浅论大数据在审计中的应用

仇兴嫱

摘要：现代社会中，人们日常生活中的很多方面都和大数据技术有关。而在审计工作中，大数据技术同样也带来了很多的革新。如何在信息时代的背景下科学的实施大数据审计，成为了人们关注的热点。文章在概述大数据审计基本内涵的基础上，系统地论述了数据采集、数据标准化处理、数据平台构建、数据分析方法创新、组织管理模式、风险管理六个关键环节，为更好的推广应用大数据审计提供了依据。

关键词：大数据;审计;大数据分析

由于信息技术的不断发展，越来越多的被审计单位都实现了会计信息化，这就使得过去传统的审计方法受到了很大的挑战，以查账为主要手段的审计已经开始表现出诸多的不适应性。在这一背景下，审计的内容、方法也都发生了新的变革，大数据审计应运而生。这也是适应在新时期下海量审计信息的客观需要。因此，针对大数据审计应用的研究具有十分重要的现实意义。

一、大数据审计的基本内涵

大数据审计是信息技术发展的产物，主要是通过计算机终端对大量的审计相关数据进行收集、处理和分析，从而实现既定的审计目标。在内容上主要涵盖大数据环境下的电子数据审计和对大数据环境下的计算机信息系统进行审计两方面。而其主要特征则包括三个方面，一是大数据审计中，涉及到各种类型的数据资源，具有海量、多样的特征;二是大数据审计需要对收集到的大量数据进行分类、分析等处理，数据的复杂性决定了这些数据处理具有较高的技术性;三是大数据审计打破了传统审计过程中的行业界限，改变了传统的审计组织模式，实现了“总体分析、发现疑点、分散核实、系统研究”数字化审计方式，这是其中重要的应用特征。

二、大数据审计的应用的关键环节

（一）数据采集

大数据审计应用的第一个步骤就是数据采集。在这一过程中涉及的行业、层次都是多方面，具体来说应当尤其注意两个问题。第一、科学的划定大数据审计的数据采集范畴。通常涉及的数据主要来自于被审计单位。同时，在此基础上，诸如一些非结构化文档、互联网数据、甚至未来的物联网数据也应当考虑进行采集。虽说在大数据审计模式下，数据相对越多越好。但是，面对海量的数据，全部都采集是不可能的。因此，在具体审计过程中就应当结合具体的审计业务，对相关的数据采集范畴进行科学的界定，最大可能的将价值较大的数据都纳入到采集范畴中。第二、合理选择大数据采集方法。随着我国《促进大数据发展行动纲要》的颁布，在审计大数据的采集方法上，要充分考虑电子云、网络API接口、互联网爬虫、遥感技术等的特点，再结合实际情况进行选择。

（二）数据标准化处理

首先，应当构建不同行业领域的审计大数据标准。我国在财政、税收等多个领域目前已经出台了审计数据的标准，但是在实际应用中还存在一些问题。比如，在公共资金方面政府财政收支是最为主要的数据，但是由于我国自身行政体制以及历史原因，在财政信息方面存在着很多的数据标准不一致、数据收集整理困难大等问题，导致公共资金的审计困难重重。因此，在大数据审计的数据标准化处理上，还有很多的环节需要完善。其次，在各行业大数据审计数据标准的基础上，还要构建转换机制，从而能够实现全社会大数据审计的互联互通。

（三）数据平台构建

由于被审计单位相关审计数据的快速增长，引发了在硬件设施上一些问题，如存储设备内存不足、数据传输带宽不够等，这很大程度上限制了大数据审计的应用发展。所以数据平台的构建就显得尤为重要。具体来说，构建的数据平台应当具备一些基本的应用特征，包括传输速率高、容错率高、运行成本低、拓展性良好等。而且，数据的覆盖范围上要包含三个主要方面，即被审计对象的管理信息、业务信息和相关的网络信息。同时，平台还需要拥有对数据进行整理和分析的功能，这也是数据平台最为重要的功能所在。我国信息技术大数据标准工作组于2016年颁布《大数据标准化白皮书》，依据我国在大数据技术发展上的实际情况，对我国大数据相关的技术标准进行了明确，其中就包括了大数据审计。

（四）数据分析方法创新

1. 全覆盖分析

大数据审计能够将不同领域和行业的审计数据进行有效的融合，能够从宏观层面分析经济发展形势。我国近年来也在大数据审计中积极推广“五大关联”分析，一定程度上实现了跨地区、跨行业、跨层级的数据分析。但是效率不高、准确性有限的问题依然存在。因此，不断创新数据分析方法，融合更多的数据智能整合措施，提升关联分析效率，对于完善大数据审计的数据分析的全覆盖意义重大。例如，山东省厅研发的审计百度系统，成都特派办基于前沿开源技术研发的审计查询系统，都是有益的探索。

2. 数据挖掘技术

在大数据审计的数据分析中，数据挖掘是其最显著的特征。通过智能学习、可视化等技术的应用能够实现对于数据的深度挖掘，提高数据的利用价值。诸如聚类、分类、异常点检测等数据挖掘算法在大数据审计中的应用也越來越广泛。但也应当看到，目前数据挖掘的深度还有待进一步的强化，相关大数据审计人员应当不断加强Python等技术的学习，从而保障数据挖掘技术的有效实施。

（五）组织管理模式

要发挥大数据审计的功效，合理的组织管理模式也是一个关键。我国目前的大数据审计组织管理模式主要是依据“总体分析、发现疑点、分散核实、系统研究”的原则。其中，总体分析的关键则在于厘清各类审计相关部门的工作关系，构建全面的审计队伍，不断提升审计人员的业务能力，并建立完善的培训制度;发现疑点的关键在于科学的对各类疑点进行排查，并进行适度的延伸，加强分析，从而确保疑点的准确性;分散核实的关键在于制定完善的制度体系，保障合作和反馈的有效性，实现非现场与现场的充分沟通;系统研究的关键在于要研究如何围绕国家经济社会运行风险、政府工作重点、回应社会大众关注等内容，组建多专业融合的研究团队。

（六）风险管理

同传统审计相比，大数据审计中面临着一些新的风险，主要包括数据采集风险、数据存储和使用风险、数据处理风险、数据分析风险。实施可靠的风险管理对于大数据审计的应用是一个重要基础。

1. 数据采集风险

审计中的大数据采集风险主要涉及到数据的真实性方面。在审计数据中，真实性是信息要素的基本要求，只有保证了审计数据的真实性，审计工作才能取得预期效果。而在大数据审计中，由于数据的来源渠道多种多样，包含各类网页、视频、音频等，因而数据的真实性存在着较大的风险，这也必然会使得数据的采集存在很大的风险。所以，在具体数据采集过程中要时刻注意对于数据的鉴别，避免一些错误的数据被采集到审计工作中，导致审计问题的出现。

2. 数据存储和使用风险

大数据审计中数据的存储使用风险主要体现在数据的安全性上。通常来说，大数据审计中，负责储存相关审计数据的机构主要是为各地的审计机关、广大审计人员提供服务，怎么样构建更为科学合理的数据管理权限，对于保障数据存储和使用安全意义重大。虽然说在实施安全措施的同时会对数据的使用效率造成一定的影响，但是从国家安全的立场出发，安全永远都是第一位的。

3. 数据处理风险

数据处理风险一般是来自于不同行业内的数据类别多样化同审计数据的标准化之间的矛盾。当前在我国大数据审计的实际应用中，不同行业或者领域的审计数据大多数情况下都是以不同的标准而存在的，在实现融合的过程必然会面临风险。如果过度进行数据简化，形成统一标准，则会导致个性化数据的丢失，影响数据分析的效果。因此，平衡标准化与个性化的关系是应对数据处理风险的关键。

4. 數据分析风险

数据分析风险主要是表现在对于相关审计数据分析的质量方面，也就是大数据审计中“广撒网”同“精准打击”之间的矛盾。大数据审计给审计人员的具体工作增加了很大的自由空间。这种情况下，如何在庞大的数据中对有效的数据进行分析，提高数据分析效率就成为了关键。而要实现这一目标，应对数据分析风险就需要审计人员具有良好的业务能力和判断能力，不断降低大数据固有的高噪音、低密度的特点，结合审计经验来解释和评估分析模型，从而提升数据分析水平。

三、结语

大数据审计是在现代信息技术高速发展的背景下产生的，也是审计工作适应时代发展的必然要求。在其具体的应用过程中数据采集、数据标准化处理、数据平台构建、数据分析方法创新、组织管理模式、风险管理是六个关键环节。而在未来的发展上，一方面随着审计要求、审计目标的提升，另一方面由于大数据技术的日益完善，大数据审计的应用必然会日趋广泛。因此，我们必须把握好上述六个关键环节，保障大数据审计的应用发挥真正的效果，从而推动经济和社会的不断发展。

参考文献：

[1]陈伟，居江宁.基于大数据可视化技术的审计线索特征挖掘方法研究[J].审计研究，2018（01）.

[2]刘国城，王会金.大数据审计平台构建研究[J].审计研究，2017（06）.

[3]阳杰，应里孟.大数据时代的审计证据与审计取证研究[J].财会月刊，2017（01）.

[4]田程涛.大数据审计下统计分析方法研究[J].会计之友，2018（01）.

[5]陈伟，居江宁.大数据审计：现状与发展[J].中国注册会计师，2017（12）.

（作者单位：滕州市城市国有资产经营有限公司）