国防大学联合勤务学院 北京市 100039
习近平总书记指出，要深化审计制度改革，创新审计理念，坚持科技强审，增强大数据审计能力。我们必须自觉把改革创新作为政治要求和政治责任，适应新时代新体制新使命，换脑筋、转方式、走新路，把创新驱动引擎发动起来，加速推动审计由微观向宏观、事后向全程、合规向绩效、账本式向大数据拓展，为实现全覆盖提供坚实保障。在经济活动日渐向电子数据形态转变的今天，深化大数据审计已成为适应时代发展的必然选择。
一、紧盯数据发展大势，构建大数据审计模式
面对信息化智能化的发展大势，审计工作必须与时代接轨，构建“集中分析、发现疑点、分散核查、系统研究”的数字化审计模式。
（一）集中分析、发现疑点。随着各业务行业信息化程度逐渐提高，信息处理平台多样化发展、信息数据也呈现出指数级的增长趋势，遵从以往的审计模式，仅仅通过简单的审前调查已经无法满足现阶段海量级数据的审计需求，必须预先根据报送数据进行“集中分析、发现疑点”，通过对被审计数据进行多维度可视化分析，观测被审计数据在时间、空间上的分布以及变化趋势；通过同比、环比的变化，发现大的波动，在整体和宏观层面上通过观察发现规律，寻找异常。通过集中分析，在数据繁杂、时间紧张、人员缺乏的情况下快速找到疑点，打开审计的突破口。
（二）针对疑点、分散核查。审前大数据的复杂分析，虽然可以帮助我们快速、高效、精准的找出经济活动的疑点，但是疑点尚不能作为问题定性的有效证据，审计实践中，我们还需要对各个疑点分散核查。结合传统的审计方法，审计主体带着大数据分析的疑点，将审计方式切换为现场审计，通过当事人问询、第三方访谈、社会数据佐证等手段，对疑点问题逐一分散调查，取证核实。
（三）系统研究、综合研判。通过对问询结果、访谈记录、社会数据等取证结果的综合性分析，验证现有证据能否完成对疑点的问题定性，通过对疑点问题的合理化猜想和最终证据链的完整性分析判断能否形成完整的闭环证据链，最终锁定事实，完成问题定性。
二、优化审计作业链条，再造大数据审计流程
要将大数据思维融入审计项目管理和业务实施全过程,从顶层设计出发,研究大数据审计需要的资源、支撑环境,并对大数据环境下的审计全过程、各环节重新进行规划,分解审计业务管理流程,动态整合审计资源,优化审计作业链,实现大数据审计流程再造。
（一）计划阶段。由审计机构综合部门围绕经济活动合规高效以及政策制度落实情况,结合审计工作实际,以及日常数据分析工作提供的疑点参考来明确审计计划意向,拟定年度审计项目计划,各级对审计项目计划进行审核后正式下达。
（二）准备阶段。准备阶段是大数据审计工作流程区别于传统审计工作流程的重要阶段。
1.制定方案，组建团队。各级审计机构根据年度审计项目计划制定审计工作方案。除现场审计团队外，各级数据部门根据审计工作方案、审计重点和数据行业类别组建不同的数据分析团队。数据分析团队根据审计工作方案进行预先研判,对大数据运用做出统筹谋划,明确项目的审计重点,紧扣审计工作方案开展审前调查,摸清审计所需的数据资源并收集完整。
2.灵活分析，问题定位。数据分析团队利用关联分析、趋势分析、聚类分析等数据分析技术,建立分析模型,形成分析结果和问题疑点线索,实现数据分析的批量化、深度化与准确化，减少现场审计时间。数据分析团队应当注重总体宏观分析和重点分析相结合,既要从整体层次上把握被审计单位主要工作特点、经济活动运营规律和发展趋势,指导审计人员确定审计重点,又要以问题为导向筛选线索,为审计取证提供明确具体的目标。
3.视情试审，精准打击。为提高疑点线索的精准打击率,在这一阶段可以增加“试审”环节,按照数据初步分析结果选定部分单位进行抽样验证,根据试审结果修正和完善数据分析模型,再由技术人员对分析结果进行审核,人工筛查并删除其中非正常数据或特殊业务情景,反复修正数据分析模型,进一步缩小疑点范围。
（三）现场实施阶段。现场审计组根据数据分析团队下发的疑点进行核实,同时落实其他审计事项。数据分析团队要密切追踪疑点核实情况,及时了解现场核查小组工作中遇到的问题,适时调整分析思路,细化分析指标,确保大数据分析的精准度;及时发掘现场核查发现的趋势性、典型性、普遍性问题,通过动态简报、情况调度会等形式指导各现场核查小组调整方向、把握重点,真正做到现场审计与非现场审计的深度融合,有效推动疑点落实。
（四）报告阶段。审计组在提交审计报告、完成审计文书资料归档的同时将疑点核实情况反馈给数据分析团队。数据分析团队根据疑点核实的效果及时对数据审计思路、数据采集范围、数据整理过程、数据分析模型、疑点核实情况进行归纳总结,形成数据分析报告,并调整和改进分析方法,完善审计方法库。（流程见下图）
.png)
三、聚焦成效与时俱进，创新大数据审计技术
大数据环境下，面对海量的信息数据，只有针对性地创新技术方法，才能事半功倍、提质增效。
（一）数据先行，构建完整、有效的大数据仓库。数据内容包含依托社会的公共资源、审计基础资源、审计业务资源以及审计知识资源。依托互联网或其他公共渠道广泛获取审计需要的社会公共资源，如银行流水信息、税务信息和公开招投标信息等;借助各级审计管理流程中形成的审计计划、审计证据、审计底稿、审计报告和审计决定等文档资料，完善审计基础资源;借助各级审计机构的审计实践以及高等院校和科研机构的审计理论，扩充行业数据的审计业务资源;以知识发现和知识管理为目标,不断收集审计方法、审计法律法规、审计事项，完善审计知识资源。各类资源经过清洗、转换、规约，构建起大数据审计的底层数据仓库。
（二）统筹协调，建立大数据存储、分析云平台。一方面,在各级审计机构要构建审计存储云,通过云计算框架下的HDFS、NoSQL等技术,实现结构数据和异构数据在分中心的分布式存放和高效处理,实现动态负载均衡和分布式热备份。另一方面,要构建审计分析云,利用分布式文件系统和并行计算技术,将海量审计数据分到云上多个数据节点进行实时批处理分析,并及时反馈分析结果,提高分析效率。
（三）灵活分析，实现大数据价值向审计成果转化。审计数据分析是实现审计大数据价值的直接途径,分析方法主要有验证型分析、查询型分析和挖掘型分析。验证型分析主要是验证采集的数据是否真实、完整、有效,是否包含审计机构需要的全部信息;查询型分析一般通过数据库工具依照法规、逻辑关系等一定的规则查询数据中存在的疑点问题;挖掘型分析是挖掘海量数据中蕴涵的数据模式与规律,来发现审计线索和分析解决审计问题,并预测趋势和行为的数据分析模式。通过多样式地有效分析，将大数据价值转化为审计成果。
（四）区分行业，针对性构建审计分析模型体系。审计分析技术建模体现了审计业务和计算机算法的高度有机结合,根据行业特征，科学构建审计大数据分析模型,实现审计系统共享,可以极大程度上降低人员知识水平和知识结构不足带来的审计差异,真正实现智能化审计,提高大数据审计工作的质量和效率。