审计数据分析模式在大数据时代的转变

《审计数据分析模式在大数据时代的转变》由会员分享，可在线阅读，更多相关《审计数据分析模式在大数据时代的转变（7页珍藏版）》请在装配图网上搜索。

1、审计数据分析模式在大数据时代的转变姓 名：刘 峰单位（职务）：连云港市审计局计算机处副主任科员 电 话：18961393663邮 编：222000审计数据分析模式在大数据时代的转变摘要：数据分析是审计工作的重要环节，大数据时代审计数据分析方式有了巨大的转变。本文介绍了大数据分析产生原因和数据分析的发展，阐述审计分析模式的几个转变，讨论大数据审计分析今后面临的挑战。关键字：大数据；审计；数据分析 美国经济学家 Arthur 在 2011 年提出第二经济（second economy1）概念，指出由处理器、链接器、传感器、执行器以及运行在其上的经济活动形成了人们熟知的物理经济（第一经济）之外的第二

2、经济（不是虚拟经济）。第二经济的本质是为第一经济附着一个“神经层”，使国民经济活动能够变得智能化，这是 100 年前电气化以来最大的变化。Arthur 还估算了第二经济的规模，他认为到 2030 年，第二经济的规模将逼近第一经济，而第二经济的主要支撑是大数据。审计作为国家经济社会健康运行的“免疫系统”,肩负维护经济平稳健康运行，推动反腐倡廉和深化改革的重任。在新经济时代，审计应紧紧抓住第二经济运行特征，利用大数据技术开展多元异构、跨领域关联的海量审计数据分析。刘家义审计长在全国审计工作会议上多次提到要运用大数据技术审计，要求全国各级审计机关要创新技术方法，加大数据集中和分析力度，探索审计运用大

3、数据技术的途径，构建国家审计数据中心，推广“总体分析、系统研究、发现疑点、分散核实”的数字化审计方式，精确定位、精准发力，有效提高审计质量和效率。1.审计数据分析的几种模式1.1传统人工分析 审计主要针对被审计单位财务收支情况，审计其财政资金运用和经济活动的真实性和合法性。审计的目标比较明确，主要的工作是核对财务和固定资产等账目，审计数据分析主要基于财务账册、凭证、报表数据中各类数据进行汇总核对。对计算后得到的数据与实际情况进行比对，找出被审计对象经济活动中的疑点，判断产生的原因，从而找出内部控制的薄弱之处。早期信息化程度不高，被审计对象提供的资料多以手工账为主，审计人员审计时以手工计算为主，

4、俗称“翻账本”，审计分析以审计组人员自身经验为基础，审计数据分析效率和准确性不高。1.2计算机辅助分析 随着经济社会的发展和被审计单位信息化程度的提高，审计面对的数据量大幅增加，传统人工审计方法已经不能适应新的审计需求。因此，将计算机辅助审计软件引入审计工作中成为必然。审计署金审工程的推广，使审计机关信息化技术水平得到了大幅提高，其标志性成果现场审计实施系统（简称AO）取得了很大的成绩，目前已经成为全国审计人员现场审计的必备工具。计算机辅助审计技术的应用使数据分析工作得到了有力的支撑，摆脱了单兵作战的分析方式，增进了审计人员间的交流。计算机辅助分析是目前审计数据分析的主要手段，但该数据分析方法

5、主要针对结构化数据的分析，存在一定的局限性。1.3大数据分析大数据时代的到来导致传统的数据分析技术已不再能承载海量数据的分析工作，同时审计的工作范围也有了进一步的拓展，工作重心从传统财务收支审计，逐渐延伸到经济责任、绩效评价、政策执行和自然资源等方面。审计数据分析手段随着被审计对象信息化水平的提高和审计工作范围的扩大而逐步提升，大数据中的海量数据将为审计数据分析提供基础，工作重心的转变也要求审计人员能够分析各种类型的数据，综合评价被审计对象。在审计过程中，如何高效地从各种超大规模的数据集中提取、挖掘有价值的信息，将成为今后一段时期审计大数据数据分析研究的重点。2大数据环境下审计分析模式的转变2

6、.1.审计数据分析理念的转变Mayer-Schnberger 在大数据时代一书中指出了大数据时代处理数据理念的三大转变，即要全体不要抽样，要效率不要绝对精确，要相关不要因果2。2.1.1从抽样到整体目前审计工作中，由于受被审计对象业务复杂、数据量大、审计时间紧等客观因素影响，审计人员希望通过尽可能少的资料来了解被审计对象情况。在这种背景下，产生了各式各样的审计抽样方法。但任何抽样都是基于某种前提下展开，不管多完美的抽样技术，抽到的数据只是被审计对象总体中的一部分，从中得出的结论只能是对被审计对象片面的、部分的反映。在大数据时代，我们获得的资料将是全面充分的，通过对所有与被审计对象相关的数据进行

7、分析，既有利于了解整个被审计对象总体情况，又有利于分析其局部特征，最终得到全面科学的审计结论。2.1.2从精确到包容当前审计所获数据规模小且结构单一，数据处理分析技术有限，审计人员希望所获得的有限数据能准确地反映被审计对象的情况，支撑审计结论，因此对数据的精确性要求比较高。在大数据时代，由于数据来源渠道广泛、数据量巨大，我们在获得关于被审计对象精确数据信息的同时，不可避免地会获得不精确性数据。对待不精确数据，应结合其他数据综合考虑，不能简单忽略。大数据的不精确是偶然产生的，但所获数据表现出的总体趋势应与审计对象的真实状态一致。不精确数据不会影响正确审计结论的得出，事实上偶然产生的不精确数据还有

8、可能帮助审计人员从另一侧面更好地认识被审计对象。2.1.3从因果到关系审计人员在审计过程中，根据获得的数据计算分析的结果，发现数据内在的规律，推测其反映的被审计对象各种活动规律，数据和结论间的联系非常紧密。在当前数据量规模不大、资料类型较少的情况下，因果分析是一种有效方法，审计结论也容易得到支撑。而大数据环境下，数据规模巨大、数据结构复杂，影响被审计对象行为的因素难以界定，审计人员在数据分析时候常常被各种干扰数据所迷惑，追求片面甚至错误的因果性，满足于得出一个想当然的结论。因此，简单因果分析不能适应大数据的复杂关系结构，审计大数据的分析不应探求难以琢磨的因果关系，需要转向由数据体现出来的审计对

9、象各种活动的相关联系上。只有完成了对大数据的相关性分析，才能继续向更深层次研究相关性反映出的因果关系，得出科学全面的审计结论。2.2数据类型向多样化转变 随着社会信息化程度的不断提高，社会各领域产生了多种类型的数据，从数据类型结构上，可分为传统结构化数据和非结构化数据。对于这两种数据的分析成为审计数据分析的全部内容。2.2.1结构化数据分析 多年来，科学研究和商业领域产生了大量的结构化数据，该类数据的特点是存储的数据以表的形式表现，数据表的任何一列的数据类型相同且不可再分，数据通常存储在关系型数据库中，可以直接从数据库中获得需要的数据表。当前被审计单位财务和业务系统的后台数据库通常为SQL S

10、ERVER、ORACLE等关系型数据库，其存储的数据也是各种财务或业务表。在审计过程中，审计人员利用AO等审计软件工具，对采集到的结构化数据执行清洗、整理和查询等操作，得到需要的中间数据，进一步分析得到审计线索或结论数据。结构化数据分析是当前审计数据分析的主流，具有许多成熟的经验。2.2.2非结构化数据分析非机构化数据包括文本、图像、WEB数据、多媒体数据、社交网络数据和移动数据等3，该类数据是随着互联网的普及而逐渐发展起来，其特点是数据结构并不固定，表现的内容丰富，存储分散，数据的质量和重要性良莠不齐。对于非结构化数据的采集和分析是今后审计数据分析工作的发展方向，其关注的目标是对象的语义和对

11、象间的联系，而非数据的本身，如文本的上下文语义、情景行为、社会关系拓扑结构等。在非机构化数据分析上，近些年审计机关已经做了一定的探索。审计署某特派办在审计某招投标项目时，采用错别字相似性检测方法，对工程项目多年以来招投标标书进行分析，查处了某建设单位围标串标的违规行为。全国土地资金出让收支和耕地保护审计中，应用了GIS软件将卫星图片和地块矢量图配准对比，找出疑点地块并查询相关国土资源信息，查处一批用地审批违规行为。但非结构化数据分析才刚刚起步，从非结构化数据中提取有价值信息是一件非常复杂的系统工程，涉及学科包括审计学、计算机科学、社会工程学、语言学等。因此，以数据驱动、实时分析、人机互动、结果

12、易读等为特点的非结构化数据分析方法将是未来审计数据分析重点发展方向4。2.3面向数据的审计方式转变当前审计数据分析通常由审计人员个人完成，审计人员大部分精力用在数据的采集转换和数据清理上，数据分析工作成果不明显。刘家义审计长在2015年全国审计工作会议上提出未来要建成包括一套平台（SOA服务架构平台）、两个中心（国家审计数据中心和交换中心）、三大系统（AO、OA和联网审计系统）的审计信息化建设总体框架，加大数据分析力度。因此，未来审计将是面向数据的审计，其审计技术方法和组织方式应有明显改变。2.3.1数据采集实现自动化 目前数据采集主要针对被审计对象的财务和业务数据，在审计组进点前，计算机审计

13、人员在被审计对象信息系统中采集所需的电子数据。大数据条件下，数据量异常巨大，资料类型极其丰富，传统数据采集方式不再可行。大数据条件下数据采集应通过专用数据采集设备自动采集数据，其采集整理过程不再需要人工干预。自动采集来的数据能够标准统一，有利于数据采集设备处理转换和审计软件的进一步开发，最大化发挥数据效能。2.3.2数据存储和分析集中化 现有数据分析往往处于各人自扫门前雪的状态，数据分析效率底下，数据分析的成果往往不能及时得到共享，体现不出电子数据分析的优势。大数据条件下审计，由于数据资料体积巨大、数据类型复杂以及数据处理速度等条件制约，传统分散式数据分析方法已无法满足审计需求，统一的审计数据

14、中心和交换中心，以及审计平台将是数据审计的主流。审计分析的集中化将使审计资源得到有效的共享和利用，提高数据处理能力，降低审计成本，促进审计效率的提高。2.3.3数据审计的应用开发和可视化传统审计资料由于数据量小、目的性强，其价值往往存在时效性，数据应用的效果不佳，往往审计结束后就束之高阁。而大数据因为对研究对象反映更全面，常常会发现新问题，其应用开发更具有价值。由于累计所得数据量体积大，数据结构关系复杂，在数据的应用开发过程中，如何将数据分析结果展现给审计人员就显得尤为重要。大数据审计应用开发时，会根据审计的特点，设计简洁易读的可视化的界面，同时具有一定的可定制性，审计人员能根据自身需求来观察

15、、解读和分析大数据审计系统处理结果。数据可视化可以进一步提高审计工作效率，降低审计人员分析难度，更好的利用各类数据支撑审计结论。3未来审计大数据分析面临的挑战大数据资料丰富、分析方法众多，为开展审计工作提供了广阔的空间，提高了审计分析的效率和准确性。同时，还应该看到，大数据分析仍面临许多问题需要解决。3.1数据获取亟需法律保障在实际审计工作中，审计对象会以各种理由，拒绝或拖延资料的提供，有的通过技术手段加密电子资料，导致审计人员无法直接解读。国务院关于加强审计工作的意见中明确提出：“有关部门和单位要依法、及时、全面提供审计所需的财务会计、业务和管理等资料，不得制定限制向审计机关提供资料和开放计

16、算机信息系统查询权限的规定，已经制定的应予修订或废止。”大数据条件下，数据关联性并不明确，数据的获取往往涉及多个不同部门，有的部门与被审计对象并不一定有直接联系，容易产生推诿。如何在保障被审计对象利益的条件下，获得全面的能读懂分析的审计数据，是今后审计法及其实施条例修订工作绕不开的难题。3.2查询分析技术效率有待提高 审计项目的计划和实施通常有时间的限制，在有限的时间内，完成方案中的各项内容，需要精心的组织和高效的数据分析。大数据条件下，数据分析的重点转向关系分析和对象的行为分析。数据量的增大和资料的丰富看似提高了审计分析的准确度和效率，但实际上由于被审计单位违规行为更加现代和隐蔽，大数据的巨

17、大体量往往掩盖了单位的特征行为，众多非结构化数据的分析处理也成为审计分析难点。受限于软硬件性能和数据分析技术方法，大数据环境下分析查询的效率仍然不高，如何降低查询和分析的复杂度，实施精准打击成为大数据审计的一个难点。3.3审计结论更难认定 在传统审计中，虽然受限于资料的数量和范围，不能反映被审计对象全面情况。但正是由于获得的审计证据体量小、数值精确，不难得出审计结论。在大数据环境下，获得的被审计对象的信息是全面完整的，有时候是冗余的，还存在干扰信息。在非精确分析的情况下，如何对审计对象进行评价，是审计的一个难点。特别是当前审计工作由传统财务收支审计转变为经济责任、绩效、自然资源审计过程中，如何

18、从复杂的审计数据中界定领导经济责任、审计对象绩效好坏、自然资源使用情况，将会是审计数据研究工作的重点。参考文献1Arthur WB. The second economy. 2011.http:/www.images-et-2 Mayer-Schnberger V, Cukier K. Big data: A revolution that will transform how we live, work, and think. Houghton Mifflin Harcourt, 2013.3李学龙,龚海刚.大数据系统综述J.中国科学:信息科学,2015,45(1):1-444陈琛.Taste Analytics领军美国进入“非结构化”数据分析新时代.EB/OL.2015-09-17.5朱建平,章贵军,刘晓葳.大数据时代下数据分析理念的辨析J.统计研究,2014(02):10-19