高职院校审计大数据分析实训课程设计探讨

［摘 要］本文通过调研企业应用审计大数据分析技术情况，总结审计专业大数据分析实训课程面临的问题，并在此基础上提出实训课程定位、技能框架、实训内容和平台架构等教学建议，为高职教育审计课程改革提供有价值的参考。

［关键词］审计；大数据分析；高职；课程实训

doi：10.3969/j.issn.1673-0194.2024.21.017

［中图分类号］F239；G712 ［文献标识码］A ［文章编号］1673-0194（2024）21-0064-05

0" " "引 言

近年来，由于信息技术迅猛发展，多方位、多领域的数据融合促使大数据分析技术逐步被引入审计工作中，这一技术在识别异常交易及审查监督相关经济活动方面发挥关键作用，能够大幅提升审计效率和审计质量。IAASB、AICPA、CPA Canada和ICAEW发布了一系列关于在审计中运用大数据分析的指南或实务提示，审计大数据分析（Audit Data" Analytics，ADA）已成为审计人员的必备能力[1]。

为了适应信息技术在审计职业领域转型升级的需要，教育部颁布的高等职业教育专科大数据与审计专业教学标准（2022）明确要求“学生能应用大数据技术进行业务财务数据收集、清洗、整理、挖掘和可视化输出”。不少高职院校逐步开设审计大数据分析课程提升学生职业技能，但是新课程面临着一些问题，如大数据分析等相关技术如何在审计工作中应用，学生需要掌握哪些技能处理大数据，如何培养ADA能力等。

本文通过调研审计实务中应用大数据分析技术情况，探索高职审计大数据分析课程内容设置和教学方式改革，以期缩小审计课程和实践之间可能存在的差距，培养出符合审计实务工作需求的毕业生。

1" " "企业审计大数据分析技术应用情况

越来越多企业的信息系统与云数据、物联网和社交媒体等外部数据源集成连接，这促使会计人员使用先进的分析技术进行智能财务决策，同时也为外部审计师开展高级预测分析提供了大量机会。审计大数据分析（ADA）是对财务报表数据以及相关财务和非财务信息的分析，目的是识别潜在的错报或重大错报风险。表1列举了审计实务中应用的数据分析技术。

表1中审计数据分析技术可分为传统数据分析（1～3）和审计大数据分析（4～5）两类，两者分别应用于常规的实质性测试和涉及重大判断的复杂预测技术。审计人员在ADA中进行探索性或验证性分析，可以迅速掌握数据框架、获取审计数据、进行审计分析、发现风险因素以及进行结果展现，合理保证企业提供的财务信息的公允性[2]。例如，在审计中对现金交易使用大数据分析技术来监控可疑交易，识别潜在的欺诈活动；查询电话记录和电子邮件来验证销售和订单的真实性；通过分析社交媒体数据可获得产品、声誉风险等客户反馈。

审计师在审计流程中开始使用机器学习、自然语言文本分析、社会网络分析等大数据分析技术收集证据，识别潜在的欺诈活动，此外还将这些技术用于设计控制测试和风险评估[3]。以下是几种在审计实务中应用的大数据技术。

1.1nbsp; "机器学习分析

机器学习分析是一种可以自动从历史数据中学习模式和趋势的程序，在审计中可用于全样本测试或抽样测试。应用场景包括业务承接、风险评估与控制测试等环节。通过采用这一技术并优先处理异常或可疑交易，可以帮助审计师更多地进行非现场审计、智能化审计，在提升效率的同时，大幅度提升审计的质量。

1.2" "自然语言文本分析

自然语言文本分析是让计算机学习并处理（尤其是人机交互）人类语言，帮助审计师自动分析海量的文本，并提炼出大量有价值的信息，弥补传统人工审计的薄弱环节。自然语言处理技术可以对各种文件、规章制度、会议记录等文本信息、非结构化数据进行全面高效的分析，提取关键信息，发现存在矛盾之处的审计线索，实现访谈信息分析的自动化与智能化。

1.3" "社会网络分析

社会网络分析的核心思想是利用图论等技术研究社会网络关系，即将研究的视角从“点”拓展为“网络”，从而发现更多隐藏在数据背后的信息，帮助审计师揭示纷繁芜杂的数据背后隐含的信息关系，从海量的数据中发现异常，找到进一步审计的线索。

1.4" "数据挖掘分析

数据挖掘分析技术是指利用数据仓库、数据挖掘、预测分析等手段实现对海量数据信息的综合分析和处理，以便更好地探索相应数据信息的规律。常用的方法有分类分析、相关分析、聚类分析和序列分析等，以此探索数据之间更多的关系，使这些数据信息发挥更强的应用价值。

2" " "审计大数据分析实训课程设置面临的问题

虽然审计行业正在迎接新的技术挑战，迫切需要审计人员具有ADA相关技能，而教育部颁布的大数据与审计专业教学标准（2022）却没有明确指出如何将大数据分析技术纳入高职审计课程。本文通过调研高职院校审计专业人才培养方案发现，大数据分析课程定位模糊，由于注册会计师或会计师等考试没有包括这些内容，学校课程设置和企业实际需求之间还存在一定的差距，课程内容设置上面临如下问题。

2.1" "审计大数据分析工具学习难度高

在实际工作中，即使企业举办ADA软件技术培训班，也无法在短时间内显著提升审计人员的ADA能力。如果在大学里开设课程，培训的成本和时间就会减少。但即便如此，审计专业学生想要熟练运用审计数据分析工具，仍然存在很大困难，理解编程语言和处理分析大数据要求较高，这涉及会计审计基础、计算机基础、数学基础、统计基础等。此外，大学课程侧重于审计的理论学习，如何系统地实践操作是重要问题。因此，审计大数据分析课程的开设必然要建立在相关基础课程的稳健实施和科学的课程实训设计基础之上。

2.2" "审计大数据分析方法的不确定性

企业信息化面临着诸多问题，如多模块数据整合集成问题，数据一致性差容易出现信息孤岛，财务应用大数据场景较少，大数据并不意味着数据在网络上随意爬取就能获取、清洗就可用。审计大数据分析目标不明确，分析方式也不一致。数据多样性和高准确性要求提高了分析处理的难度，不同的审计数据类型，所需要用到的分析方法以及分析工具是不尽相同的，这就要求审计人员在面对海量数据时，能够迅速识别出数据类型，并找到对应的数据分析方法进行分析。审计大数据分析课程无疑是培养这一能力的有效载体，然而正是因为审计数据分析方法的不确定，使得审计大数据分析课程在教学过程中存在难度。

2.3" "审计大数据分析缺乏实训平台

财务大数据的存储、处理和分析成本很高。当下，高校多采用如审计之友等审计教学软件模拟开展实训教学，然而，此类模拟教学软件大多只能提供静态资料，无法动态模拟审计实务情景，更不用说是进行审计大数据分析。高职院校真正拥有“大数据”的实训平台少之又少，传统的实训平台无法帮助学生建立起对大数据的清晰认识、无法满足对大数据进行云处理的仿真需求，因此审计大数据实训平台的建设成为课程开展面临的重要问题[4]。

3" " "审计大数据分析实训课程教学建议

3.1" "课程定位

审计师进行外部审计的主要目标是收集充分适当的证据合理地保证企业的财务报告不存在重大错报。审计人员的核心能力不是计算工具化，而是管理分析和审计监督，其ADA能力决定了审计证据的充分适当性以及审计报告的质量和及时性。审计专业学生不需要深入理解大数据分析理论知识，但他们应该知道如何利用各种业务财务数据，选择恰当的分析工具得出结论并进行解释。

因此审计大数据分析实训课程（表2）应进行相应的ADA知识内容设计，如讲解数据挖掘与分析内容，教授机器学习的回归、决策树、聚类关联分析、知识图谱、语义理解等算法的原理知识，注重学生利用信息技术和审计软件进行数据采集、转换和分析的能力，从而培养出兼具审计和大数据分析背景的复合型ADA人才，使其能够运用大数据分析工具在审计过程中对企业财务与经营数据进行分析，降低审计风险，提高审计效率与审计质量，帮助财务报表使用者进行科学的决策。

3.2" "课程技能框架

审计人员的传统职能同会计人员一样已经改变，如今他们需要具备进行审计大数据处理的基本技能。因为审计人员不仅需要验证会计人员的大数据预测分析结果，还要为审计目标进行特定的大数据分析工作。

高职院校应重视培养审计专业学生的基本数字素养，将数据分析知识和技能作为审计职业要求的一部分，让学生具备数据创建、数据共享、数据分析、数据挖掘、数据报告能力[5]。国内外专业机构一致认为，审计人员需要具备基本的数据分析知识和技能。根据ICAEW统计，技能、数据技术以及领域知识在履行审计职能方面至关重要。此外，基本数字素养和技术知识也同样重要。

基于上述分析，审计人员需具备数据整理报告和可视化、大数据分析、解释性预测这三种低、中、高层次的ADA技能，如表3所示。

数据分析分为三种类型：描述性分析、诊断性分析、预测性分析。

（1）描述性分析侧重描述过去发生的事情，分析“是什么”。审计人员可以通过可视化仪表盘跟踪、分析和显示数据情况，进而对关键性能指标和特定目标或业务流程的相关业务指标进行观察分析。

（2）诊断性分析旨在进一步探究事件的原因，深入研究描述性分析数据，以确定结果的根本原因。不能充分理解结果含义的数据分析是没有意义的，专业人员需要能够解释结果的原因，将数据分析转化为对业务更深入的理解。

（3）预测性分析是将从描述性分析中收集的知识应用于预测，试图回答“可能发生什么”。预测分析帮助理解未来，并通过识别历史数据中的模式提供前瞻性预测。通过优化技术和机器学习，帮助确定最佳选择，以实现预期的结果。预测技能包括使用各种来源的数据，帮助审计师做出准确的预测。通过识别和推断大数据捕捉到的现有趋势来预测未来趋势，审计人员在解释和预测未来结果时会更有洞察力。

3.3" "课程实训平台架构

高职院校应该针对审计专业增设数字化素养能力培养课程，如大数据基础、人工智能基础、数据分析与挖掘、大数据与会计和大数据与审计等课程，重建新的审计专业课程结构或体系。此外，加强场景化教学，在课程教学中，通过案例教学法、体验式教学法等方式真正实现信息技术为审计服务，使大数据分析与审计专业核心能力有机结合。

ADA知识是指用于分析大数据的要素、过程和技术的知识。学生不需要深入的ADA知识，但他们至少需要知道如何利用这些数据，分析这些数据的意义是什么，以及他们可以用这些数据做什么。ADA技能必须有扎实的数据输入、分析操作和数据解释能力。

审计大数据分析实训课程应围绕课程的技能框架，引导学生由浅入深地学习数据清理、Power BI可视化仪表板技术、结构化和非结构化分析、机器学习和智能预测等相关ADA知识技能，通过校企合作构建审计数据分析课程实训平台（图1），颗粒化组织教学内容[6]。

实训平台主要分为三个模块。

3.3.1" "审计数据管理模块

该模块主要是确保所需数据可采集、可获得以及数据的可靠性。学生能够高效利用大数据工具从该模块中采集数据，包括结构化和非结构化数据、财务数据和非财务数据，之后对采集到的数据进行清洗处理，为后续进行数据分析奠定基础。

3.3.2" "审计数据分析模块

审计数据分析模块包括描述性分析、解释性分析和预测性分析。通过该模块可以引导学生整合财务数据，并以可视化方式展示；可以教授学生机器学习和自然语言处理等大数据分析技术，梳理结构化和非结构化信息，深入理解业务财务的情况；可以指导学生利用统计算法和机器学习等技术根据历史趋势和结果预测未来结果的可能性。

3.3.3" "审计大数据案例模块

该模块旨在通过建立审计案例库，以企业真实的大数据审计案例指导学生运用所学的ADA技术履行审计的职能，提高ADA动手操作能力；指导他们在审计过程中分析相应数据、解释结果、预测未来，并且利用分析的结果来形成审计证据、得出审计结论，切实培养起他们的数据创建、数据共享、数据分析、数据挖掘、数据报告能力。

3.4" "课程教学建议

3.4.1" "强化师资力量

高职院校大多数教师是单一的财会类专业背景，较少掌握大数据相关知识基础。大数据时代对审计教师融合大数据的能力提出了新的要求，教师要了解与大数据相关的审计分析方法，这就需要教师参与ADA产教融合项目，开展教学评价和教学竞赛等，弥补自身专业背景的薄弱，同时也可以通过挂职锻炼、培训进修等方式来提升实践技能。此外，学校还可以引进会计师事务所专业人员，组建由审计、统计、信息系统、大数据或计算机等相关专业的教师构成的混合型教学团队，以更好地适应新形势。

3.4.2" "加强实训环节

审计署在《“十三五”国家审计工作发展规划》中提出“加大审计案例教学的推广应用力度。建立审计人员职业发展规划，持续提升职业胜任能力。完善审计专业人才培养机制”。审计专业作为一门技术性和应用性都很强的学科，购买审计软件开展审计实训课或者校企合作建立审计实习基地等是培养ADA人才所必需的环节。同时，要求实习实训的课时占教学总课时的比例达到30％以上，真正建立起实习实训质量保障机制。

3.4.3" "采用案例法教学

收集企业真实大数据审计案例构建实训平台，模拟真实的审计活动，引导学生完成初步业务活动、风险评估、控制测试、进一步审计程序等环节，培养ADA动手实操能力。校企合作利用真实数据分析案例，共同开发审计实训项目，让学生们分组完成审计任务，如数据搜集、清洗处理、分析等，并将结果以可视化的方式呈现出来，培养学生的团队合作和探究精神。

4" " "总 结

本文通过调研企业应用审计大数据分析技术情况，总结审计专业大数据分析实训课程面临的问题，并在此基础上提出实训课程定位、技能框架、实训内容和平台架构等教学建议，为高职教育审计课程改革提供有价值的参考。

主要参考文献

［1］张敏.大数据审计：五大趋势与五大挑战［J］.会计之友，2020（8）：2-11.

［2］韩天佩.大数据技术在财务报表审计分析程序中的应用现状及应对[D].北京：北京第二外国语学院，2021.

［3］APPELBAUM D A，KOGAN M A. Big data and analytics in the modern audit engagement：Research Needs［J］.Auditing：A Journal of Practice amp; Theory，2017（4）：1-27.

［4］阳杰，应里孟.审计大数据分析人才需求及其培养：基于CDIO理念的模式建构［J］.财会月刊，2019（4）：108-119.

［5］邓洁.基于“课程+案例+实训”三维融合的审计学课程教学改革研究［J］.商业会计，2017（24）：124-125.

［6］马玉娟.基于审计之友的审计实训教学研究［J］.现代商贸工业，2021，42（28）：129-132.