大数据技术在反舞弊审计中的应用研究*——基于L公司财务造假案的分析

文/张梦颖（南昌师范学院）

大数据技术不仅在会计记账领域广泛运用，在审计行业中也发挥了重要价值，大数据审计方法越来越多地运用于各个环节。以抽样审计方法为例，目前已经有很多事务所运用了信息化审计软件，根据一些预警指标主动识别潜在的风险与舞弊可能，判断企业的财务流程和账务处理是否规范，相较于人工抽样而言具有更高的准确性，降低了抽样风险，提高了审计效率。目前，大数据技术已经在国家审计领域实现了飞跃性的突破。2014年10月成立的电子数据审计司，在宏观层面统筹电子审计数据信息，使数据实现了全国共享；在国有自然资源审计和管理层离任审计中，大数据技术使得以前难以量化的一些指标变得可以清晰计量。相比之下，社会审计对于大数据技术的应用还不成熟，仅仅是把原来由人工进行的操作以机器替代，而审计过程中对于数据价值的提炼尚未达到最佳的效果。

大数据审计技术与人工智能、数据挖掘、数据清洗、机器学习等支持性技术息息相关，鉴于大数据低价值性的特点，如何从海量的数据中提炼出有效信息成为关键。反舞弊作为审计工作中极为重要和特殊的一环，需要结合多种非常规的审计与非审计手段才能发现潜在的舞弊线索。例如在国家审计中，就持续使用大数据分析手段分析海量的发票，对全国的发票系统进行持续的监督。其实除了国家审计，大数据技术在社会审计中也大有可为，在事前、事中、事后发现舞弊线索，发出预警信号等方面有很大的应用空间。2020年M调研机构发布的做空L公司报告，就是基于多种审计和非审计手段，结合大数据技术等分析方法，发现了L公司虚增收入的有关证据。如果在常规审计期间审计师能够运用大数据技术进行分析，可能在造假初期就能识别出企业内部的症结。本文将结合M调研公司做空L公司的调查过程，分析大数据技术在审计中的潜在应用领域。

一、案例背景

L公司2017年6月于英国开曼群岛注册成立，随后2017年10月在北京银河Soho开启第一家门店,之后陆续在中国28个城市开设了2370家门店，并计划在2019年大幅增加门店数量。2020年1月31日，知名做空机构M公司声称收到了匿名做空报告，直指L公司数据造假。2月3日，L公司否认M的所有指控。2020年4月2日，L公司发布公告，承认虚假交易22亿人民币，股价暴跌80%，盘中数次暂停交易。

二、调查方法

（一）逻辑分析

在做空L公司前，M首先对L公司和星巴克的财务指标及盈利模式进行了对比。作为中国最大的咖啡连锁品牌，L公司一直把超越星巴克作为企业目标。分析结果发现L公司的客户忠诚度和销售模式均不如星巴克，但是销售毛利率却在逐渐接近星巴克，其商业模式与收入值并不匹配。众所周知，L公司采用低价促销方式，经常有大额折扣，还有新客户免费送咖啡的活动，L公司的客户对价格极其敏感，一旦价格补贴策略取消，L公司将面临大量客户流失，而且随着降格补贴的持续，其累积的亏损也越来越多。此外，通过分解其收入的构成，调查方计算出商品价格与销量后，发现随着价格上涨，L公司销售量不降反升，甚至呈现出更高的增长率，这些违反商业逻辑的现象使得M对展开进一步调查有了信心。

（二）数据分析

M在对L公司门店的销售数量、销售单价进行实地调查时，收集了20000多张小票，发现咖啡的实际销售价格要低于官方公布的数据。官方公布的平均售价为11.2元，而M实地收集小票得到的均价为9.87元，足见L公司通过虚增销售价格，从而达到虚增收入的效果。而在抽样门店录制总时长超过10000小时的录像显示，L公司的客流量比其发布的数据显示的要少得多。通过数据分析，M发现L公司借助了互联网在线上进行虚假交易。L公司根据业绩需要倒推代金券数量，再在互联网分摊。而且它利用网络下单信息难以审核的特点，采用跳号下单虚增交易量，从而实现虚增销售收入的目的。

（三）管理层调查分析

L公司的核心创始团队与神州租车管理层是一致的，其对于L公司的管理模式也与神州租车如出一辙。在公司处于上升阶段时，管理层却大幅抛售公司股票进行套现。此外，公司的多位管理人员受到过信用处罚，而且其任职的公司大量存在财务欺诈问题。因此，L公司高管的财务造假可能性十分值得怀疑。

（四）关联方交易分析

L公司几家关联方公司的成立时间、经营范围刚好与L公司的战略匹配，但是报表对具体的交易关系并没有披露。M调查L公司的关联方发现，L公司不仅利用已有的关联方进行利益输送,还虚构关联方以虚增收入。既包括夸大费用支付给关联方公司，再由关联方反过来购买L公司的产品，达到增加营业收入的目的，又有伪造虚假交易、夸大费用等。

三、案例启示

（一）将舞弊线索可视化

通过与被证监会处罚的其他上市公司进行对比，L公司造假的手段并不算新颖，可以说很多实施财务舞弊的公司都有一些类似特征。如果一家公司有较大的上市概率或者处于高速发展阶段，它很有动机为了获得融资而粉饰报表，所以更容易出现舞弊。很多舞弊的企业在利润结构上存在一定程度上的相似性，通过着重识别与舞弊企业有类似利润结构的公司，能提高发现舞弊的效率与准确性。在一些财务指标中，造假企业也具有共性，因此可以基于有关舞弊企业的信息建立数据库，通过大数据技术分析出其存在共性的指标特征，再和非舞弊企业的该项特征进行对比，去除所有企业都具有的特征，最终将舞弊企业独有的指标建立为统计模型，达到数据可视化的效果。未来在进行风险识别的过程中，一旦发现被审计企业与舞弊模型吻合度较高，就可以对审计师发出预警，降低审计失败的风险。而且大数据技术对于关联方的抓取具有天然优势，以企业的治理层和管理层人员为搜索起点，鉴别出所有的关联方，再筛选出关联交易，审计师可以通过对关联交易的识别判断交易的商业实质，发现潜在问题。

（二）由抽样审计向全面审计转变

抽样审计的产生是由于审计项目时间和资金的有限性，审计人员需要在限定的时间内从无法全面覆盖的样本中选择舞弊风险较高的领域进行抽样调查，这是人工审计背景下不得已采用的统计抽样措施。虽然从统计学角度看遗漏重要舞弊线索的概率较小，但是纵观诸多财务造假案，其造假信息并没有成功被抽样审计识别出来。当大数据技术使得全面审计变得可能时，审计师可以利用有关软件分析和整理被审计单位的各类数据资料，信息加工时间却比原来更短，还可以避免抽样风险。

（三）由间断审计向全程跟踪审计转变

目前针对上市公司的审计主要是集中在半年报和年度财务报表的事后审计，事前、事中审计对于事务所的成本和操作可行性都是较大挑战。但是依托大数据和其他技术，事务所可以开发相应的信息系统和模型，通过分析被审计企业阶段性的数据预测其是否能达到预定目标、管理中是否存在风险，把管理会计的手段与审计相结合，消除原来财务会计背景下信息的滞后性，解决目前财务会计信息相关性遗失的问题，让审计师成为企业舞弊的吹哨人。

（四）由财务信息审计向全面信息审计转变

M公司之所以能够发现L公司造假的确凿证据，在于它不仅仅分析了L公司的财务数据，还运用了一些非常规手段分析非财务数据，例如利用对门店的实时录像来分析真实客流量、通过对顾客小票的收集来判断咖啡的真实售价等。注重非财务信息带来的线索可能会给审计师带来额外的收获，因此除了关注企业的财务信息，从其他可获得渠道得到的文本、视频等非财务信息在反舞弊审计中也十分有价值。在L公司的舞弊案中，高管的行为线索也是很明显的舞弊提示，大多数财务造假的公司往往会有在公司发展前景良好时高管套现的现象，当预警系统从证券市场披露的信息中抓取到有关内容时，就可以对审计师进行风险提示。

四、大数据审计需要防范的风险

（一）信息安全问题

大数据审计技术针对的审计对象是电子数据，无论是原始数据还是审计数据，其对信息安全性的要求都十分高。这些数据被存储在信息系统和介质中，如果出现了毁损导致信息遗失，那么将给企业和事务所带来极大的影响。此外网络安全也是亟待解决的问题，黑客入侵或是企业内部的非授权访问都可能造成数据的泄露，从而给企业造成重大损失，事务所也将面临经济赔偿与法律责任。

（二）信息过载导致审计重点模糊

大数据具有低价值性的特点，在数据贫矿中挖掘出有价值信息本身就比较考验审计人员对于舞弊信息的敏感程度。大数据技术会根据设定的关键词无差别地提取信息，在减少了审计人员依据职业经验的判断后，原本容易发现的问题反而变得不明显，而非重点的事项可能占据了大量的审计资源。

任何技术的引入都可能存在风险和隐患，但是只要我们积极预防，将可能带来的负面影响降到最低，就能充分发挥大数据技术的优势，降低舞弊发生的概率，维护投资人和利益相关者的权益。