汪朝梅,吳 忠

(上海工程技術大學 管理學院,上海 201620)

一、引言

隨著大數據時代的來臨,海量的多樣化數據將審計工作的難度推到一個更高的層次,如何將大數據與審計相結合并逐漸轉變傳統(tǒng)審計職能是本文的研究重點。本文首先描述了大數據的概念和特點,隨后剖析了大數據對審計的多種影響,最后提出了改善的建議。

二、大數據的概念和特點

學界對大數據還沒有一個統(tǒng)一的定義,維基百科從數據本身出發(fā)認為大數據是無法使用常規(guī)技術工具獲得、分析、處理的一類數據?；ヂ摼W數據中心(IDC)認為大數據是一種新興信息技術,它能夠以低成本、高效率的方式從大容量、高時速的動態(tài)數據中獲取價值。數據研究機構Gartner 認為大數據是一種容量大、增長率高、種類豐富的信息資產,只有通過新處理模式才能發(fā)揮出輔助決策、優(yōu)化流程功能的最大效用。雖然大數據定義的側重點各不相同,但人們對它以下四個特征達成了廣泛的共識。

(一)數據量大

大數據是海量數據的集合,一般數據容量超過100TB 才能被定義為大數據。如今,數據規(guī)模爆炸性增長,究其原因首先是獲取數據的能力提高,先進的傳感設備能在幾秒鐘內捕獲成千上萬條數據信息。其次,互聯網成了人們日常生活中必不可少的使用工具,大到政府機構小到獨立個人都會在互聯網上留下使用“痕跡”,這些“痕跡”能夠被輕松收集且體量巨大。最后,人們轉變了處理數據的思維模式,由樣本推斷整體的抽樣方法逐步向分析全部數據過渡以更加全面地展現事物的整體,避免細節(jié)性但意義重大的數據被遺漏。

(二)數據類型多樣

隨著數據數量呈幾何式增長后,數據種類就更是復雜多樣了。有容易處理的結構化數據,即由二維表結構來邏輯表達和實現的數據,嚴格地遵循數據格式與長度規(guī)范,例如信用卡號碼、日期、財務金額、電話號碼、地址、產品名稱等。但更多的是非結構化數據,這類數據結構不規(guī)則或不完整,沒有預定義的數據模型,不方便用數據庫二維邏輯表來表現,因此較難組織和格式化且它們的收集和處理也極富挑戰(zhàn)性。例如電子郵件、照片、電話錄音等。隨著互聯網上可用的信息越來越多,并且大部分信息都是非結構化的,找到使用它的方法已成為許多企業(yè)的重要戰(zhàn)略。

(三)數據處理速度快

隨著技術的進步,某些先進設備每秒能產生PB 級的數據,快速處理數據的能力就成為對大數據技術的必然要求。數據是有時效性的,不同時間點的數據價值也不同,一般數據年齡越長數據價值越小,新產生的數據在個體層面上往往價值更大,而時間跨度大的數據需要集中分析才能體現其價值。例如傳感器探測到地震發(fā)生后,在極短時間內需要測算出海嘯發(fā)生的概率并發(fā)出預警,如果數據處理速度慢則預警毫無意義,數以萬計的人們將付出生命的代價。

(四)數據價值密度低

大數據技術彌補了抽樣審計的不足,能夠對全部數據進行分析和處理。并且改變了對結構性數據的處理方式,不再是歸納分析抽象化后的信息,而是直接分析原始數據。但這同時也產生了新的問題,在超大容量的數據中很大一部分是毫無意義甚至是有誤的,這就造成了大數據價值密度低這一屬性。例如,在數小時的監(jiān)控錄像中有價值的片段可能只有兩三秒,但這幾秒正是解決問題的關鍵所在。有價值的大數據就好比石油和黃金,數量稀少但開采出后蘊含極高的商業(yè)價值。

三、大數據時代對審計的影響

(一)審計方法

傳統(tǒng)的審計方法主要采用抽樣審計方法,即運用數理統(tǒng)計知識從總體中抽取樣本,通過觀察樣本特性來推斷總體,此方法能大大提高審計人員的工作效率,但高效率的背后可能隱藏著重大的審計風險,樣本推斷整體難以避免管中窺豹之嫌,審計結果會依賴于所選取的樣本,從而審計人員可能做出錯誤的判斷[1]。例如在測試內部控制有效性時,審計人員通過樣本做出可以依賴企業(yè)內部控制的判斷,但實際情況卻是總體的內部控制程序執(zhí)行不到位,這就造成了審計人員過度依賴的風險。大數據的產生在很大程度上規(guī)避了這種風險,審計的對象可以是所有已知的數據。海量的憑證、賬簿、報表數據都可以電子化,然后對它們進行收集、分析、處理并且應用信息技術進一步挖掘出這些數據中隱含的信息。例如審計人員通過信貸系統(tǒng)比對貸款企業(yè)的財務數據與稅務數據,發(fā)現貸款企業(yè)提供給銀行的財務報表與向稅務部門提供的財務報表存在不一致的問題,由此發(fā)現銀行存在向提供不真實資料的企業(yè)發(fā)放貸款的問題。由此看出,在數據越來越密集、越來越復雜、越來越多樣化的今天,大數據審計是順應時代潮流的明智之舉[2]。

(二)審計證據

審計證據是審計人員出具審計意見、做出相關審計結論所依據的證明材料,大數據時代的審計證據在充分性、相關性、可靠性方面呈現出新的特點。

1.充分性:充分性對審計證據的數量提出了較高要求,但在傳統(tǒng)審計過程中有些審計證據取證難度大,充分性不能得到滿足,審計結果的正確性不能得到保證。而在大數據時代隨著信息技術的發(fā)展審計證據的取得變得輕而易舉,難以獲得充分證據這一問題迎刃而解。

2.相關性:大數據時代審計證據的相關性更高,具體表現在以下三個方面。一是能夠及時獲得審計證據,減少了時間成本,改善了人工獲取信息的滯后性。二是提升了審計確認能力,運用大數據技術編織出環(huán)環(huán)相扣的審計證據網絡從而對企業(yè)的內外部非財務信息進行核對審查,能快速準確的發(fā)現有問題的環(huán)節(jié)。這一方式克服了手工信息獲取不及時、準確性低、客觀性弱的缺陷,通過此方式獲得的審計證據有更高的確認價值。三是審計數據具有了預測功能,數據挖掘技術通過分析相關數據,建立相應的模型從而對未來的信息做出預測,例如回歸分析法就是應用最廣的方法之一。預測功能不僅能使審計人員提前制定審計計劃、提高審計效率,更重要的是可以使事后審計轉向事前審計,提前注意到審計重點、難點、易漏點。

3.可靠性:大數據對審計證據的可靠性同樣產生了深刻影響,審計證據是否可靠需要從可驗證性、客觀性、真實完整性三個方面來進行考量[3]。首先,可驗證性是指審計證據相互之間可以交叉驗證其是否真實存在,傳統(tǒng)的對審計證據的驗證方式比較單一,往往是通過對業(yè)務流程的追溯來核對數據能否匹配,進而發(fā)現偽造或錯誤的審計證據。而在大數據技術的支撐下,審計證據的單一性演變?yōu)槎嘣?審計人員可以從財務賬外、企業(yè)外部等渠道獲得更多審計證據,增強了它的可驗證性。其次,客觀性是指審計證據不能摻雜個人的主觀臆斷,例如言詞證據中可能帶有很強的主觀性,需要進行合理的過濾和篩選。傳統(tǒng)的取證方式主要依賴于企業(yè)提供的信息,為了追求自身利益企業(yè)可能提供虛假信息,而在大數據時代審計人員可以通過各種數據采集設備獲得第三方信息,具有更高的客觀性。最后,真實完整性是指審計證據必須真實、完整。大數據時代的審計證據唾手可得,但是不能完全保證它們的真實性,可能數據在錄入信息系統(tǒng)時發(fā)生錯誤或者被有意篡改。在海量的信息中辨別出錯誤信息其難度可想而知。因此,大數據時代審計證據的真實完整性在一定程度上有所下降。

(三)審計風險

在各種因素的干擾下,例如審計對象的外延化、審計環(huán)境的復雜化、審計證據的多樣化以及審計技術有待完善、審計人員素質仍需提高,在大數據環(huán)境下的審計風險較傳統(tǒng)審計風險會相應地有所波動。而現代風險導向下審計風險模型為審計風險=重大錯報風險×檢查風險,并且一般認為重大錯報風險由控制風險、經營流程風險、會計風險、戰(zhàn)略風險構成。然而這一公式并沒有體現出上述干擾因素所帶來的影響,因此有必要完善大數據環(huán)境下審計風險模型,否則勢必會造成審計風險的增加。

(四)審計成果的綜合應用

審計成果一般指的是審計人員提供給被審計單位的審計報告,它的內容有限,包括大量結論性的陳述,無法提供細節(jié)性信息,但進入大數據時代后審計成果的應用更加廣泛。首先,審計人員可以通過大數據技術對審計證據進行收集、處理,剔除無效或虛假信息,發(fā)現某些數據的相互關系并得到規(guī)律性結論以指導被審計單位的日常經營活動,例如運用大數據技術獲取用戶需求變化的數據從而分析不同用戶的偏好,再相應地對產品進行調整。其次,數據的利用率更高,同一數據從不同的視角歸類后能夠反映出不同的問題,可以滿足基層、中層、高層人員對信息的不同需求。例如,在經濟受到沖擊的宏觀環(huán)境下,高層管理人員根據有關產品銷量的數據削減或增加某種生產線,而中層人員根據同一數據可以確定出某一時段的供應量以達到利潤最大化。再次,將審計成果中的常見問題錄入信息系統(tǒng),為被審計單位的事前控制提供了一個新的思路,降低了其在經營管理中的差錯率。例如,利用大數據技術分析企業(yè)預算資金使用情況,實行動態(tài)的監(jiān)督管理,對于異常點及時發(fā)出紅色預警,很大程度上避免了資金滯留、擠占和挪用情況的發(fā)生。最后,不同審計人員可以反復使用最新審計成果,可以從電子底稿中調出高風險點進行重點審計,不僅減少了時間成本,而且提高了審計人員的工作效率。

四、審計機構面對大數據挑戰(zhàn)的應對策略

(一)推進審計方法與技術的創(chuàng)新

在大數據時代審計人員如果不采用新的審計方法和技術,那么審計工作將遇到極大的障礙。審計工作者可以從以下兩方面入手進行創(chuàng)新。首先,審計人員不僅要熟練操作Excel 和各種應用軟件,還要適應大數據時代的最新要求,掌握基本數據挖掘技術,這樣在處理海量且價值密度低的數據時才能從容應對,不至于束手無策。其次,建立審計云數據系統(tǒng),大數據審計以此基礎性平臺,可以實現不同企業(yè)、不同行業(yè)之間數據的云存儲、云計算、云移動和云共享,不僅降低了人力成本而且減少了數據的移動損耗。

(二)分類審計證據與轉變審計證據關系著眼點

在大數據時代,審計證據的形式不再只是財務報表等書面材料上的數字,根據對審計證據的獲取、分析、處理的難易程度,可以將審計數據分為非結構化數據、半結構化數據、結構化數據三種類型,難度依次遞增。預先對審計證據分類后再進行處理可以明顯地減少審計過程耗費的時間:對于結構化數據,傳統(tǒng)的數據提取與處理方法仍然適用;對于半結構化數據,為了便于數據的后續(xù)處理,在使用數據挖掘技術時要盡可能降低數據維數;對于非結構化這種最難處理的數據一般采用的方法是向結構化數據轉化,這種方法還有待人們的進一步研究與探索[4]。但是無論處理哪一種數據,審計人員的思維方式或者說對審計證據關系的著眼點都要發(fā)生轉變,不能僅僅依靠自己的經驗和直覺來判斷審計證據之間的因果關系而要用更科學的方法來分析它們之間隱含著的相關關系。這也是大數據審計超越傳統(tǒng)審計的一大優(yōu)勢。

(三)優(yōu)化審計風險模型

在大數據時代,隨著審計風險的變化我們需要對審計風險模型做出適當的調整從而對審計風險的高低做出正確的估計。大數據技術的應用使審計對象可能包括云會計服務供應商的會計信息系統(tǒng)(AIS)。因此,完善審計風險模型就要相應的加上云會計服務供應商的會計信息系統(tǒng)產生的額外風險。例如,用戶在收集和存儲數據和信息時需要應用云會計服務供應商提供的數據中心,此時可能有技術設備損壞失靈造成的偶然風險;用戶在處理數據和信息時需要運用云會計服務供應商提供的服務器和數據庫,此時可能有軟件更新和升級引起的測試風險;用戶在使用數據和信息時需要采用云會計服務供應商提供的會計核算、管理和決策服務,此時可能有數據被篡改、丟失形成的潛在風險;用戶在傳遞數據和信息時需要配備云會計服務供應商提供的網絡接口,此時可能有數據泄露的安全風險。為了控制固有風險,云會計服務供應商制定和實行了應對措施,例如定期檢查測試各種技術設備、軟件,使用身份管理軟件、反病毒及反間諜軟件,安裝入侵檢測系統(tǒng)、數字證書、防火墻等。我們把這些措施仍然不能預防固有風險發(fā)生的可能性稱為控制風險,一般從內部控制的規(guī)劃、實施、安全的需求和保證這些角度來考察控制風險的高低。綜上所述,審計風險模型框架就應調整為圖1 所示結構,最終調整后的審計風險模型為審計風險=被審計企業(yè)的重大錯報風險×被審計企業(yè)的檢查風險×云會計服務供應商的AIS 固有風險×控制風險×檢查風險。

圖1

(四)提高對大數據、云計算技術的認識和利用能力

大數據技術對審計的影響無疑是革命性的,但是審計人員還沒有充分意識到大數據審計的重要性,這是因為很大一部分審計人員對大數據技術知之甚少,因此加強對審計人員的培訓是提高審計效率和效果的有力舉措?？梢杂缮现料碌膶⒋髷祿徲嫕B透到審計人員的思維意識中,審計項目的領導要起到帶頭示范作用,積極參與到運用大數據技術進行審計的實踐活動中[5]。在大數據時代,我們需要的是審計、計算機領域的復合型人才,審計人員具備數據分析和解釋能力、設計與應用能力等基本技能將是未來從事審計工作的必備要求。

五、結語

大數據技術的發(fā)展對審計工作而言既是挑戰(zhàn)又是機遇,只有靈活運用大數據技術,將大數據技術與審計更好的結合,讓其成為解決審計問題的有效工具,審計效率和質量才能實現質的飛躍。本文從審計方法、審計證據、審計風險和審計成果的綜合應用等角度分析了大數據環(huán)境對審計工作的影響,并針對這些影響提出了具體的對策與建議,以期能夠對大數據環(huán)境下被審計單位的財務報告提供更合理的保證,給投資者一個更滿意的答復,對大數據環(huán)境下的審計工作有更清晰的總體認識。