施工企业大数据审计的探索与研究

●邓良红

随着国际移动互联网技术的快速发展，目前我国已全面进入大数据时代，施工企业面临的内部审计环境正发生重大变化，并对内部审计工作提出了更高的要求。施工企业内部审计人员必须转变思想，紧跟时代发展步伐，树立大数据审计思想，积极利用大数据分析技术，不断改进审计工作程序与方式方法，开展卓有成效的审计工作，不断提高审计效率、效果，全面提升审计工作水平。

如何做好大数据审计工作？本文在借鉴前人许多重要研究成果的基础上，结合笔者工作实际，积极进行探索与研究，希望研究成果能够对审计同仁的审计工作有所启迪和帮助。

一、传统审计模式存在的不足

随着大数据时代的到来，企业内外部环境发生了许多重大变化，传统内部审计的理念、策略、程序、方式、方法、管理模式等面临诸多挑战，越来越难以适应大数据时代的发展。施工企业传统审计模式主要存在如下不足：

（一）审计理念较为落后

当前，我国部分施工企业内部审计工作职能仍停留在查错纠弊阶段，普遍开展静态审计、现场审计和事后审计等，审计工作将会计信息准确性、可靠性、内控制度遵循性及资产安全性等作为工作重点，对财务信息以外的其他专业数据的挖掘与分析能力不够，对施工企业业务流程、重点环节把控不够。审计理念有待更新完善。

（二）内部价值发挥不充分

目前，大多数施工企业内部审计重视履行确认评价职能，一味查找问题，忽视咨询价值挖掘；传统审计模式下，内部审计人员过多地依赖审计抽样方法进行审计，但受个人业务能力、综合素质、工作经验的影响，选取的样本数量过多或过少，抽取的样本不具有代表性，审计工作质量受较大影响，加大内部审计风险。在大数据时代，电子数据正在逐步替代纸质资料，并且电子数据容量越来越大，利用传统审计模式和方法进行审计，必然加大审计工作量，降低审计工作效率。此外，部分审计领域的风险隐蔽性强，传统审计抽样方法无法对全部数据进行抽样，审计风险难以有效控制；数据业务量大，无法实时进行跟踪审计，一般开展事后审计，审计发现的问题既成事实，导致无法整改等。

（三）内部审计人力资源投入持续增加

传统审计模式下，人力资源是内部审计的主要要素，审计工作价值的实现主要依赖人力资源投入。一般情况下，人力资源投入越大，内部审计价值越高。但施工企业项目数量越来越多，产生海量经济业务数据，需要收集与处理的信息数据急剧增加，内部审计部门及人员显得力不从心。受审计部门人员编制限制，审计投入的人力资源有限，且投入产出也存在边界效应，过多的人力资源投入，必将造成内部审计成本不断增加，但审计价值并未增加，得不偿失。

（四）风险管理评价应对不足

在大数据时代，经济业务数据深度和广度不断增加，传统审计模式对大数据收集、传输、分析等应对准备不足，业务数据管理系统未建立、未开展大数据审计，审计业务数据管理系统无法与业务数据有效协同，无法有效地对业务数据进行处理，造成内部审计风险增加。

（五）审计人员业务素质有待提高

传统审计模式下，审计人员大数据思维、审计团队能力与大数据审计要求的矛盾日益突出。在大数据环境下，审计监督深度与广度要求越来越高，对信息审计技术提出更高的要求，而且审计部门无专门的信息技术人才，审计人员专业知识结构不能满足内部审计工作发展需要。

（六）审前调查流于形式

审前调查，主要在充分了解被审计单位基本情况的基础上，制定项目审计工作方案，确定审计内容、范围、重点、方法等重要事项。优秀的审前调查工作，能够为更好地开展审计工作打下坚实基础，同时提高审计效率和质量。传统审计模式下，由于审计人员较忙，未下基层做充分的审前调查工作，仅凭个人印象，制定审计工作方案，导致许多审计项目审计工作方案没有针对性、重点不突出，甚至与实际情况存在较大偏差，审计现场需进行重新调查和调整，影响工作效率。

（七）审计实施深度不够

传统审计模式下，审计组现场审计往往停留在以问题角度看问题，未能从体制、机制、制度角度考虑问题，审计问题归纳不准确、发掘问题的层次较低，对审计发现的问题未进行深度剖析，提出的审计建议缺乏可操作性。

二、开展大数据审计的必要性

近年来，伴随着施工企业业务快速发展，公司经营规模越来越大，企业规范化、精细化管理程度的不断提高，工程项目点多面广，传统审计抽样模式在业务覆盖广度和深度方面已明显力不从心。在大数据环境下，由于审计人员数量少、精力不足、审计数据量大，更多利用大数据审计技术、开展远程审计和实时过程监控审计，因其不用到现场、审计覆盖率高、具有实时性等优势，得到越来越多内部审计部门的青睐。

大数据技术为内部审计工作提供了新的技术手段，有助于提升内部审计工作效率与效果。而以财务审计为重点、以手工作业和简单电算化为辅助的传统内部审计，面对不断增加的企业经济业务数据，无法对业务数据进行分析、评价。因此，只有加快大数据与内审工作的融合，才能在错综复杂的业务数据系统中，查找到审计人员需要的数据和关联信息，审计人员应用数据语言进行分析，利用大数据技术推进内部审计作业方式转型发展，不断改进审计工作流程方法，提高审计效率效果，提升内部审计价值，提高内部审计质量。

大数据审计是未来审计的发展趋势。通过大数据审计方式，利用信息技术手段以各业务数据之间的逻辑关系为基础，对所有有效数据进行加工处理，开展总体性分析，能够更全面地了解审计业务实质，及时发现审计疑点，在提高工作效率的同时，有效控制审计风险。在“数据即资源”已成为社会共识的背景下，扩大数据来源，开启数据通道，充分利用大数据建立模型，开展远程监督的审计新模式已成为时代的必然选择。同时，大数据审计将对数据获取、数据存储、数据查询、数据分析和审计报告撰写等核心内容产生较大影响，要求内部审计理念、方式、方法进行根本性变革。

三、大数据审计对传统审计模式工作的促进作用

大数据审计对传统内部审计工作模式有如下促进作用：

促进内部审计机构及人员更新审计理念。在大数据审计模式下，审计人员广泛利用计算机审计技术，抛弃了传统审计模式挑灯夜战、埋头查阅账本、会计凭证、报表等资料，通过EXCEL表格进行数据统计、分析等辛苦工作。新形势下，传统审计模式下的审计计划编制、审计调查、风险评估、审计方案制订、审计取证、疑点及问题处理、审计报告撰写、审计整改等环节发生重大变化。此外，由于在大数据审计模式下，审计人员可以接触到的信息渠道更广、信息更多、人员交流更加密切，促进审计人员形成系统观和全局观，审计人员可以站在审计项目整体层面思考问题等。面对新形势、新情况，促进审计人员进行变革，更新理念，以适应内部审计新环境。

促进审计工作标准化、规范化、流程化。在大数据审计模式下，内部审计人员除了掌握审计知识外，还需要掌握信息技术，人员综合素质更高。由于建立了审计信息管理系统及大量的数据模型，以前更多利用人力手工完成的工作交由信息技术手段进行处理，审计人员工作强度降低；同时，审计工作模式基本固化，审计作业标准化、规范化、流程化，审计前期调查、风险评估、审计取证、疑点及问题处理、审计报告撰写、审计整改等工作难度进一步降低，审计数据收集工作受个人经验及业务素质影响较传统审计模式更小，业务督导人员业务指导压力会更小，但审计数据分析处理仍然需要具备较多的审计经验、较高的业务水平。不过，整体上审计风险与传统审计模式相比，可以得到更有效的控制。

促进审计范围全覆盖，拓宽审计深度和广度。大数据审计模式下，内部审计部门及人员通过审计信息技术在办公室即可对接业务数据管理系统，对被审计单位业务全流程数据，包括营销、招标采购、物资、工程、技术、质量、安全、物资、人力资源、财务等业务数据，进行实时、远程监控，实现审计范围全覆盖。同时，审计人员不需要或很少去被审计单位现场即可掌握被审计单位业务数据信息。大数据审计模式，将内部审计从事后审计调整为事前审计、事中审计，静态审计调整为动态审计，现场审计调整为远程审计与现场审计相结合的模式。利用大数据审计技术，一定程度上解决了施工企业审计人员数量少、审计任务重、时间紧等困难，审计监督的持续性、针对性作业得到有效加强，有力地降低审计工作风险。

降低审计工作强度，提升审计效率和效果。大数据审计模式，以人工智能代替人脑，极大提高审计工作效率。以前几个人几天才能完成的工作，现在只需要一个懂得审计及信息技术的审计人员几分钟就能处理完毕。此外，审计信息技术能够对各类业务划分许多关键控制环节，计算机自动严格执行各类业务具体工作标准，减少人为干扰，及时提醒审计人员对异常情况或问题进行关注处理。审计人员通过综合分析、数据之间关联关系的相互印证，及时发现疑点、问题、薄弱点，正确识别和评估被审计单位的重大风险，统筹审计工作安排，将审计资源分配至高风险环节，提升审计效率和效果。

促进内部审计机构建立审计信息库。大数据审计思路促进施工企业建立审计信息管理系统、建立审计模型，规范审计数据收集、存贮和分析，满足审计人员开展审计数据关联分析需要。同时，有利于实现数字化审计管理，加强审计质量控制，提高审计水平。

利用大数据审计技术，上述传统内部审计存在的几个问题将迎刃而解；内部审计对审计业务全覆盖、及时远程监控，内审人员能够准确发掘业务大数据中的价值，并让数据透明，通过内审质量与效率提升，直接、间接推动组织价值增加。

在大数据审计模式下，内部审计部门根据业务流、资金流和信息流可以开展更多有价值的工作，拓展审计业务边界，提升审计工作效率和质量，而且充分发挥审计咨询服务职能，为企业管理增加价值。

四、施工企业大数据审计探索

大数据审计是指施工企业内部审计机构及人员借助互联网、计算机审计技术、大数据分析等手段，采集、存贮、整理、分析被审计单位各类业务数据，跟踪、评价被审计单位业务经营及风险管理状况的一种审计方式。

在大数据环境下，施工企业需要按照信息化、风险导向、全过程监控等原则，构建新的审计框架。新型审计框架需要整合施工企业各业务层面的经济数据，利用大数据分析技术，建立各类审计模型，根据审计任务灵活选择审计模型和审计作业流程，审计信息管理系统根据审计结果初步生成审计报告，经过人工干预后生成正式审计报告初稿，实现内部审计工作价值增值。

为做好大数据审计工作，需要做好如下几个方面的工作：

（一）建立、健全施工企业业务数据管理系统

建立、健全施工企业业务数据管理系统，是做好大数据审计的基础。大数据审计建设依托于企业业务数据管理系统，因而在内部审计信息管理系统建设前，应当大力推动企业业务数据管理系统建设。只有业务数据管理系统建设成熟后，才能有效开展大数据审计工作。业务数据管理系统建设，要做好顶层设计，积极梳理业务流、资金流、信息流等相关工作流程，加大企业业务数据管理系统硬件和软件投入，大力推动大数据中心建设。

业务数据管理系统建设，要确保录入系统的业务数据管理系统数据的有效性和及时性。业务数据管理系统数据必须严格按照系统要求和规定提交、上传，尽量避免人为干预，从而提高数据的实时性，确保数据质量。

（二）积极搭建审计信息管理系统平台

审计信息管理系统建设是一项长期工程，需要做好中长期规划，采取统一规划、分步实施的方式进行建设，需要经过用户需求调研、系统开发、系统测试、系统优化，并反复多次才能满足审计用户需求。审计信息管理系统应实现持续审计、数据监控、数据支撑、数据分析、自动出具审计报告、审计整改闭环管理等基本功能。

为促进业务数据管理系统与审计信息管理系统充分融合，需要公司决策层高度重视和积极支持此项工作，成立专门领导小组，安排高层管理人员担任组长、分管领导为副组长、职能部门负责人担任组员；提高对审计信息管理系统建设工作的认识、加强宣传和组织协调工作，明确各部门责任分工，充分调动各部门积极性。企业业务数据管理系统及审计信息管理系统建立后，要及时将业务数据管理系统对接审计信息管理系统、数字化管理对接数字化审计。

（三）提高审计人员专业胜任能力

为做好大数据审计工作，在利用审计信息管理系统开展审计工作前，审计部门要修订完善内部审计制度、优化审计工作流程、工作标准，结合公司业务数据管理系统及审计信息管理系统编制审计操作手册。审计人员要建立大数据思维，抛弃传统审计模式思维，部门对审计人员进行审计信息管理系统专业知识培训，定期、不定期组织经验交流，及时对实施中发现的问题进行总结、归纳，优化审计信息管理系统；积极将优秀的计算机专业人才纳入审计小组，安排其利用信息技术提取数据并指导审计人员业务操作。

（四）积极建立审计资源数据库

利用审计信息管理系统开展审计，必须对现有审计资源进行整理、归纳、整合，对接业务数据管理系统，形成审计资源数据库，建立审计经验库、规章制度库、审计疑点库、审计资料库、问题整改库等数据库，作为日常审计管理工作与审计项目开展的数据支撑，提高数据利用率，进而提高审计质量与效果。

（五）搭建恰当的审计模型

搭建完善的审计模型体系，可实现对审计对象所有业务的全覆盖，及时定位审计疑点，大幅减少现场工作时间。

目前，审计构建模型可分为基础模型、分析模型和特征模型三类。基础模型是审计构建模型体系的基础，它通过重现业务场景，在审计大数据分析中发挥着前端和接口作用；建设基础模型，通过梳理数据关系、字段含义，还原业务流程，重现业务场景，建立中间数据模型，供各类数据分析场景使用；分析模型主要用于多维度分析。分析模型可以体现业务的发展脉络和未来趋势，也可以展现业务的集中程度和分布规律，还可以与相关业务标准进行比对，查找偏差与舞弊行为；特征模型的结果直接指向具体审计样本。特征模型更加注重对点的分析。

（六）做好数据采集、存贮、整理、分析、审计报告起草等工作

1、审计数据采集。内部审计数据的获取是大数据审计工作的起点，数据本身的质量一定程度上影响着审计质量。内部审计数据来源于企业业务数据管理系统、审计信息管理系统及两系统外产生的数据资料等。审计实践过程中，审计人员收集的许多数据为非结构化数据 （如文本类、图像类、视频类三类），内部审计数据的获取，主要有系统导出和直接拷贝、数据推送、数据专业化采集（如网络爬虫技术、MEMS传感器等技术）。在非结构化数据采集前，内部审计人员要利用审计专业判断，利用审计询问、现场观察等多种方式，根据实现审计目标所需审计证据的内容与形式，决定非结构化数据获取数量及获取的必要性。非结构数据的获取途径主要有文本挖掘、图像挖掘和视频挖掘等。

2、审计数据归类与预处理。数据处理前，必须确保数据质量较高。审计过程中，初步采集到的非结构化数据需要经过归类和预处理后才能进行相应的知识挖掘，从而得出审计证据或审计所需的信息。实践过程中，审计人员采集到部分错误或异常数据，只有通过预处理才能提高数据质量；利用信息技术手段将相关数据进行归集或者去除无关数据，为后续处理做好准备。此外，审计人员还需要利用信息技术手段对录入不准确、不完整或者不合理数据进行处理。

非结构化数据预处理可减少数据缺陷、进行数据整合、变换和归约。通过处理，提高数据质量。数据预处理，主要包含数据清理、组织与集成、选择、变换等形式。对于内部审计人员而言，在非结构化数据的预处理时，应最大限度借助信息技术手段将数据挖掘难度大的数据转化为处理难度小的数据，同时要避免将质量较低的数据纳入数据处理范围。

3、审计数据分析。内部审计部门通过对存储的审计数据进行深度分析和挖掘，提炼审计数据价值。常用统计分析、多维分析、搜索、预测挖掘等分析方法。审计部门平常可以收集以前年度信息、了解上级部门开展审计的目的、要求，借助大数据数据分析、建模以及其他成果，将经过处理的数据与相关数据进行比对，查找问题。通过大数据分析技术，利用数据成熟的算法，建立数据模型，由经验丰富的审计人员对审计模型结果进行解读，充分尊重事实和数据，挖掘业务数据背景，发现审计问题，揭示非常规风险；以可视技术和自动化分析技术为核心，支持对大规模复杂数据进行分析，可视化的自动建模技术将大数据以直观的图形形式展示，审计人员可以直观发现数据背后的信息。

4、审计报告生成。大数据审计环境下，撰写审计报告可利用的信息量较传统审计模式成倍增加，需要利用审计信息管理系统查找信息、对审计证据进行加工、整理，自动生成审计报告。主审人员再利用个人职业判断，结合相关审计证据，对审计信息管理系统生成的审计报告进行适当修改、完善，即可形成审计报告初稿。

五、展望

大数据技术加速了内部审计技术变革，提升了内部审计工作水平，但大数据审计模式目前尚未广泛运用，仍然需要进一步完善，大数据审计对审计程序、审计目标、审计方式、审计方法等的影响需要进一步研究。大数据审计是未来的发展趋势，但同时需要关注大数据审计过度依赖大数据分析结果、大数据审计体系化建设尚存在不足、信息技术人才比较缺乏等问题，并采取措施加以解决。相信在广大审计理论、实务工作者的共同努力下，大数据审计工作必须为广大内部审计机构及审计人员所接受，并积极组织实施，全面提高内部审计工作水平。■