一、大數據審計是什么
談到“大數據審計”這一名詞，作為專業審計人員的我們都有聽說過，但“大數據審計”究竟是什么、到底要做什么，可能一部分人就不能很好的回答出來。其實“大數據審計”就是利用大數據的思維方法進行審計分析的一種統稱。與傳統的審計相比，大數據審計更加強調事物的整體性和相關性，隨著現代企業應用數據的不斷增加，傳統的抽樣審計的方法無論是精確性還是時效性都漸漸的無法滿足需求，而在大數據思維和計算機輔助審計技術（CAAT）的支持下，審計人員可以對檢查主體的所有相關數據進行全覆蓋審查，在審計檢查過程可以通過發現數據的相關性，從中找到規律，然后進行邏輯推理和判斷，進而確認差異。
二、大數據審計的基礎
大數據審計的應用需要一定的基礎支持，這些基礎包括：數據的基礎、人員的基礎以及管理層支持的基礎。
1.數據的基礎
數據的基礎可以分為數據的線上化、數據的可采集以及數據的可用三方面。
（1）數據線上化。大數據審計最重要的基礎就是數據的線上化，可以說如果數據沒有線上化就無法通過計算機做大量、全量的數據分析，就更不要提大數據審計了。其實近些年來，大部分企業都在做數據線上化的工作，比如我們的0A審批系統、財務系統、ERP系統等。但在很多公司中，各個系統之間都是相互獨立的，而大數據審計的優勢之一便是即便不同系統的數據無法互通，仍可采通過集數據進行關聯性分析，快速準確的發現數據的異常。
（2）數據可采集。當然，只有數據線上化是不夠的，不同系統后臺數據的形式是各不相同的。我們不能在系統后臺中直接做數據分析，而是需要將系統后臺的數據采集到本機，轉化成我們需要的格式（通常為XLS或CSV格式）進行分析。這就需要保證數據是可以采集的。首先我們要獲取各系統數據庫的訪問權限，在系統的數據庫中通過使用編寫結構化語言（SQL）腳本的方式來獲取我們需要的數據。
（3）數據可用。有些系統由于未做輸入限制或輸入校驗，導致我們在數據的采集過程中會得到一些無效數據（如：借方金額的字段中包合：字母、符號、空值等對我們分析造成影響的數據）。對于這些無效的、缺失的數據，進行適當的剔除，以及統一格式不ー致數據的整個過程，可以統稱為數據清洗（Data Cleaning）。數據清洗后便得到了數據分析的基礎數據。當然，如果在數據提取過程中發現大量數據為無效數據，則應該多去關注一下操作人員及系統本身是否存在其它問題，這另當別論。
2.人員的基礎
大數據審計是方法，而實施大數據審計的主體是專業的審計入員。審計人員需要掌握數據分析的基本技能，以及對分析過程中異常的、有價值的數據進行識別的能力。除了日常工作中的積累以外，還需要審計人員去學習提升數據分析的技能。這對審計人員來講是一項新的挑戰。一般情況下，可以通過外部機構培訓、同行業或相關行業學習交流以及組織內部學習等方式達成目的。
除了需要提高審計人員自身的數據分析技能外，在一些大型金融企業中還專門配備了IT人員支持大數據審計。比如：在一個風險模型的運營團隊中，通常包含了業務專家和模型開發人員兩種角色。業務專家一般由經驗豐富的審計人員擔任，基于對業務流程的熟悉以及既往的審計發現，提供模型的構建線索；而模型開發入員一般由IT入員負責，部分審計入員作為輔助角色，負責模型邏輯的編寫、驗證工作及后續的上線工作等。
3.管理層的支持的基礎
還有一個重要的基礎是公司管理層對大數據審計的支持。在一個尚未開展大數據審計的公司，大數據審計需要在系統、數據的和人員的培訓與招聘方面花費不菲的費用。因為內部審計的工作性質，導致其本身幾乎不產生經濟放益，而大數據審計建設的初期，由于系統數據尚未完備、人員技術能力尚末達標的等因素，很難做出成績，也往往達不到管理層預期。所以作為大數據審計的推進者，首先自身需要足夠了解大數據審計的具體方法及全流程，結合本企業的實際情況，預估需要投入的資源，并制定項目藍圖及具體可行的實施方法，給予管理層較為明確項目計劃——項目階段、資源需求、階段性達成時間節點以及預期的達成情況等，讓管理層明白大數據審計的投入和產出、以獲取諒解和支持。
三、數據分析及規則模型的構建方法
基于以上的基礎，審計人員便可以對海量的財務、業務數據進行數據分析。大數據審計方法從宏觀角度可以分為“事中控制：規則模型監控”和“事后審查：數據分析”兩個部分。
1.事中控制：規則模型監控。是以建立、運行規則建模的方式達到監控異常數據，將尚未發生或發生中的風險進行控制的目的。規則模型建立的素材來源一般是本公司既往發生過的風險事件、外部單位及監管部門公開批露的風險事件，同時也可以是審計人員在項目風險評估中發現的風險事項。將一件風險事件中風險的具體表現規則進行折分，便可以形成風險標簽。風險標簽一般情況下包含以下因素：風險事件發生的對象、風險事件的名稱、風險事件可應用的審計場景、風險事件的成因及來源、可影響風險事件的可變因素、可變因素引起風險的臨界值等幾個要素。
當然，單一風險標的應用范圍有限，通常會僅聚焦在一個點上，不能從多方位去分析問題，因此將多個可關聯的同一對象的風險標簽進行組合，便可以對這一對象進行多維度的分析，這便形成了規則模型的雛形。通過規則模型的應用，可實時將系統中符合模型設定條件的數據提取出來，及時傳遞給審計人員，以審查核實異常。當然，規則模型是需要檢查人員在檢查過程中不斷的驗證是否真實存在異常，還是我們的模型設計條件存在瑕疵。通過找出影響模型準確性的因素，發現到底是缺少或冗余了哪些條件，并將可以優化的建議提交給模型開發人員進行優化。
這里還存在一個問題，就是雖然風險點來源多種多樣，但是模型驗證的數據一般都為本公司的數據，這些數據到底數據夠不夠“大”呢？其實在一些技術成熟的金融企業，風險模型本身已經作為一種“產品”來存在。一個成熟的風險模型不但可以滿足本公司的審計需求，同樣也交給同行業其他公司使用。同業公司在使用過程中可以將模型的使用情況進行反饋，這樣同業公司既節省了研發投入，本公司也可以在優化模型的同時獲取一定的增值效益。這也許是審計發展中一種獨特的“衍生價值”吧。
2.事后審查：數據分析。是在審計項目中，針對有的數據，使用數據分析的方法找出異常數據，進而確認問題的一種方法。與傳統的抽樣審計方法相比，大數據審計通常使用的是全量分析的方式，更加關注數據之間的整體性與關聯性，而不局限于某個個體的單獨特性。
數據分析的方法有很多，這里舉一個視圖法的例子：為了更好的讓信息接收人識別信息是否存在差異，通常使用一些可視化的工具圖表，以便于使用者能夠直觀的發現異常情況。對一些大中型企業來說，由于其數據量龐大，傳統的EXCEL工具受限于有限的處理據的能力已經無法滿足需求，而 EXCEL比較好的替代工具是一款由斯坦福大學開發的名為Tableau的軟件，它處理數據的能力更加強大，而且它能幫助分析實際存在的任何結構化數據，可在幾分鐘之內生成美觀的圖表、坐標圖、儀表盤與報告。利用 Tableau 簡便的拖放式界面，可以自定義視圖、布局、形狀、顏色等等，幫助展現自己的數據視角。而且最為重要的是，它能夠支持txt文本、XLS文件、SQL以及Oracle等多達45種格式的數據。以分析財務明細賬的費用科目操作為例：
Tableau軟件可以將科目名稱、期間、經辦人、報銷次數、報銷金額、成本中心等元素“拖拽”到橫縱軸上，并以柱狀圖、線性圖、散點圖、面積圖等多種圖案相結合的方式進行展示。使分析人員能夠很直觀的觀察到哪些樣本的報銷次數較高、報銷金額較大，哪些報銷人對同時應多個成本中心、報銷次均費用較高、報銷期間較為集中等，以不同方向發現數據異常。
四、大數據審計的誤區
在部分企業中，大數據審計工作存在著一些誤區，有的誤區會影響到了審計效率，而有些誤區更是將整個審計的方向“帶歪掉”。
1.過分依賴數據
無論是事中控制還是事后審查，大數據審計都只是工具。審計人員的目的不是分析數據，而是通過確認和咨詢服務發現風險，及時給管理層提供建議以保證股東及其他利益相關者的權益最大化。審計人員不應該僅把目光放在數據方面，更應該熟悉組織，了解組織所有者的關鍵需求，并時刻保持風險的識別與預判能力。我們分析出的數據要有價值，對企業要有幫助，不然任何數據分析都是鏡花水月、一紙空談。
2.人員分工不明確
部分企業中由于職責分配不清晰，在沒有IT人員的技術支持下，由非專業的審計人員在全程負責模型的開發與運維工作。受限于專業技術水平，往往來源于金融、財務、業務、審計等專業的審計人員無法很好的完成像規則模型構建這類全流程工作。其實在大數據審計中，特別是構建規則模型的工作中，需要審計人員與IT人員通力協作。本著術業有專攻的原則，審計人員與IT人員都應該發揮各自專長：審計人員應擔任起業務專家的角色，提供風險點、提供檢查思路，拆解風險標簽，為IT人員提供模型構建的基礎；IT人員應負責后端的腳本撰寫，腳本轉換及后續的規則模型構建、上線、運維的工作。而審計人員同時也應參與模型的測試工作，找出影響模型準確性的因素，及時將優化建議傳達給IT人員，以提高模型的準確性。
五、大數據審計與傳統抽樣審計
那么是不是有了大數據審計，就不需要傳統的抽樣審計了？其實并不完全是這樣。雖然目前審計總體的發展趨勢是由抽樣審計向大數據審計演變，但是：
1.對于大部分企業而言，受限于信息化、數據化進程的緩慢，采集信息渠道的匱乏及審計人員數據分析技能水平欠缺等因素，大數據審計還暫時無法實現；
2.相對于新生的大數據審計而言，抽樣審計已經存在、發展了很長時間。我們從最初的簡單隨機抽樣研究出了多種多樣的抽樣方法，而各種抽樣方法均有其薄弱及可取之處。大數據審計與傳統抽樣審計兩者并非“非黑印白”的關系。大數據審計畢竟是新生兒，我們可以吸取前人經驗、思路、教訓，用以完善新生事物，這才是可持續發展的道路；
3.部分紙質材料（如合同等）是無法數據化的，因為其無法使用常規的數據分析方法，也沒必要完全數據化。
綜上，對于大部分企業而言，抽樣審計方法仍有其存在的價值。
六、結束語
我們在日常審計工作中會遇到不同的風險事件，掌握“大數據審計”方法的我們能夠更容易的通過數據發現異常，但是我們不能僅僅通過異常的表象就進行判定。沒有兩件完全一樣的風險事件，每個相似的風險事件產生的原因都不盡相同一一其背后都隱藏著的不一樣的故事。審計人員應該是一個會讀故事、懂故事、講故事的人。利用好大數據工具，我們能夠更好的“讀”出每個風險事件成因，“懂”得業務流程的薄弱環節，“講”出企業存在風險，為董事會及利益相關者披露風險，減少損失，這是內部審計人員的職責所在，更是內部審計這個職業的魅力所在。
轉載
浙公網安備 33010502006954號 
