大数据对审计工作的影响
来源:用户上传
作者:
[提要] 大数据应用于审计工作既符合国家的发展战略也符合审计工作自身发展的需要。推进基于大数据的审计信息化建设是应对未来各种挑战及实现审计全覆盖的必由之路。大数据对审计工作的影响不容小觑，应从审计理论创新、审计法律修订、审计管理升级等方面入手，应对大数据对审计工作的影响。
关键词：大数据;审计工作;影响
本文为2018年度韶关学院校级科研项目：“‘互联网+’时代韶关高校校园文化建设研究——以韶关学院为例”阶段性成果
中图分类号：F239 文献标识码：A
收录日期：2019年2月19日
2008年8月，大数据这一名词被首次提出，直到目前理论界与学术界仍未对大数据这一名词作出权威的界定。不过我们可以参考麦肯锡全球研究所对大数据概念的解释，即大数据是指一种规模巨大的数据集合，其规模远远超过了传统数据库软件在获取、储存、管理和分析等方面处理能力。大数据具有数据规模庞大、数据传输速度快、数据类型多样及价值密度低等典型特征。
一、大数据审计是大势所趋
2014年12月，为探索在审计实践中大数据技术的运用途径，国务院颁布了《国务院关于加强审计工作的意见》。2015年12月，中共中央办公厅和国务院办公厅联合印发的《关于完善审计制度若干重大问题的框架意见》，明确要求构建大数据审计工作模式。2017年1月召开的全国审计工作会议指出要积极推进大数据审计。2018年2月，为加强对经济的监测、预测、预警能力，倡导综合利用大数据等技术手段，从中央层面颁布了《中共中央关于深化党和国家机构改革的决定》。大数据应用于审计工作既符合国家的发展战略也是符合审计工作自身发展的需要。推进基于大数据的审计信息化建设是应对未来各种挑战及实现审计全覆盖的必由之路。
二、大数据对审计工作的影响
（一）数据采集方面。数据采集是审计工作的第一步。大数据背景下的数据采集工作有跨领域、跨行业、跨层级等特征，确定数据采集范围和丰富数据获取方式就成了这一步骤的关键。
1、确定数据采集范围。传统的审计数据主要采集于被审计单位的财务、业务和管理等数据。大数据背景下审计数据的采集范围被极大的放大，除传统数据采集范围外，非结构化数据、互联网数据乃至未来物联网自动生成的数据等都成为了大数据审计的数据采集范围。不过，对如此庞大的数据进行全部采集不仅会导致数据采集、处理、存储等成本的剧增却又无太大实际价值，还会导致由于信息过载而带来错误引导等副作用。
2、丰富数据获取方式。传统的审计数据获取方式主要是由被审计单位报送，虽然这种数据获取方式简单易行，但是也导致获取的数据在时间上具有滞后性。为了克服传统审计数据被动获取方式的弊端，大数据背景下的数据获取方式，可以在传统审计数据被动获取方式的基础上，借助互联网爬虫技术等进行数据的主动获取，这样既可以弥补获取数据有时间滞后性的缺陷，又可以与传统获取方式下的数据进行对比，提高数据的准确性。
（二）数据处理方面。類型多样的审计大数据导致数据处理难度大增，大数据审计必须解决数据不规范统一、不准确完整等数据质量问题。
1、建立行业数据标准。由于历史和现实的种种原因，不同领域、不同行业的数据标准千差万别，更有甚者同一领域、同一行业、不同时期的数据标准也有着较大的差异，使得在大数据背景下的数据处理异常困难。要实现大数据背景下的审计全覆盖，就必须解决数据标准不统一的问题。因此，应通过统一规划，建立既满足各行业自身审计需要的，又有利于跨行业数据关联的行业数据标准。
2、探索数据转换机制。在行业数据标准建立之前形成的审计数据以及在行业数据标准不成熟的初期形成的审计数据都需要进行数据的清理和转换，这一工作量是巨大且复杂的，单单依靠审计主体进行相关数据的清理和转换是不现实的。探索并建立一套成熟实用的数据转换机制，是解决这一问题的必由之路。即被审计单位通过这套数据转换机制自行进行审计数据的清理和转换，并向审计主体提供符合行业数据标准的审计数据。
（三）数据存储方面。大数据背景下，随着海量数据的采集与处理，数据的存储需求剧增，这也引发了一系列的问题，如存储空间有限、服务器接收处理数据过多等。
1、建设审计数据中心。为解决大数据审计对数据的存储需求，应通过总体设计建设基于大数据存储管理技术的审计数据中心。该中心不但需要像其他海量存储系统一样，在系统层面具备可扩展性、强性能和低运营成本等特性，还需要在数据层面满足审计大数据动态性、复杂性和不确定性等特征。
2、建立数据分类机制。大量终端连接到服务器，同时向服务器上传海量数据，对服务器的数据处理和记录能力是极大的考验，为此可以引入数据分类机制并结合优先级处理一起使用。如可将设备状态数据、监控数据、正常操作数据和非常操作数据等各设为一类，将这些不同类别的数据按重要程度列入优先级队列中进行依次处理。
（四）数据分析方面。审计业内认为交叉融合和智能挖掘是大数据分析的典型特点，全维化和智能化是大数据审计分析的本质。
1、无边界全维化分析。大数据的海量存储使得跨领域、跨行业、跨层级等的无边界审计全维化分析有了实现的基础。审计主体应充分利用大数据分析的优势，通过对与重点领域、重点行业、重要层级的审计对象的数据进行关联性全维化分析，以点带面，点面结合地完成审计数据分析工作。
2、创新数据分析技术。审计分析方法创新是审计大数据分析的现实需要。审计分析技术正从传统而简单地汇总和统计向利用各种大数据技术发展。数据挖掘技术、可视化分析技术、智能学习算法等大数据分析技术运用于大数据审计分析的案例层出不穷。当然，目前由于处于审计大数据分析的初级阶段，审计大数据分析的深度和广度还需要进一步提高。 （五）数据安全方面。审计大数据为审计工作提供了更广和更深的数据基础，但也同时产生了更加严峻的数据安全风险，因此大数据对审计工作而言是一把“双刃剑”。
1、数据采集风险。数据的真实性决定了数据的价值和生命力。数据采集风险主要源于大数据的“杂乱无章”和“模棱两可”，这就需要审计主体在数据采集这一步把好关，做好对各种结构化数据和非结构化数据的甄别筛选。
2、数据处理风险。大数据的优势在于数据类型的丰富多样，但为了审计工作的需要必须对数据进行统一化、规范化和标准化的处理。对审计大数据的这种处理，虽然有利于大数据审计工作的开展，但也丧失了大数据中存在的个性化指标，无法保留大数据的“微面孔”，容易错失“管中窥豹”的机会。
3、数据存储风险。大数据的安全存储和便利使用之间的关系就好像是针尖对麦芒。为了保障数据的安全，必须为数据加很多的“锁”，设置很多的使用限制，但为了提高数据的使用效率又需要为数据者配上“钥匙”和增加权限。因此，平衡存储安全和使用便利两种的措施也就成了数据储存风险大小的衡量指标。
4、数据分析风险。大数据为审计数据分析提供了更多的素材，便于审计人员依据充分的数据支撑对审计对象进行画像。不过，也正因为大數据的数据价值密度低、数据干扰性强等固有风险，这种信息过载现象容易使审计人员无所适从，甚至误导审计人员的数据分析方向，从而导致“失之毫厘，差之千里”的数据分析风险的产生。
三、应对大数据对审计工作影响的措施
大数据对审计工作的影响不容小觑，应从审计理论创新、审计法律修订、审计管理升级三个方面入手应对大数据对审计工作的影响。
（一）审计理论创新
1、抓大不放小，力争锱铢必较。传统审计理论限于样本数和全面审计成本等原因，一般遵循大数原理，主要采取抽样审计相关方法，最终按照并非十分精确的结果得出审计结论。大数据审计为全面审计提供了数据和技术基础，在涉及重点领域、重点行业或重要层级审计工作时，可以通过大数据审计方法，不放过任何“蛛丝马迹”，做到从大处着眼，从小处着手。
2、简约不简单，保留个性特征。传统审计理论限于篇幅和固有格式等原因，在提供审计结论时主要展示的都是“格式条款”，表述较为简单，无法为审计结论使用者提供被审计单位的“微表情”。大数据审计可以在传统审计结论的基础上，通过附注或其他技术手段为审计结论使用者提供具体的数据或指标，为审计结论使用者提供更加有力度的决策参考。
（二）审计法律修订
1、完善不完全，留出一定余地。审计法律修订是大数据审计合法性和合理性的保证。审计法律的修订完善，应与时俱进，吸收先进的审计理论和审计技术，使审计法律可以有效保障大数据审计的开展。与此同时，审计法律的修订完善又要避免面面俱到，避免成为大数据审计进一步发展的障碍。
2、严肃不严厉，保障发展活力。审计法律的修订十分严肃和重要，应充分考虑并保障审计各关系人的合法权益。同时，由于大数据审计是一个新生事物，审计法律修订应主要以鼓励和保障大数据审计发展为方向，避免在审计法律修订时对大数据审计过于严厉，使戴上“紧箍咒”的大数据审计失去发展的活力。
（三）审计管理升级
1、依靠不依赖，注重人机协作。大数据背景下的审计管理，可以说既简单又复杂。简单在于大数据审计更多依靠大数据技术进行审计数据的采集、处理、存储和分析，减少了审计人员的工作量，减少了人工干预的风险;复杂在于大数据审计由于较多依靠大数据技术，呈现在审计人员面前的主要是经过处理后的最终数据和指标，一旦大数据技术出现误操作或人为调整大数据审计相关设置，就会导致大数据审计的失败。因此，对大数据审计的管理应保持审计工作中应有的谨慎和职业判断，避免盲目依赖大数据技术。
2、认真不较真，做到张弛有度。大数据审计为“精确审计”提供了可能，对大数据审计的管理也就要求更加细致和认真，不允许放过细小的误差，但这并不意味着大数据审计的管理“唯数字论”，变得冷冰冰。大数据审计的管理应避免对单一数据“较真”，因为大数据背景下的数据，既有可能是被审计单位的实际数据，也可能是人为“创造”的数据。
主要参考文献：
[1]刘洋.大数据时代的信息化审计研究[J].经济研究导刊，2019（1）.
[2]刘星，牛艳芳，唐志豪.关于推进大数据审计工作的几点思考[J].审计研究，2016（5）.
[3]章轲，张冬霁，梁轩瑞，李朝旗.大数据审计中要做到的“三个把握”[J].审计研究，2018（5）.
转载注明来源:https://www.xzbu.com/2/view-14784867.htm
