大数据提高政府绩效审计有效性的路径研究

李之媛 冯均科 张新鹏

[摘要]本文在分析审计监督全覆盖背景下政府绩效审计面临挑战的基础上，探讨利用大数据提高政府绩效审计有效性的可行性，并有针对性地提出利用大数据提高政府绩效审计的建议。

[关键词]审计监督    全覆盖    大数据    政府绩效审计

效审计是政府审计发展的必然趋势，在发挥

审计监督作用过程中扮演着重要角色。政府绩效审计即审计机关以低审计资源投入为基础，对政府组成部门所进行的经济活动是否高效、是否实现预期成果所进行的“3E”审计，即经济（Economy）、效率（Efficiency）和效果（Effectiveness）。随着信息时代的到来，大数据作为新兴技术手段引发了新一轮的技术狂潮。它能够以非常经济的手段、更高效率地对海量信息进行分析以获取价值。在审计监督全覆盖背景下，政府绩效审计面临着审计内容增加，审计对象趋于复杂，审计信息处理繁琐，审计工作开展受限的困境，而大数据技术所具有的强大信息处理的特点，为提高政府绩效审计的有效性提供了强有力的技术支持。

一、审计监督全覆盖背景下政府绩效审计面临的挑战

政府审计作为国家监督体系的组成部分，在促进国家治理体系和治理能力现代化方面发挥着不可替代的作用。在审计监督全覆盖背景下，国家对于政府绩效审计的支持也逐渐增强，开展绩效审计工作势在必行。虽然政府绩效审计的政策支持力度增强，但是在审计监督全覆盖背景下，政府绩效审计范围扩大，审计数据信息增加，从而给政府绩效审计带来了挑战。

（一）政府开展绩效审计存在资源约束

审计监督全覆盖要求政府绩效审计“应审尽审、凡审必严”，即对所有应审计单位进行审计，因此，绩效审计需要加大审计力度，提高审计频次，以更好更全面地發挥审计在国家监督体系中的作用。然而，在目前政府绩效审计工作开展中，由于审计力量不足、审计经费不足等资源性约束，审计机关一般选择一些重大项目、重点项目进行审计，对于一些一般项目只进行简单的财政收支审计，无法实现对所有被审计项目的全覆盖。以扶贫审计资金状况为例，2016年，政府审计机关抽查了17个省40个县，这40个县只审计了2013年至2015年50.13亿元

（共计109.98亿元）的财政扶贫资金。此外，政府绩效审计操作一般较为复杂，被审计项目运行周期较长，项目种类繁多，需要投入大量的审计资源，因此，考虑到审计成本问题，政府绩效审计还不能满足全覆盖的要求，如何突破资源约束成为政府绩效审计需要解决的问题。

审计监督全覆盖提出，要覆盖所有审计对象，加大审计频次，建立全方位的审计监督体系。在这样的要求下，审计任务繁重，工作量加大，政府开展绩效审计工作需要多学科知识体系为基础，以保证审计质量。目前，我国政府审计人员大多数都是财经类专业科班出身，对于财会类知识比较精通，但对于其他方面知识缺乏充分认识，无法对一些财政金融外的其他审计对象有深入了解，从而也就无法对范围广泛的其他被审计项目的绩效作出合理的审查及评估。除了审计队伍知识结构方面存在不足，被审计项目也在不断增加，然而审计人员数量却没有同比例增长。以B市为例，该市审计局共105人，然而一线审计人员不到40人，专业人员人均承担3个以上的审计项目，还不包括一些上级抽调的审计任务。我国政府开展的绩效审计工作主要由政府审计机关人员承担，公务员的数量不可能在短时间内大幅度增加，这样的问题难以得到及时解决。因此，在审计监督全覆盖背景下，政府开展绩效审计工作面临着审计人员知识结构不合理和数量不足的困境。

（二）绩效审计数据标准体系与评估体系不够完善

当前，审计监督全覆盖要求下，政府绩效审计应全面审视被审计项目，深入排查问题和漏洞，不留监督死角和盲区。然而，政府开展绩效审计工作离不开基础数据的支撑，政府绩效审计需要财务数据、非财务数据等一些相关资料，面对庞大繁杂的审计数据，现有的审计信息化建设还不足以支撑对如此巨大的数据量的分析工作，审计人员往往根据以往的经验对这些资料进行分析判断，难免存在主观性，审计质量无法得以保证，大大增加了审计风险。此外，根据2017年中国审计年鉴统计数据，2016年我国审计查出主要问题金额约为14万亿元，而审计促进整改有关问题资金只有13，000亿元，只占不到10%，这说明实现审计监督全覆盖，仅靠中央审计机关的力量还不够，还需要地方审计机关协同合作，问题才能真正得到解决。但由于地方审计机关在采集信息的过程中建立了具有地方特色的数据标准体系，没有一个统一标准，各地的数据可能无法兼容，要进行统一的数据分析就难以实现，且进行数据方法重建的成本较高。缺乏统一的数据标准和成熟的数据采集体系，也给绩效审计工作出了难题，从根本上制约了审计监督全覆盖的广度。即使收集了大量的数据与信息，但中央与地方审计机关未建立数据传输平台，不能实现数据的实时共享，信息资源不能集中与整合，关键的审计线索可能无法被挖掘，影响了审计监督全覆盖的深度。

政府开展绩效审计工作的前提在于建立完善的绩效评价体系。相对科学合理的评价指标的构建，有助于降低审计风险，提高政府审计报告的客观性。然而，我国的政府绩效审计研究开始时间较晚，在评价指标的构建方面缺乏理论与实践的指导，在绩效审计工作开展过程中，往往只集中于对审计对象的事后评价。而在审计监督全覆盖的背景下，要求审计单位对审计对象实现全过程的审计。如扶贫项目审计，审计指标多数为一些事后控制指标，如贫困率的多少、扶贫项目实施后基础设施的改善等。因此，政府绩效审计需要完善评估体系，以达到审计监督全覆盖的要求。

二、大数据对提高政府绩效审计有效性的可行性分析

大数据时代的到来，掀起了新一轮的审计变革狂潮。大数据本身具有信息储量庞大、信息多样等特点，使其可以借助计算机、互联网等对大量时空数据进行储存、整理、分析，深入挖掘内在联系。而审计监督全覆盖核心在于提高审计覆盖面，即要求政府审计监督对所有应审计单位、应审计项目实现全部审计，在此背景下，大数据所具有的这些特征对于政府绩效审计有效性的提高体现在以下三个方面。

（一）可促进政府绩效审计提高经济性

审计监督全覆盖背景下，政府绩效审计需要搜集的数据多种多样。要从大量数据中获得有价值的信息需要对此进行分析，这就需要投入大量的审计资源，包括人力、物力、财力，审计成本大大提升。而大数据技术的对象就是体量巨大的数据，可以对海量数据进行快速采集、整理、分析、更新，而且不仅仅是一些数据型信息，对于文字性描述等非数据型信息也可以进行深入分析。将大数据技术应用于政府绩效审计，可以有效降低获取审计信息、分析审计数据的成本。如“云审计”平台的使用，可以有效解决信息搜集缓慢、数据处理复杂等问题，利用计算机软件抓取信息，简化数据处理流程，节约大量审计资源，使其可以应用于重点项目，为提高政府绩效审计的经济性提供保障。

（二）可促进政府绩效审计提高效率性

审计监督全覆盖背景下，被审计项目涉及多个行业、多种类型，这无疑给政府绩效审计工作的开展增加了难度，除了对被审计项目重点信息的抓取和分析，还需要了解其内在的本质联系，审计队伍由于缺乏多学科的综合性，有时可能无法深入了解审计对象，抓不住审计的关键。大数据技术可以对被审计项目进行逐层分析、渐进深入，从大量信息中提取有效信息，抓住审计重点，针对审计疑点开展绩效审计工作。例如，通过大数据挖掘技术可以对与被审计单位有关的一些非数据型信息进行深入分析，提取内在价值，统计这些信息之间的多种关系，深入揭示数据间的内在联系，为绩效审计提供指示，稳定、准确、快速地针对审计重点进行分析，有效地缩短项目周期，简化审计流程，同时弥补由于审计人员知识结构单一无法看到信息之间内在联系的缺点，大大提升政府绩效审计的效率性。

（三）可促进政府绩效审计提升效果性

审计监督全覆盖不仅要求覆盖所有审计对象，还要求增强覆盖深度，保证审计质量。我国政府績效审计目前多集中于事后审计评价，缺乏对事前、事中的监督控制，审计效果较差。大数据技术可以利用互联网资源，实现对审计对象的实时监控，向终端审计处理平台反馈信息，对审计对象的运作进行实时评价，实现对事前、事中、事后全过程的监督控制。同时，大数据技术可以对绩效审计的整个过程进行分析总结，从而产生新的信息，将这些信息加以整理，完善政府绩效审计的评估体系，使评价指标更加精确合理，进一步增强绩效审计实施的效果。此外，通过大数据技术可以对大量不同的被审计项目进行分析对比，总结项目审计过程中存在的漏洞，对一时无法量化的指标进行分析，挖掘其内在因果性，降低审计风险，大大提高政府绩效审计的效果性。

三、利用大数据提高政府绩效审计的建议

（一）构建智能绩效审计平台

审计监督全覆盖背景下，被审计项目范围扩大，审计任务繁多，而审计力量有限，因此，政府绩效审计需要创新审计技术。利用大数据开展政府绩效审计，核心在于构建智能化大数据审计平台。目前被学界热点讨论的“云审计”平台可以应用到政府绩效审计中来。

一方面，利用“云审计”平台，政府审计机关可以快速抓取审计对象各方面的信息，经过数据预处理后，涉及一些国家机密的敏感数据可以经安全审查后储存到政府“私有云”中，拥有权限的审计机关可以调用;此外，一些数据可以存储至“公有云”以便外界共享，这些数据可以随时调用。通过信息的交流和共享，打破固有的时间和地域限制，方便采集信息，合理配置审计资源，降低审计成本。在审计机关内部，审计署和地方审计机关可以构建两级数据共享云平台（如图1所示），为避免信息化平台重复建设，审计署可以整合审计署机关与特派办审计资源，构建全国统一的云审计数据库，各省审计厅可以在这个数据库里构建子数据库，分别整合各省、市、县的审计数据。同时，政府绩效审计在构建“云审计”平台时，可以建立安全保障系统，防止数据泄露。可参考国外关于网络云安全的标准，如美国相关机构发布的《公有云安全及隐私指南》，建立一套我国政府绩效审计有关大数据应用的安全标准，制定相关政策法规，对大数据在绩效审计环境安全中的应用进行制度保障，以此来保证审计监督全覆盖背景下大数据应用于政府绩效审计中的安全性与规范性，还可以建立绩效审计数据加密机制，防止外泄。

另一方面，通过大数据挖掘技术、多维度分析等先进技术组成的数据处理平台（如图2所示），对审计数据进行处理分析，将审计数据进行集合，对采集的信息进行充分解析，确保数据完整性以及格式统一性，分析其内在的关联性。同时，为降低大数据使用的门槛，要强化数据调取技术的可操作性和简便性，支持模糊数据的调取和搜索，保证云审计平台人人能用、人人会用。此外，还可以基于人工智能学习技术，构建绩效审计问题库，综合整理一些绩效审计的经常性问题，构建相关审计模型进行分析与解答。在绩效审计实施过程中，可将格式统一的审计数据传输至综合管理系统中，通过线索分析平台、联网审计平台以及业务处理平台对数据进行进一步深入分析，审计后台人员只需要笔记本电脑等终端设备，就可根据分析结果进行考量判断，将审计对象的经济活动与具体业务结合分析，快速确定审计重点，开展审计活动，将结果与以往审计情况对比分析后传输至审计实施现场，同时分析其存在的审计风险大小，及时进行反馈，预防审计风险，提高政府绩效审计效率。

（二）反馈完善政府绩效审计评价系统

审计监督全覆盖不仅要求保证审计覆盖范围，同时也要求保证审计质量。保证审计质量的前提在于建立科学合理的绩效评估体系。大数据通过对被审计项目的全方位数据进行监控，及时反馈信息，对这些信息进行整理总结，有利于构建更客观、更符合实际的评价指标体系。总体来说，要通过智能绩效审计平台采集的信息以及审计过程反馈的结果，评价绩效审计的效果性，以实际结果检验指标的客观性和合理性。一是构建智能分析软件，通过对指标与绩效审计过程的契合性模拟，以评价指标是否具有实用性;二是将分析后的各级指标汇总至各个分类系统中，包括管理绩效评价系统、公共资源耗费评价系统等;三是将各类系统中的指标运用到实际审计项目的案例进行汇总，利用一些统计技术进一步分析指标的覆盖程度是否全面;四是将分析检验的指标汇总至绩效审计评价的系统数据库中，以便在审计过程中灵活调用。

（三）培养大数据技术人才，加强绩效审计队伍建设

政府绩效审计较为复杂，要求专业性的同时，也需要审计人员具备综合性知识。针对审计监督全覆盖背景下政府绩效审计人员数量不足以及知识结构单一化的问题，首先，政府绩效审计队伍在吸收财、会、审专业人员的同时，也要吸纳掌握计算机知识、云计算技术、大数据技术的人才，适当调整审计队伍结构，加强审计人员的互补性;其次，针对大数据技术在审计方面的应用展开培训，建设大数据学习平台，聘请专家进行指导，审计人员可向其咨询有关大数据的问题，在学习平台上相互交流，同时也可以上传关于大数据的学习资料和审计过程中应用大数据技术的相关案例，进行共享，提升绩效审计队伍知识结构的综合性和全面性。同时，还应该提高审计人员的信息处理能力。在高级分析技术方面，审计人员独具的自主思考能力是无可替代的。大数据在处理时所运用的工具和技术具有很大的优势，审计人员需要根据不同的业务性质作出不同的判断。

（四）建立大数据安全规范与标准

审计监督全覆盖背景下，政府绩效审计需要的数据量增加，海量数据的安全性难以保障，我国有关审计数据标准与安全问题的法规制度还比较匮乏。对此，政府绩效审计中，审计数据标准与安全规范可参照全国信息技术标准化技术委员会大数据标准工作组提出的《信息技术大数据术语》和《信息技术大数据技术参考模型》等基础性标准以及中国电子技术标准化研究院、全国信息技术标准化技术委员会大数据标准工作组2018年3月发布的《大数据标准化白皮书（2018版）》。第一步，建立大数据标准体系，相关部门应给予足够重视，要集中力量解决数据规范与安全问题。第二步，规范审计大数据采集的合理尺度，数据采集范围过大，字段包含的经济含义过于广泛，会影响信息的原始性。同时，制定大数据安全规范标准，应立足于实际绩效审计业务，在与相关专家沟通交流的基础上，构建绩效审计数据架构。针对结构化数据和非结构化数据分别建立一套规范体系，通过对数据的标准化，使得审计资料、信息能在审计署与各级审计机关之间互通共享。此外，审计机关可以和相关数据安全机构合作，开发数据保密软件，严格控制授权认证，出台数据安全相关法规制度，防止一些涉及国家机密的审计数据外泄。

（作者单位：西北大学经济管理学院，邮政编码：710127，电子邮箱：1398794972@qq.com）

主要参考文献

刘国城，王会金.大数据审计平台构建研究[J].审计研究， 2017（6）：36-41

王会金，刘国城.大数据时代政务云安全风险估计及其审计运行研究[J].审计与经济研究， 2018（5）：1-11

鄭伟，张立民，杨莉.试析大数据环境下的数据式审计模式[J].审计研究， 2016（4）：20-27