国家治理体系下大数据审计理论框架研究

阳 杰（教授），应里孟（副教授）

一、引言

大数据审计是国家审计的重大理念创新，其带来的新思维、新技术和新方法正在突破长期以来固有的审计模式。现有审计理论亟需根据大数据审计的新理念、新实践和新动能进行新发展。大数据审计是我国审计信息化建设新的发展阶段。经过多年“金审工程”的建设，我国已经建立起较为完备的审计信息化基础设施，大数据审计体系已初具规模。《关于实行审计全覆盖的实施意见》《国务院关于加强审计工作的意见》和《审计署关于印发“十四五”国家审计工作发展规划的通知》等文件均明示了建设国家审计数据系统和数字化审计平台，形成“国家审计云”，探索在审计实践中运用大数据技术的途径，构建大数据审计工作模式等目标任务要求。

国家审计是国家治理体系中的一项基础性制度安排，是国家治理的基石和重要保障[1]。大数据正在驱动我国国家治理迈向现代化，我国国家大数据审计已实现实质性应用，并且大数据在各行各业中的应用也如火如荼，大数据的变革力量日益凸显。如果只是将大数据从数据量的角度予以放大，那么传统的国家审计工作模式并不会发生实质性改变，也就没有将大数据审计单独建立一个新理论框架的必要了。事实上，大数据正在改变甚至开始颠覆原有的国家审计工作模式。正如刘家义[1]指出的，“国家审计在特定历史条件下遵循自身的内在规律不断演进，其目标、任务、重点和方式等都随着国家治理的目标、任务、重点和方式的转变而转变”。在此背景下，国家审计的本质和目标也应跟随审计需求和审计能力的提升而改变。

与此同时，大数据是促进国家治理变革的基础性力量。大数据被用来提升治理效率、重构治理模式、破解治理难题，将会掀起一场国家治理革命。习近平总书记强调，“要运用大数据提升国家治理现代化水平”“以数据集中和共享为途径，推动技术融合、业务融合、数据融合，打通信息壁垒，形成覆盖全国、统筹利用、统一接入的数据共享大平台，构建全国信息资源共享体系，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务”。国家治理需求的变化又进一步驱动着国家审计向大数据审计转变。

任何一门成熟的学科，都应在总结实践的基础上形成一套完整、相互关联、合乎逻辑的理论框架。正如Anderson[2]指出的，“审计理论的目的是提供一个合理的、首尾相应的概念结构以决定实现既定审计目标所必需的审计程序，审计理论还提供一个评价与改善现行实务与程序的框架结构”。随着大数据审计基础设施的不断完善，我国国家审计对大数据的应用不断发展，积累了丰富的实践经验，发现了大量的理论和实践问题。董大胜[3]指出，当前对国家治理体系下的国家审计研究还不够深入，应以国家治理理论为基础，深化审计理论研究。他还指出，从国家治理入手研究国家审计，使大众对国家审计特别是中国特色社会主义国家审计的认识有了更高、更新的视角，更加符合国家审计产生和发展的规律[4]。因此，探索国家治理体系下的大数据审计理论框架就变得非常必要且迫切。

为准确揭示大数据审计活动的基本原理，深度阐发大数据审计活动的基本规律，深入总结大数据审计实践的基本经验，本文将通过构建大数据审计基础理论，厘清大数据条件下的审计本质、审计目标、审计假设、审计证据、审计程序、审计方法、审计判断、审计报告、审计规范和审计伦理诸多要素的新内涵及其内在联系，以丰富和拓展经典审计理论框架；充分发掘大数据审计实践中的现实问题，洞察大数据及其相关技术之于国家审计的应用能力，发展大数据审计应用理论，搭建理论与实践之间的桥梁，为提升审计数据质量、审计数据分析和审计数据治理能力提供切实可行的解决方案；充分考虑大数据及其相关技术的发展前景，总结国家审计在国家治理体系中地位和作用的演变路径，运用成熟度模型理论，构思大数据审计发展理论，为新时代我国大数据审计的进一步发展提供路径指引，以更好地发挥国家审计在国家治理现代化中的建设性作用。

二、大数据与国家审计

大数据是数据化（Datafication）趋势下的必然产物。数据化的核心理念是：一切都被记录，一切都被数据化，通过数据的描述可以还原出任何现象、行为及其背后存在的规律。英国特许公认会计师公会（ACCA）和美国管理会计师协会（IMA）在2015年联合发布的《数据革命》（The Data Revolution）报告中提出，计算机硬件和相关技术、网络技术的快速发展，数据采集和存储成本的下降，以及新算法的不断产生，引发了数据革命，提供了新的和令人激动的运用数据开展工作的方式。和历史上历次产业革命一样，数据革命可能是人类历史上的一次重要的转折信号。大数据的数据之“大”是相对的，不同的研究对“大”有不同的特征刻画。Seddon和Currie[5]认为，大数据具有“7V”特征（见图1），即多样性（Variety）、高频性（Velocity）、多变性（Variability）、巨量性（Volume）、真实性（Veracity）、价值性（Value）和可视化（Visualization）。这些特征可进一步归为大数据（BD）、快数据（FD）和大计算（BC）。在当前我国国家审计实践中，主要应对的还是巨量性、多样性和可视化问题，之后随着大数据审计能力的提升，逐步向其他“V”拓展。

图1 大数据“7V”概念模型

之所以要将大数据审计从一般性的国家审计理论中剥离出来专门研究，主要还是由于大数据的“7V”特征扩大了审计数据分析的对象，以至于难以通过“小数据”条件下的理论、技术和工具进行有效和高效处理，所以就需要运用具有创新形式的大数据分析。

国家审计借助大数据分析技术的支持（见图2），不仅可以通过更加准确的描述性分析来发现过去存在的问题，还可进一步通过诊断性分析来发现问题背后的原因，更具突破性的是大数据带来的预测性分析能力，实现了从过去对潜在问题的“不知不觉”“后知后觉”到“先知先觉”“未知先觉”，从而采取预防措施。借助人工智能方法，还可进行规范性分析，为发现的问题推荐解决问题的可选方案[6]。如图2所示，“数据→洞察→决策”经历了不同的时间周期和分析阶段，代表了完整的分析周期，这可以进一步用各种分析目标（G）和方法（A）来达成数据到决策的目的[7]。

图2 大数据分析生命周期

正因为大数据分析为改变审计带来了巨大潜能，审计职业界已经开始深入研究大数据及大数据分析对审计理论和实务的影响。例如，美国注册会计师协会（AICPA）的保证服务执行委员会（ASE）和审计准则委员会（ASB）已经成立了一个联合工作组来开发新的《审计大数据分析指南》。国际会计师联合会（IFAC）下属的国际审计与鉴证准则理事会（IAASB）成立的大数据分析工作小组（DAWG）发布了《探索在审计中日益增加的技术使用：关注大数据分析（征求意见稿）》。加拿大注册会计师协会（CPA Canada）的审计大数据分析委员会为在财务报表审计中使用大数据分析提供指导和支持，从2016年开始就陆续发布了一系列《审计大数据分析提示》。英格兰及威尔士特许会计师协会（ICAEW）发布了《大数据分析对外部审计的影响》研究报告，对如何利用大数据分析技术改进审计质量、大数据分析将遇到的技术挑战及前景进行了讨论，以促进审计人员、监管者、准则制定者等利益相关者深入思考大数据分析带来的机遇和挑战。美国政府问责署（GAO）专门向国会提交了《数据和大数据分析创新：新兴的机会与挑战》研究报告，详细阐述了大数据给经济和社会带来的机会与挑战，以及潜在的负面影响。在实务领域，美国证券交易委员会（SEC）开始使用大数据来进行欺诈审计，国际“四大”会计师事务所均已与高科技公司联合开发专门的大数据分析工具。

令人遗憾的是，审计职业界对大数据的思考并未聚焦于基础性的审计理论探讨，更多的是对实务影响进行阐释。在学术研究方面，Earley[8]认为，大数据分析对审计来说是一种游戏规则的变革力量。借助审计大数据分析，审计人员可以测试更多的交易，更加容易侦测舞弊，给被审计单位提供更高质量的审计服务和更广泛的咨询服务。然而，大数据分析依然面临审计人员的培训和专长，数据的可用性、相关性和完整性，以及监管机构和报表使用者期望等方面的挑战。Appelbaum等[9]认为，大数据分析在审计领域受到越来越多的关注。审计人员正面临着一个不断变化的市场，增加包括审计大数据分析（ADA）在内的新技术使用，对满足用户的高质量审计需求至关重要。刘国城、王会金[10]提出了大数据审计平台的构建方法，刘星等[11]提出了推进大数据审计工作将面临的若干挑战与困难。不过，此类研究更多的是基于大数据及相关技术的前景和实践应用所做出的预测和总结，并未深究大数据对审计理论要素的具体影响。

事实上，大数据审计是审计职业界努力适应审计环境变化，以维持其合法性地位的结果。同样，审计环境和审计技术的变化，也会对审计理论结构的诸要素产生重大影响。例如，审计准则、审计证据、审计思维[12]、重要性、审计程序、审计判断等。然而，有研究认为尚有诸多待解决的重要理论难题。例如，Wang和Cuthbertson[13]提出，大数据分析在风险分析中的角色是什么？需要什么程序来确保合乎质量的结果？总体测试的影响和障碍有哪些？大数据分析是否应该利用外部数据？外部审计人员是否可以依赖内部审计人员所使用的大数据分析？对大数据分析结果进行解释的影响因素有哪些？使用大数据分析有什么后果？审计职业界是否需要一个大数据分析框架？Appelbaum等[9]提出，大数据分析方法是否应该被用于审计过程？哪些方法最具审计应用前景？审计中的哪些环节可以使用这些方法？审计准则是否应该进行改变以允许或支持这些方法？审计人员的报告是否应该更具信息含量？在此环境下，审计人员需要的胜任能力是什么？等等。

针对以上问题，学界目前还缺乏系统的理论探讨，尤其是未将其置于一个完整的理论框架中进行研究。事实上，自Mauts和Shraf的名著《审计哲理》（1961）首次完整研究审计理论体系及其结构以来，Anderson的《外部审计》（1977）、Schandl的《审计理论：评价、调查和判断》（1978）、Flint的《审计哲理与原则》（1988）、蔡春的《审计理论结构研究》（2001）均系统地提出了各具特色的审计理论框架。由于在之后的较长时间内，审计环境、审计对象和审计技术并未发生根本性变化，审计理论框架研究一度归于沉寂。既然大数据给审计环境和审计技术带来了划时代的变化，那么审计理论框架中的各要素必然会受到影响，甚至发生颠覆性变化，但至今还鲜见这方面的系统研究。

目前，学界已经对大数据的“7V”特征以及其在思维模式、思维方法上与“小数据”的差异有了较为广泛的共识。习近平总书记对“实施国家大数据战略，加快完善数字基础设施，推进数据资源整合和开放共享，保障数据安全，加快建设数字中国”作出了重大战略部署。在此背景下的国家治理，提倡的是以人为本，提供多样化、个性化、精细化服务，这对过去相对封闭的狭隘意识、追求因果关系的思维方式和用经验治理的理念带来极大冲击和挑战。国家审计在推进国家治理现代化的进程中，更需要利用大数据来实现国家治理方式的最优化、治理手段的科学化、治理效果的最大化。大数据审计自身也要在中国特色社会主义国家治理体系下，利用大数据带来的国家治理体系的变化，借助大数据分析能力，改变审计思维、创新审计理论、再造审计流程，实现国家审计的多样化、个性化和精细化，从而更好地发挥审计在党和国家监督体系中的作用。

三、大数据审计理论框架

本文根据董大胜[3]提出的“摆脱会计理论的束缚，冲破注册会计师审计理论的束缚，跳出所谓国际惯例、国际经验的束缚，纠正从既定的审计概念框架出发开展审计研究的思维方式，改进单纯依赖实证研究的做法，注重审计理论研究成果的实践应用性”的国家审计理论研究要求，采用历史逻辑与形式逻辑相结合的研究方法，即将概念演绎推理与历史经验总结、实务发展趋势预测总结相结合，提出一个既能指导大数据审计理论发展又能指导和评价大数据审计实务的前瞻性理论框架，如图3所示。该理论框架由大数据审计基础理论、应用理论和发展理论组成。

图3 国家治理体系下的大数据审计理论框架

四、大数据审计基础理论

在新时代的国家治理体系下，需要深入阐释大数据审计面临的审计环境新变化、新特点，深入探究大数据审计环境下审计本质等理论要素的新内涵、新要求，以此作为大数据审计基础理论研究的逻辑起点。

1.审计本质。对国家审计而言，审计本质是国家治理需求和国家审计供给能力的矛盾统一体，取决于特定条件下的国家治理需求。当大数据驱动审计供给能力提升时，有可能超过当前的国家治理需求限度，诱发国家治理对国家审计的新需求，新需求又进一步对新供给提出了挑战。供给和需求的矛盾不断转化、相互促进，进而使审计本质实现质变。在国家治理现代化的总需求下，需要充分考虑大数据条件下的中国特色社会主义国家治理特点，考察大数据审计在新的审计管理体系下，面向审计全覆盖要求，解答在“党统一指挥、全面覆盖、权威高效的监督体系”中“是什么”的问题。本文对此的初步观点是，大数据和大数据分析可以帮助提升国家审计能力，拓展国家审计边界，发挥其在国家治理体系中对权力进行监督的信息、控制和咨询“三位一体”职能。

2.审计目标。审计目标的确立是一种主观见之于客观的行为，是审计本质与特定的审计环境相互作用的结果。也即审计目标的提出，是应审计环境的要求，同时受制于审计本质，不能超越审计本质随意构建。过去围绕受托责任构建的包括合法性、经济性、效率性、效果性等的多维审计目标体系，可能不再契合国家监督体系下的国家审计需求。虽然《宪法》《审计法》和《国家审计准则》均将国家审计定位于经济监督，但在大数据审计时，往往不会限定审计目标，而是服务于党和国家监督需求，围绕着信息、控制和咨询的“三位一体”职能来发现问题、分析问题和解决问题。

3.审计假设。审计假设是审计人员面对多变复杂的审计环境时，对某些未经确切认识或无法正面论证的事项和现象所作出的合理推断。审计假设的确定是由审计所处的审计环境和所要达到的审计目标所决定的。现有审计理论框架提供的审计假设是基于“小数据”时代的手工审计环境提出的，大数据审计下应该重新检视这些假设的必要性和适用性，还应根据大数据的新特点和新需求提出新假设，例如“大数据中已包含揭示问题的审计线索”假设。

4.审计证据。在大数据审计中使用审计数据分析，是否能自然地解决审计证据的充分性和适当性问题？由于审计数据分析可以被用于分析和测试详细的业务和事项的总体，审计证据的充分性并不是需要担心的主要问题。然而，如何度量大数据分析提供的证据数量，如何将各种类型的审计证据进行集成，如何用贝叶斯模型进行证据推理依然是尚待解决的难题。适当性是衡量审计证据的质性指标，指的是审计证据为审计意见提供支持方面的相关性和可靠性。传统评价相关性和可靠性的方法可能不再适用。但是，相关性可能继续由判断来决定，这种判断将受到规范化方式评价的影响，因为许多审计测试将通过规范化进入计算机程序，这些程序是当前所不存在的。相比而言，可靠性将可能会增加。因为，通过正式模型来完成的自动化数据提取和利用，相比手工程序而言，更加准确、精细和科学，从而增强了数据的可靠性。

5.审计程序。大数据审计采用的是“数据驱动型”审计模式，这种模式既不同于手工条件下的详细审计，也不是照搬制度基础审计或风险基础审计，而是直接深入大数据中进行验证性分析和探索性分析。现有审计程序中的风险评估、控制测试和实质性测试之间进行区分的必要性就值得商榷了。在大数据审计下，审计监督开始以日常监督为主，审计程序也是围绕数据进行组织。例如，可以将审计程序分为数据准备、数据分析和数据报告阶段。审计程序的核心环节从线下转移到线上，大数据审计的结果将以“例外报告”的形式呈现，审计的现场工作就是对“例外报告”中的问题进行延伸查证。

6.审计方法。在大数据审计下，算法成为审计大数据分析的核心。算法既可用于简单的实质性测试，也可用于高级的预测性风险评估。根据审计任务、所评估的风险和可用数据的不同，需运用与之匹配的算法，方能带来最佳的分析质量和效率。算法是一个广义的概念，它是由各种大数据分析方法组成，由于计算技术和数据技术的不断发展，各种新的大数据分析方法层出不穷，并不断用于审计，因而在大数据审计下，审计方法会以相比过去更快的速度完成更新迭代。大数据审计报告环节的重要性开始得到提升，可视化技术可根据特定审计需求进行个性化定制，将成为一种重要的审计方法。大数据给审计方法创新带来了极大的空间，技术的进步给审计方法创新带来了充足的技术支撑，这些都有待深入研究。

7.审计判断。在风险导向审计模式下，审计判断是审计人员用于控制审计风险的一种经济、高效的手段。在实践中，已在大数据审计中尝试运用人工智能和各种机器学习技术来自主学习审计人员的思维模式，从而逐步实现对审计判断的替代。审计大数据被定义为“在一个审计项目中，对审计主题的基础和相关数据进行分析、建模和可视化，揭示和分析其中隐含的模式，识别异常，获取其他有用的信息，以用于计划或开展审计的科学和艺术”[6]。正因为审计大数据分析艺术性的存在，使得审计判断难以通过智能化途径完全自动化。例如，对数据可得性、可靠性、相关性和完整性的考虑，对审计大数据分析使用的时机和条件、算法的定制和选择、阈值进行设定与调试，对数据分析报告内容的解读、对审计证据的评价，都离不开审计判断。

8.审计报告。在国家治理现代化要求下，审计报告使用者的范围不断扩大，审计报告的内容、形式和发布方式都需要进行改变。首先，大数据审计提供的审计意见是否需要以一种更加量化和概率化的方式呈现？其次，从用户体验角度出发，如何设计可视化的界面来向用户展示数据分析结果，避免提供冗余信息，以达到最好的信息和知识传递效果。这时就不只是如何运用计算机图形学和图像处理等技术问题了，还需要从美学和心理学的角度将可视化界面作为一件艺术品进行设计。最后，大数据审计不仅面向过去，其更大的价值在于预测未来，所提供的审计报告应围绕信息、控制和咨询职能提供相关信息，并且更多地侧重于咨询职能，为国家治理提供有价值的建议。

9.审计规范。我国现行《国家审计准则》是2010年的修订版，该准则的修订并非立足大数据背景。IAASB在面向全球征求《探索在审计中日益增加的技术使用：关注大数据分析》意见时，许多权威机构在复函中都对审计准则中相关问题的修订提出了建议。审计规范是审计理论指导下的结果，既然诸多基础性审计理论要素的内涵都体现出了新特点，那么在《国家审计准则》的审计计划、审计实施（包括审计实施方案、审计证据、审计记录、重大违法行为检查），审计报告（包括审计报告的形式和内容、审计报告的编审、专题报告与综合报告、审计结果公布、审计整改检查），审计质量控制和责任等方面的规范也需要进行相应的调整。

10.审计伦理。大数据审计带来了新的伦理考虑，特别是当大数据审计开始被嵌入机器学习和人工智能时，对审计伦理的考虑需要放到一个更加突出的位置。例如，作为在人工智能时代审计决策的核心算法，是否本身存在算法歧视，是否可以进行道德推理，算法的可信规则是什么，基于算法的审计决策责任如何界定，如何对信息安全和个人隐私进行规制，在审计中审计人员应如何保持独立性。在这方面，电气与电子工程师协会（IEEE）在《人工智能设计的伦理准则》（2017）中阐述的人工智能设计“基本原则”提供了很好的启示，这些原则包括人权原则、福祉原则、问责原则、透明原则和慎用原则，都是学者们在研究大数据审计伦理时可资借鉴的。

五、大数据审计应用理论

根据大数据审计的“数据驱动型”特点，按照审计大数据分析体系（见图4）的特点，将大数据审计应用理论区分为审计数据质量理论、审计数据分析理论和审计数据治理理论。

1.审计数据质量理论。大数据的“7V”特征将是审计数据采集和存储面临的重大挑战，其直接影响后续的数据挖掘和清洗、数据集成和聚合、数据分析和建模工作。特别是国家治理体系中存在的技术短板、部门利益、安全陷阱、问责压力与产权纠纷等主要障碍和壁垒，影响着大数据的充分开发和利用。在定义审计数据质量特征时，如何确定一个可定义、可操作性的质量标准，既要保证能充分发挥大数据混杂性本身的优势，又不至于使之成为大数据审计的障碍。因此，需要根据国家治理体系中大数据的特点，对用于大数据审计的数据真实性、完整性、相关性、可用性和安全性进行定义，制定审计数据质量规范。

2.审计数据分析理论。审计数据分析是审计应用理论的核心，其要解决的是如何将大数据和大数据技术二者进行有机融合，从大数据中提取出有价值的审计线索并辅助审计决策，这就需要进行审计大数据分析。审计大数据分析可从功能维度和技术维度进行理论建构。在功能维度，根据图2，审计大数据分析可分为描述性分析（审计对象发生了什么）、诊断性分析（审计对象正在发生什么）、预测性分析（审计对象将会发生什么）和规范性分析（针对发现的审计问题，应该采取的最佳行动是什么）四个层次。在技术维度，审计大数据分析可分为统计（用基本统计方法从审计抽样数据中推断总体中隐含的基本规律）、挖掘（用机器学习算法从审计总体中直接发现隐含的深层次规律）、发现（用知识推理等技术寻求解决审计问题的方法和途径）、预测（用可视化分析、数据挖掘等技术建立起预测模型来推断被审计对象的发展趋势）和集成（用社会网络分析等技术将审计对象内外部行动者数据进行有机融合分析）五个层次。

3.审计数据治理理论。使用大数据的人员具有理性或非理性的特质，他们很可能在使用大数据时受限于其特质，误用、滥用或非法使用大数据从而陷入大数据困境，从而形成大数据黑洞。审计数据治理是大数据审计应用理论的保障环节，主要包括主数据管理、数据生命周期管理与数据安全和隐私管理。如图4所示，主数据管理被视为管理数据的流程、治理、策略、标准和工具，对数据进行适当的标准化、删除和合并，以保证主数据的及时性、完整性、准确性和可用性。数据生命周期管理是在整个生命周期中管理业务信息的过程，从归档数据到维护数据仓库、测试和交付应用程序系统，再到删除和处理数据。数据安全和隐私管理是在敏感数据发现、薄弱点和配置评估、主动监控、审计和合规报告及数据保护等方面提供企业级数据活动的平台。由于数据管理的复杂性，审计人员必须面对数据治理的伦理、法律和监管挑战，需要对敏感数据实施严格的数据规则和控制机制，以防止安全漏洞并保护隐私。

图4 大数据审计分析体系

六、大数据审计发展理论

大数据审计发展理论主要运用成熟度模型，为国家审计机关提供定位大数据审计发展阶段的标准，为大数据审计战略规划提供路径图，并能根据关键绩效指标监控每一阶段战略目标的实现情况。据此，本文构建如图5所示的大数据审计发展成熟度模型。

图5 大数据审计发展成熟度模型

1.基础阶段。该阶段的审计人员仅接受过入门级的大数据分析培训，使用的是专用的大数据分析工具，用于特定审计任务的临时性分析。例如，进行基本的统计、分类或汇总，但仅由对技术感兴趣的少数审计人员使用。大数据分析可以帮助审计人员进行较深入的风险评估，但审计人员对于所需测试的大数据并无准确把握，从而影响分析效果。

2.应用阶段。在前一阶段基础上，应用阶段的大数据分析更加完整，它与审计过程进行了完整的集成，并且开始改变国家审计工作模式。在该阶段，审计计划和审计程序设计开始将大数据分析考虑进来，有效地创建起一种“大数据分析驱动的审计程序”，通过一种专门的分析测试，在有用和可行的前提下，帮助完成审计步骤或目标。并且，针对一个完整的审计领域，已经建立起了一组完整的可重复的测试集。

3.管理阶段。管理阶段开始将大数据分析作为审计过程核心组成部分。该阶段的目标是实现基于团队的大数据分析，数据和过程将是中心化的、安全的、受控的和高效的。处于管理阶段的国家审计机关必须具备高效管理大数据分析内容和活动的人员、过程和技术。

4.自动阶段。一旦一组完整的测试集被开发出来并得到良好的管理，那么大数据审计就可以迈向自动（化）阶段。从技术角度来看，持续审计的基础已经就绪。然而，要使之切实有效，持续审计还需要对审计过程进行一些根本性变革。传统审计循环具有清晰定义的时间框架，存在审计报告生产的起点和终点；与之相比，持续审计的不同之处在于，进行测试、复核和报告的过程不同，并且它们是持续运行的。用于开展持续审计的角色和责任与传统的周期性方法也不相同。

5.监控阶段。当前面阶段的所有基本条件均已具备的时候，国家审计机关就可以考虑将大数据分析拓展到更广泛的领域来提升审计监督效能。如果审计可以有规律地生成关于存在问题的报告，并在所定义的“例外事项”出现时，即可将发现的问题立即通知当事人，以督促他们采取必要的应对措施。

七、结语

本文立足我国新时代的国家治理体系以及系统构建的大数据审计基础理论、大数据审计应用理论和大数据审计发展理论，充分考虑了我国国家治理现代化的特点和需求，摆脱了会计理论的束缚，冲破了注册会计师审计理论的束缚，也跳出了所谓国际惯例、国际经验的束缚，对既定的审计概念框架进行了创新，更加注重大数据审计理论的实践应用性。在总结大数据审计实践经验的基础上，界定了大数据审计理论要素，丰富了经典审计理论框架，拓展了国家治理体系中的国家审计理论，解答了大数据审计实践中的若干理论困惑，深化了对大数据审计在国家治理现代化进程中作用的认识。本文提出的审计数据质量、数据分析和数据治理解决方案，提供了对我国大数据审计当前所存在问题及未来发展方向的可操作性理论路径和实操指引，可作为国家审计机关制定大数据审计指南及相关政策文件的理论依据，亦可成为审计人员大数据审计实践的参考素材。本文构思的审计发展理论将为新时代我国大数据审计的进一步发展提供路径图指引，以更好地发挥国家审计在国家治理现代化进程中的建设性作用。

【主要参考文献】

［1］刘家义.论国家治理与国家审计［J］.中国社会科学，2012（6）：60～72.

［2］Anderson R..The external audit：Concepts and techniques［M］.Toronto：Pitman Publishing，1977.

［3］董大胜.以国家治理理论为基础深化审计理论研究［J］.审计研究，2015（4）：3～5.

［4］董大胜.深化审计基本理论研究，推动审计管理体制改革［J］.审计研究，2018（2）：5～8.

［5］Seddon J.J.J.M.，Currie W.L..A model for unpacking big data analytics in high-frequency trading［J］.Journal of Business Research，2017（70）：300～307.

［6］阳杰，应里孟.审计大数据分析人才需求及其培养［J］.财会月刊，2019（4）：108～119.

［7］Cao M.，Chychyla R.，Stewart T..Big data analytics in finan⁃cial statement audits［J］.Accounting Horizons，2015（2）：423～429.

［8］Earley C.E..Data analytics in auditing：Opportunities and challenges［J］.Business Horizons，2015（5）：493～500.

［9］Appelbaum D.，Kogan A.，Vasarhelyi M.A..Big data and analytics in the modern audit engagement：Research needs［J］.Auditing：A Journal of Practice&Theory，2017（4）：1～27.

［10］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.

［11］刘星，牛艳芳，唐志豪.关于推进大数据审计工作的几点思考［J］.审计研究，2016（5）：3～7.

［12］阳杰，应里孟.大数据时代的审计证据与审计取证研究［J］.财会月刊，2017（1）：115～124.

［13］Wang T.，Cuthbertson R..Eight issues on audit data analyticswe would like researched［J］.Journal of Information Systems，2014（1）：155～162.