员

自律、自觉地履行审计责任。笔者运用大数据预测原理，尝试在进行审计前预测政府审计人员的审计行为并对其进行适时引导，在审计进行中对政府审计人员的审计行为进行实时监督和控制，从根本上提升政府审计质量。

一、政府审计人员行为预测的前提

服务业组织特征为：产出无形、生产和消费同时发生、劳动和知识密集型、与顾客的互动强、人员因素至关重要、服务质量可以感知不易测量、快速响应、服务机构设点极为重要（理查德·L.达夫特，2011）。政府审计是典型的服务业，具有上述特征，特别是其中“人员因素至关重要、服务质量可以感知不易测量”这一特征在政府审计工作中表现得尤为明显。也就是说，政府审计人员在政府审计服务中发挥着至关重要的作用，审计工作特别需要审计人员的专业技能和专业判断，审计行为直接决定了政府审计质量的好坏。因此，关注政府审计人员的审计行为并对其进行预测和控制，是提高政府审计质量的根本措施，审计行为预测势在必行。

随着大数据时代的到来，信息和网络技术突飞猛进发展，人们不再只依赖于结构化数据的分析和运用，大量非结构化数据（如视频、图片等）的处理更为普遍。计算是按照一定的规则对数据进行转换的过程，而对文本、图片、音频和视频等的搜索和挖掘也是计算。社会领域的计算主要是研究个人和群体的行为，包括过去和现在的行为，也包括有组织的群体行为和无组织的群体行为（涂子沛，2014）。大数据的核心就是预测，建立在相关关系分析法基础上的预测是大数据的核心。麻省理工学院媒体实验室人类动力学实验室主任亚历山大·彭特兰和他的学生南森·伊格尔所倡导的“现实挖掘”指的是通过处理大量来自手机的数据，发现和预测人类行为（维克托·迈尔-舍恩伯格，2013）。因此，对审计行为进行预测已具备条件。

二、政府审计人员行为预测的原理

（一）大数据预测的基本原理

预测分析就是通过学习经验（数据）来预测个人未来行为的技术，以更好地作出决策。在每项预测中要用系统化和科学化的方法来开发并持续改进预测技术，让计算机自动“学习”如何预测，这就是机器学习，即让电脑自动获取新知识和新能力，持续不断地输入数据（埃里克·西格尔，2014）。由此可知，大数据预测的基本原理和流程为：输入数据→建立预测模型→输出预测结果。第一步是输入，根据行为预测的需要最大可能地输入相关的结构化数据（如数字）和非结构化数据（如图片、音频、视频等）到计算机自动学习系统;第二步是建模，运用统计学和计算机科学等方法，由计算机自动学习系统对数据进行整理、分析和挖掘，以建立并修正预测模型，从而找出关联物和行为之间的关联关系;第三步是输出，利用上述预测模型所确立的关联关系，判断某一群体或个体可能发生的行为及其概率。

（二）政府审计人员行为预测的原理

政府审计人员行为预测是基于大数据的预测分析，每项行为预测都要依赖于机器学习。具体来说，就是基于大数据预测的基本原理，运用先进的计算机技术，通过机器自我学习建立预测模型，找出与政府审计人员审计行为相关的关联物，从而预测政府审计人员某一审计行为发生的概率。

政府审计人员的审计行为从表面上看都是遵循审计工作的基本流程，似乎没有发挥的空间。但实际上，政府审计人员完成每一项工作都需要大量的专业判断，同时审计行为往往又与个人情绪、人格、价值观、态度、能力、知觉、动机等密切相关，不同的审计人员在完成同一审计工作时往往会产生不同的效果。因此，某一政府审计人员一定时间段内的审计行为与其个人特质存在必然的联系，有规律可循。同时，政府审计人员作为一个群体，其行为也具备一定的群体特征，其行为过程和行为结果之间存在一定的内在联系。

三、政府审计人员行为预测的方式

政府审计人员行为预测在审计工作开始前（审计行为前）和审计工作进行中（审计行为中）都可以根据实际情况选择特定的自变量（表示预测时考虑的因素，或者建立预测模型时输入的数据）和因变量（表示将要或者能够预测的内容，或者预测模型输出的结论）进行实施。行为前控制阶段可以使用横向预测方式;行为中控制阶段可以选择纵向预测或实时预测方式。借鉴组织行为学的研究成果，考虑政府审计人员身份特征和政府审计工作职业特性，本文确定审计行为前的行为影响指标、行为过程指标和行为结果指标（见图1），作为行为预测的基础。

（一）行为前控制阶段——横向预测

审计行为做出前的横向预测是利用全部政府审计人员的行为影响指标和行为过程指标，通过机器自动学习建立预测模型，找出政府审计人员的群体行为规律，从而预测某一政府审计人员做出某一审计行为的可能性。根据前述大数据预测的基本原理和流程，横向预测的流程如下：输入自变量→建立预测模型→输出因变量（见图2）。具体来说，首先在计算机自动学习系统中输入自变量，其次通过机器学习建立预测模型，最后将某一审计人员的各项行为影响指标的测量结果输入预测模型，即可得到该人员做出某一审计行为的预测分数，分数越高则表明该人员做出这种行为的可能性越高。

政府审计人员行为预测模型建立时应考虑的自变量及其可能得出的关系见图3。

图3中的不规范审计行为是指政府审计人员具有搭便车、机会主义、偷懒等利己倾向，在外在监督不力或对其违反制度的惩罚力度不够的情况下可能违背职业道德而产生为己谋利的审计行为（梁淑香，2007）。不规范审计行为在审计实践中可以细分为：偷懒（如未按照审计准则搜集审计证据）、以权谋私（如故意增删或修改审计证据、故意作出不当的审计结论、违反审计中关于保密的规定、作出不恰当的审计处罚决定、不遵守回避制度）和接受贿赂（如隐瞒被审计单位违规行为、与被审计单位勾结串通）。

图3中的不作为审计行为是指政府审计人员在审计过程中不做或少做其职责权限内的监督工作，对违纪违规行为视而不见，听之任之（刘学华，2004）。由于工作疏忽引起的不作为审计行为在政府审计实践中较为常见，具体表现为：未按照准则规定编制审计工作底稿、审计测试不当、审计复核重形式轻内容、审计意见或决定不当、审计处理处罚不当、未按照审计准则规定的时限开展审计工作等。

（二）行为中控制阶段

1.纵向预测。审计行为中的纵向预测是以某一政府审计人员以往的审计行为来预测其现在应做出某一审计行为的可能性。根据前述大数据预测的基本原理和流程，纵向预测的流程如下：输入自变量→建立预测模型→输出因变量（见图4）。具体来说，首先，在计算机自动学习系统中输入某一政府审计人员以往的行为过程指标和行为结果指标;其次，通过机器学习建立预测模型确定该政府审计人员以往的行为与其行为结果的关系;最后，将该政府审计人员实时行为输入该模型，即可得出该政府审计人员的预测分数，分数越高则说明该人员越有可能出现对应的行为结果。每一审计行为结果的做出可能会有不同影响因素，所以需要针对不同的行为结果建立不同的行为预测模型。纵向预测模型建立时考虑的输入项目及可能得出的关系见图5。

2.实时预测。审计行为中的实时预测是通过对某一政府审计人员行为记录的分析来预测其做出某一审计行为的可能性。根据前述大数据预测的基本原理和流程，实时预测的流程如下：輸入自变量→建立预测模型→输出因变量（见图6）。具体来说，首先在计算机自动学习系统中输入某一政府审计人员的行为记录，其次通过机器学习建立预测模型确定该政府审计人员的行为记录与审计行为的关系，最后将该政府审计人员行为记录输入该模型，即可得出该政府审计人员的预测分数，分数越高则说明该人员越有可能做出对应的审计行为。实时预测中，每一审计行为的影响因素各不相同，要针对每一审计行为逐一分析影响因素，逐一建立预测模型。预测模型建立时考虑的输入项目及可能得出的关系见图7。

四、政府审计人员行为的控制

政府审计行为预测不是目的，只是一种手段，它为政府审计人员行为前的引导提供了第一手信息和资料，使行为控制前置，也更有针对性，从而保证政府审计人员自觉履行审计责任，最终提高政府审计质量。政府审计人员行为控制就是根据政府审计人员行为预测的结果，在审计开始前和进行中对每个政府审计人员的审计行为进行个性化的事前引导和事中规范。

（一）控制手段的选择原理——大数据下的上提模型

针对每个政府审计人员可能出现的行为，应该选择不同的控制手段，同一控制手段针对不同的政府审计人员也会产生不同效果。因此，必须通过一定方式预测哪种控制手段对某一政府审计人员的某一审计行为最有效。运用基于大数据原理的上提模型进行选择，就是通过对比各种方法的效果来预测对个人行为影响力的预测模型（埃里克·西格尔，2014），以“培训”这一引导措施为例进行具体说明，见图8。

从图8中可以看出，对处于左下侧象限的政府审计人员来说，培训是徒劳的，因为无论是否培训，他都会自我修正;对处于右下侧象限的政府审计人员来说，培训是最有效的，应该对这类人员进行培训;对处于左上侧象限的政府审计人员来说，培训会起反作用，务必注意不能对这类人员进行培训;对处于右上侧象限的政府审计人员来说，培训也是徒劳的，因为无论是否培训，他都绝对不会进行修正。那么如何确定某一政府审计人员属于哪个象限？这仍然需要遵循大数据预测的基本原理和流程：输入自变量→建立预测模型→输出因变量。自变量是全体政府审计人员的个人体征和培训后的结果;预测模型是某一象限人员的个人特征与培训结果的对应关系;因变量是某一政府审计人员属于某一象限的可能性。

（二）可能采取的控制手段——上提模型可能应用的范围

首先，要进行控制方式的选择，控制方式分激励和惩罚两大类，常见的激励方式包括物质激励、精神激励，惩罚包括行政处罚、经济处罚等;其次，在采用某种激励或惩罚措施时应该选择一定的信息传递方式，如书面传递方式、口头传递方式和非语言传递方式等;最后，控制措施的实施还应选择恰当的沟通方式，如全员公开方式、私下个别沟通方式。这些方式的选择与某一政府审计人员的个人特征紧密相关，需要运用上提模型逐一选择最适宜的方式。

（作者单位：山东外贸职业学院，邮政编码：266100，电子邮箱：yzh-zhihui@163.com）

主要参考文献

梁淑香.不规范政府审计行为的经济学解释[J].广东财经职业学院学报， 2007（3）

刘学华.政府审计不作为探析[J].事业财会， 2004（1）