大数据审计的方法

大数据审计的方法

 

面对大数据时代对审计工作的挑战，审计方法和方法将实现以下四个方面的转变。

 

1.应用大数据分析技术，实现审计方法从数据验证分析向数据挖掘分析的转变

 

传统的计算机审计是通过电子数据收集和转换进行数据验证，通过建立查询分析、多维分析等方法模型进行数据分析，大数据分析技术的应用可以使审计数据分析逐渐从传统的验证分析转变为挖掘分析。挖掘分析是指利用大数据处理技术，利用数据仓库、数据挖掘和模型预测工具进行审计分析[3]，从大量数据中发现数据模式和规律，包括分类分析、聚类分析、相关分析和序列分析。其中，分类分析根据数据属性将数据分配到不同的组中；聚类分析根据数据相似度原则将数据分为若干类别，使相似数据差异很小，不同类别的数据差异尽可能大；相关分析可以发现隐藏在数据之间的相互关系，通过挖掘发现不同数据之间的密度或关系；序列分析可以发现数据的出现时间和序列的规律，处理数据之间的相关性。

 

例如，在金融审计中，利用数据挖掘决策树的相关规则和挖掘方法，可以研究不良贷款与正常贷款的错分规律，建立不良贷款与正常贷款分类能力强的条件特征指标，提高分类预测模型的可理解性，在一定程度上揭示商业银行信贷资产风险等级划分的相关规律[4]；在税收征管审计中，采用聚类方法，根据聚集规则，纳税人可以分组，使纳税人最大的相似性，组间纳税人有尽可能大的差异，然后产生聚类标准，根据纳税人的标准，确定纳税人的总体情况和特点，为建立审计目标和审计重点提供参考。

 

 2.应用大数据分析方法，实现审计方法从发现问题向风险预警的转变

 

传统的审计工作主要是发现问题，对经济形势进行预测和分析。因此，必须等到相关事件发生并形成一定规模，然后根据收集到的足够数据进行分析和研究，这是滞后的[7]。大数据技术可以分析跨领域的大规模经济和社会行为数据，实现对经济和社会异常动态的初步关注，利用其对异常数据的敏感性实现早期预警。目前，审计可以利用大数据相关技术对宏观经济和社会风险问题进行初步分析。例如，可以综合利用政府债务审计数据、社会保障审计数据、宏观经济运行数据、金融系统数据等数据库构建大数据集，利用数据挖掘等数据分析工具，结合多个数据库信息交叉分析和宏观经济和社会运行相关事件，通过个别领域、结构化数据分析，不断将半结构化、非结构化的跨领域数据纳入分析框架，逐步提高大数据审计的分析能力。

 

3.应用大数据审计操作平台，实现单机审计向云审计的转变

 

建立以审计大数据为中心的“云审计”平台，实现远程存储和移动计算，使审计机关通过网络访问“云”进行审计，利用大数据分析、人工智能等信息技术处理数据收集、分析和管理中存在的问题，实现审计结果的共享。二是完善网络审计制度，逐步完善预算、执行、财政、地方税务、社会保障、医疗机构、公积金等关键行业和单位的即时审计监督制度。第三，建立审计数据综合分析平台，利用大数据技术，增加业务数据和财务数据、单位数据和行业数据，以及跨行业、跨领域数据的综合检查和相关分析，提高信息技术检查问题、评价判断和宏观分析的能力。最后，应推广“整体分析、发现疑问、分散验证、系统研究”的审计模式。

 

4.建立专业的审计分析团队，实现传统纸质账簿审计向大数据审计的转变

 

审计工作应实现“六个转变”，即从单点离散审计到多点联动审计，从局部审计到全覆盖审计，从静态审计到静态和动态审计，从后审计到后审计，从现场审计到现场审计和非现场审计，从微观审计到微观和宏观审计。因此，需要适应组织模式、人员结构、思维模式等方面。在组织模式上，应尝试进行无项目审计，依托审计数据中心积累的数据数据，横向核对分析，垂直深入挖掘分析，从数据中发现审计疑点和线索。在人员结构方面，要不断提高大数据分析能力、综合研究能力、创新能力和跨领域知识应用能力，不断加强对大数据先进概念和前沿技术的研究，掌握大数据分析方法，提高内部审计人员的综合素质。在思维模式上，要培养“数据第一”的理念，以数据为核心，使数据分析在审计工作前实施。根据数据分析结果，在审计实施过程中，要重点、简化、深入地进行验证、跟踪线索、发现问题，全面深化大数据技术在审计工作中的应用。