大数据审计人才的培养模式流程设计

骆佳佳

大数据背景下审计工作模式已然发生了巨大的变化，但我国各大高校审计数据分析的人才培养仍处于探索阶段，培养目标定位、课程体系设置和实践平台搭建等方面尚未形成一致的做法。本文选取15所开设“数据科学与大数据技术”专业的“985”“211”院校进行调查分析，借鉴数据技术课程设置的实践经验，设计了“文工”有效融合的大数据审计人才培养模式流程，为我国高校面向大数据的审计教育方式、复合型审计人才培养模式提供参考意见。

近年来，信息产业呈现飞速发展的趋势，相继涌现了云计算、物联网、智能分析、大数据和区块链等技术。我国将大数据视为重要的战略资源，并将大数据的研究和发展作为新的国家战略。数据所蕴含的信息，对各行各业传统的生产模式、管理模式和商业模式等造成了巨大的冲击，对社会生产方式的转变起到了重要的推动作用。大数据与审计在实施过程的步骤上有着一定的相同点，同样需要经过数据的收集、处理、统计、分析和挖掘的过程从而得出结论。从某种程度上来说，大数据给审计带来了变革和机遇。数据环境的变革，推动了审计模式的改进，现代审计工作表现出了全面性、整体性的时代特点，对熟练掌握信息技术的审计人才的需求也越来越大。

一、数据科学与大数据专业的人才培养现状调查分析

2015年教育部开设了“数据科学与大数据技术”专业，越来越多的高等院校参与申报该专业。2016年2月，第一批获准开设该专业的3所高校分别是北京大学、中南大学和对外经济贸易大学；2017年3月，第二批获准开设该专业的高校共32所；2018年3月，第三批获准开设该专业的高校共248所；2019年3月，第四批获准开设该专业的高校共196所。此外，还有许多高校依托自身的优势专业，开设了与大数据技术相关的其他应用型特色专业。本文选取了15所开设“数据科学与大数据技术”专业的“985”“211”院校，进行现阶段大数据分析人才培养调查的分析。

（一）调查样本的课程分析

由于信息技术自身的属性，大数据的相关课程均包括数学、统计和计算机等通识学科知识。在课程的安排上，大多数院校以数学、统计和计算机学科知识为主，部分院校将自己的优势学科纳入了课程体系中，以培养复合型的人才。

现代社会已进入数字化时代，从行业领域到企业部门，都需要进行数据分析与处理。但在教育培养的课程安排上，大多数院校仍是以数学、统计和计算机三大学科为主，其他专业的学科较少，还未能向医学、经济学、社会学和管理学等学科拓展。

（二）调查样本的实践培养

开设大数据相关技术的专业，需要有较高的师资资源配置，建设大数据相关的实验室需要的资金较多，单独开展大数据相关专业的人才培养难度较大。贵州理工学院与阿里云合建的“贵州理工学院——阿里巴巴大数据学院”，通过校企联合，培养应用型的数据分析人才，对人才培养及社会需求等方面均有所助益。

目前，国内高校争相开设的“数据科学与大数据技术”专业，强调培养能处理大数据问题并从大数据中获取洞察信息的复合型大数据人才， 不大可能会专门培养审计大数据人才，“985”“211”类高校一般有经验比较丰富的教学及科研师资团队，对一些前沿技术领域有很深刻的研究，并且能够融合国外高校的教育培养方式进行专业建设，在数据分析方面有较大的优势。

二、审计数据分析人才培养的创新措施流程设计

在进行人才培养时，除了要讲授基础的审计知识和计算机技术外，还应加强审计数据分析的实践，在真实或仿真的环境中培养学生的实际审计数据分析能力。本文设计了“文工”有效融合的大数据审计人才培养模式流程，具体如图1所示。

（一）培养目标

培养较好地掌握数据分析与处理及审计基本技能，具备基本编程能力，以审计精神立身、以创新规范立业和以自身建设立信。此目标定位将大数据审计专业作为独立的学科或专业方向进行建设和研究，以具备信息技术基本技能作为技术基础，融合在审计专业教育中，同时融入“三立”的思政教育，培养中国特色社会主义新时代的复合型审计人才。

（二）课程体系设置

1.专业课程设置

大数据审计人才培养的课程体系设置，考虑高校的战略目标定位不同，每个学期设计基本的包括数据处理和审计四门专业课程，其余专业课程和选修课程设置可根据高校所在城市的地方经济发展，嵌入地方及学校特色。大学一年级的课程设置主要以打基础为主，大数据审计专业人才培养应是双基础，既包括数学统计基础，又包括审计基础。大学二年级的课程设置在夯实数据处理和审计基础的基础上，加深专业知识的学习，设置编程课程、中级会计和审计资格能力的学习，大学前两年的专业知识的学习，针对鉴证业务实践中常用的功能，重视培养学生软件操作能力。大学三年级的课程设置进一步拔高专业能力，设置高级会计学、大数据财务分析和数据库系统等专业课程，逐步实现大数据与财会及审计类专业课程的融合。大四上半年，设置大数据平台应用及Python语言编制审计模型两门课程，实现大数据技术与审计专业能力的融合。第五、第六、第七学期的学习偏向于综合实训，可以借助高校的实习基地，采取执业注册会计师走进课堂，把审计现场搬进教室的形式，也可以是教师把课堂搬进企业，直接在实战项目中引导学生学习。

根据大数据审计人才培养目标的定位，在专业能力培养上设计清晰的课程实施路径，分两条线：第一条线，对审计技能的培养分阶段分层次，设计审计考证课程—绘制内部控制流程图—操作审计软件（用友、鼎信诺、E审通等）—审计实务—大数据审计案例分析；第二条线，对基本编程能力的培养分阶段分层次，设计数据采集与处理—程序设计基础—数据分析及可视化—数据库系统—Python语言编制审计模型，分阶段逐步地实现了大数据技术与审计专业的融合，实现了大数据审计人才的培养目标。

2.校企联合

目前大多数在校外进行审计专业实习的学生从事简单的重复的凭证抽查、Excel表格录入和功底底稿归档等工作。校内专业实习指导老师对学生的实践过程、实践内容和目标难以控制，审计实践教学效果不理想。将现有的校内仿真实践和企业案例实训等课程内容融入大数据审计实践平台中，使学生在跨行业跨领域的实践环境中应用大数据审计实践平台。整合大数据审计理论和实务界的方法與技术，制定理论界和实务界双教师联合教学制度，切实将大数据分析技术和思维方式引入到课堂教学环节，将实务界的需求和新方法分享给学生，做到真正的理论联系实际，不断创新审计新技术和方法。

三、结论及建议

当前，由于我国大数据的发展还处于初级阶段，人才的极度紧缺严重制约着大数据时代的发展，我国各个院校大数据人才的培养急需完备的教学体系、系列教材以及配套的教学产品和实训平台。

（一）资金支持顶层设计

我国面向大数据的审计教育改革要大胆尝试，高校应主动联合企业，通过建立大数据联合实验室和研发中心等形式，联合培养理论与实践相结合的大数据专业人才。审计数据分析人才的培养还要以岗位培训和项目实习为重点，加大团队项目培训力度，提高审计专业学生的大数据应用技能。

（二）加强专业紧密联系

为培养学生的审计数据分析能力，应当将数据处理能力与专业审计能力紧密融合在一起，共同完成审计项目的大数据分析和应用，二者地位均等缺一不可。但在实际授课过程中，数据处理能力与审计技能并未真正融合在一起，学生在面对审计项目时，仍是使用传统的审计方式，尚未达到融会贯通。当然，这种两项技能的融合对师资资源和教学资源等也提出了更高的要求。

（三）打造复合型师资队伍

教师作为审计数据分析项目的策划者、组织者和指导者，必须具备实际审计数据分析项目工作经验。然而，在全球大数据人才普遍短缺的背景下，能够并愿意承担审计数据分析教学任务的教师更是凤毛麟角，加强审计数据分析师资队伍建设已经迫在眉睫。目前较为可行的办法是由审计、统计、数学、大数据或计算机等相关专业的教师组建混合型的教学团队。在大数据技术背景下，多学科的交叉不可避免，生搬硬套审计、数学和计算机等学科的知识，若不加融合，不仅不能对学生的发展有所帮助，甚至可能适得其反。如何将不同学科的教学特点进行融合，是尚待实践探索的问题。审计数据分析的人才培养在我国还处于探索阶段，复合型和创新型审计人才的培养任重而道远。

（作者单位：广东农工商职业技术学院财经学院）