论大数据时代国家审计变革与发展

蒋楠

【摘要】作为国家治理的重要组成部分， 国家审计在推进国家治理体系和治理能力现代化的进程中发挥着重要作用。 近年来， 随着大数据环境下由精确性向高效性、抽样分析向总体分析、因果性向相关性以及由经验检验向预测性的转变， 国家审计的取证方式、审计范围、审计内容和审计风险也都发生了不同程度的变化。 因此， 需从审计大数据平台的构建以及法律准则的完善等方面改进国家审计的效率效果， 以便更好地服务国家治理、体现国家审计的社会价值。

【关键词】大数据;国家审计;变革与发展;国家治理

【中图分类号】 F239.44     【文献标识码】A      【文章编号】1004-0994（2022）07-0113-5

一、引言

国家审计是由审计机关依法对公共资金、国有资产、国有资源进行管理、分配、使用的真实合法效益， 以及领导干部履行经济责任和自然资源资产及生态保护责任情况所进行的独立监督活动， 实际工作中主要围绕政府职能部门展开， 并在维护国家财政安全、抑制腐败等方面发挥了积极作用[1] 。 基于我国不同的历史发展时期， 对国家审计本质的认识分别经历了“审计监督论”“免疫系统论”和“国家治理论”三个阶段， 审计目标也从监督财政收支的真实合法性转变为预防、揭示并抵御经济运行中存在的问题， 进而发展到服务于国家治理[2] 。 因此， 现阶段国家审计的核心就是以高质量的信息为决策基础， 推动实现国家的良好治理， 保证国家经济社会健康运行和科学发展， 从而更好地保障人民利益。 国家审计通过提供高质量信息， 揭露潜在的问题和风险并提出完善的对策办法来压缩权力寻租的空间， 降低宏观政策实施过程中的不确定性风险， 这是国家审计发挥作用的根本所在[3] 。 可以说， 无论是信息的获取、处理还是公开、反馈都离不开数据的支持。 作为以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合， 大数据的出现使得审计领域开始了量化过程， 传统的审计方法、审计范围及审计内容等都发生了不同程度的变化。 2014年10月， 《国务院关于加强审计工作的意见》（国发[2014]48号）提出， 要“构建国家审计数据系统， 探索在审计实践中运用大数据技术的途径， 加大数据综合利用力度， 提高运用信息化技术查核问题、评价判断、宏观分析的能力”。 国家审计署前审计长胡泽君也多次强调， 要积极推进大数据审计并着力提升大数据审计能力， 坚持科技强审， 加强信息化建设是实现审计全覆盖的必由之路。 但是， 已有文献多侧重于研究国家审计与国家治理的关系以及前者对后者的作用方式和实现路径， 对于影响国家审计的因素及其面临的问题并未做过多的探讨。 基于此， 本文从国家审计的本质出发， 就大数据产生的影响以及在这一背景下如何更加有效地发挥国家审计在国家治理中的作用展开研究， 从而为大数据时代推动国家治理的完善提供参考和借鉴。

二、大数据带来的影响

麦肯锡[4] 在《大数据： 下一个创新、竞争和生产力的前沿》的研究报告中指出， 大数据指的是规模大小超出常规数据库工具进行获取、存储、管理和分析能力范围的数据集。 数据已经渗透到每一个行业和业务职能领域， 逐渐成为重要的生产因素。 作为著名数据库专家Jim Gray提出的科学研究的第四范式（Data-Intensive Scientific Discovery）， 大数据的快速发展对整个社会产生了深远的影响。

1. 从精确性向高效性转变。在传统方式下， 由于数据来源较为简单， 数据组成形式多为结构化数据， 加之分析技术和方法较为单一， 因此人们更注重数据的精确性。 随着数据成为最重要的生产资料， 大数据时代无论是数据来源还是结构都更为多元化， 数据构成纷繁复杂， 数据量和计算机处理能力呈几何级倍数增长， 人们要用这些数据做更多的事情、创造出更好的结果以从中受益， 而非以极其高昂的代价消除所有的不确定性， 因此大数据环境下人们反而降低了容错标准， 追求数据的绝对精确既无必要也不可行， 数据的时效性成了当前社会更为关注的重点。

2. 从抽样分析向总体分析转变。一直以来， 由于记录、存储和分析数据的工具受到限制， 人们只能通過收集少量数据的方式来进行， 即对于大的样本总体主要依靠抽样的方式来实现。 随着大数据时代的到来， 新技术的应用使得数据处理变得更加方便快捷， 可处理的数据量也越来越多， 对与业务相关的全部数据进行总体分析得以实现， 真正做到了“让数据说话”。 正如数据集成专家Pervasive Software公司的大数据产品高级主管DaveInbar所言， “在过去， 我们采用抽样数据， 可能还有经济成本方面的考量或者技术达不到的原因。 但在今天， 这些原因都不复存在。 数据采样在过去是最好的实践方案， 但我认为它的时代已经过去了”。

3. 从因果性向相关性转变。大数据所具有的大体量、多样性等特点让人们看到了以前未曾注意过的事物间的联系。 与较为单纯的因果关系相比， 大数据时代更侧重事物间存在的千丝万缕的相关关系， 即从“为什么”转向“是什么”以及“会怎么样”的问题。 借助云计算、分布式系统等互联网技术， 人们能够深入揭示并利用各类数据之间的关联关系来发现一些潜在问题并掌握风险的变化趋势， 有利于对事物进行整体的把控。

4. 从经验检验向预测性转变。相对于传统的小数据集， 建立在相关关系分析基础上的预测是大数据的核心， 审计人员可以通过事物间的相关性捕捉到事物的现状并预测未来[5] 。 2009年， 谷歌使用Google流感趋势（Google Flu Trends， GFT）这一工具对海量的网上搜索记录进行分析， 成功地先于卫生机构两周预测了甲型H1N1流感在全美的传播趋势。 基于对大数据的计算和分析结果， 人们可以归纳并演绎出事物的发展规律和趋势， 从而为战略决策的制定提供科学指导。

三、大数据时代国家审计的变革及发展

十八大以来， 党中央和国务院高度重视大数据技术在推进国家治理现代化过程中的应用。 审计署在2014年12月增设了电子数据审计司， 并先后出台了审计业务电子数据管理、审计业务电子数据远程联网管理和共享审计业务电子数据等规定， 明确了数据采集、整理、使用等各环节要求， 初步构建了较为完备、规范的大数据审计体系。 2015年12月， 中共中央办公厅和国务院办公厅联合印发的《关于完善审计制度若干重大问题的框架意见》及配套文件《关于实行审计全覆盖的实施意见》（中办发[2015]58号）提出， “要构建大数据审计工作模式， 提高审计能力、质量和效率， 扩大审计监督的广度和深度……适应大数据审计需要， 构建国家审计数据系统和数字化审计平台， 积极运用大数据技术……探索建立审计实时监督系统， 实施联网审计”。 2016年6月， 审计署发布了《“十三五”国家审计工作发展规划》， 明确提出要以提升审计能力和审计效率为目标， 加大数据集中力度， 完善国家审计数据中心， 形成“国家审计云”。 同年10月， 《“十三五”国家审计信息化发展指导意见》（审数据发[2016]97号）强调， 要进一步利用非结构化数据查询和数据挖掘等大数据分析技术， 推进以大数据为核心的审计信息化建设。 面对大数据带来的重大机遇， 国家审计的变革和发展主要体现在以下几个方面：

1. 审计取证方式。在审计发展的历史长河中， 账项基础审计和制度基础审计模式下虽然关注的重点和实施路径有所不同， 但无外乎都是通过梳理政策、检查账簿报表等文件资料、观察并询问部门及相关人员来获取信息并以此为依据展开审计工作。 随着现代风险导向审计的发展， 其所具有的“整体观”使得审计人员取证范围从财务报表扩展到了全部的业务活动及战略， 其中非财务信息占据了绝对的主体地位[6] 。 但由于受制于成本效益原则和审计技术， 小数据时代证据的获取仍旧沿袭传统的方式来进行。 大数据环境下， 数据载体由传统的纸质媒介变为机器可读的存储介质形式， 业务处理流程也按照预先设置好的程序指令来完成， 尤其是大数据所具有的异质性结构以及高频性和详尽性特点使得传统的审计取证方式逐渐消失[7] ， 证据的提取和分析工作更多的是由计算机辅助审计工具与技术（CAATs）完成， 审计人员不再需要进入各个被审计单位去现场获取审计证据、进行审计沟通， 而只需要根据国家治理的要求或政策关注点随时调整审计重点， 在审计中利用大数据进行取证成为必然[8] 。 不仅如此， 审计人员还通过网络爬虫的方式从网站上获取数据信息， 利用遥感地理信息系统（GIS）或全球定位系统（GPS）等精准获得国土审计、农业综合开发项目审计、投资交通审计、矿产审计等所需的地理数据， 多样化的技术手段被广泛应用于审计数据的获取中， 取证方式的变化使审计人员将工作重心由大量重复性的基础工作转移到为国家提供战略性的决策支持工作上来， 因此风险导向下的国家审计从数据源开始就实现了审计风险与战略决策风险的紧密相连。

2. 审计范围。 作为完善国家治理的重要路径， 国家审计的质量不仅体现在对审计准则的遵循程度上， 大数据的应用、普及和推广也进一步拓宽了审计证据的来源， 提升了国家审计的效率和效果。 传统方式下， 由于非结构化信息大多未纳入审计人员的取证范围[9] ， 因此在不可能收集和分析全部业务数据的情况下， 小数据时代的审计只能依赖“快思维模式”的抽样审计方法从抽取的样本入手， 并据此推断审计对象的整体情况。 即使达到了准则层面的充分性这一标准要求， 但由于抽样行为忽视了所处环境的动态变化， 且以财务信息为主的样本数量的有限性也无法代表大量的具体业务活动， 因而审计人员仍无法发现并揭示政策实施及执行过程中存在的所有缺陷， 审计过程隐藏着巨大风险。 相比小数据时代审计信息匮乏、成本约束和技术有限的窘境， 大数据环境下所有的人、事、物都可以被记录、计量和电子化采集， 进而转化为数据[10] 。 特别是税收、社保、公积金、资源环境等处于动态、开放环境下的半结构和非结构化数据的加入大大拓展了审计人员的审查范围， 审计证据的充分性、及时性、可靠性、相关性以及真实完整性等都得到保障。 不仅如此， 大数据环境使得审计数据都能被准确无误地采集， 联机分析处理技术（OLAP）、SQL EM、Python、SAS Base及云计算等各种技术工具搜集并对数据进行深入挖掘分析和实时监测， 使得审计由随机抽样转向了基于总体的全样本审计。 特别地， 结合物联网下射频识别（RFID）以及借助Python技术对外部网站中的媒体报道、行业信息等实施的数据抓取会使得信息更加客观真实， 具有更强的证明力。 由此可见， 丰富的数据类型以及大数据技術的应用基本上实现了审计对象的“全覆盖”， 信息的深度关联及交叉验证大大减少了审计人员因主观误判而造成的不确定性， 也更容易发现欺诈舞弊行为， 从而极大地规避了抽样审计引发的风险[11] 。

3. 审计内容。 作为重要的政治制度安排， 国家审计通过更大程度地公开和整合政府数据资源来评价并监督政府及相关机构受托责任的履行情况， 是提高政府公信力并增强国家治理能力最有效的方法[12] 。 常规方式下， 无论是经济责任审计、预算执行情况审计、社会保障资金审计还是政府性债务审计等都是事后审计， 数据量的限制也削弱了预防、监督和整改问责的作用， 导致国家审计治理功能的发挥存在一定的滞后性。 在开放的大数据环境下， 审计触角的无限延伸实现了数据的跨界关联， 来自不同区域、行业、单位和部门的各类数据要素无论是在维度还是在层次上都相互影响并紧密联系着。 在以抽样审计为主的小数据环境下， 人们只能关注事物间的因果关系， 而透过简单的因果关系很难观察到政策实施产生的整体效果， 更何况绝对的因果关系是不存在的。 随着大数据审计时代的到来， 审计人员的关注点转向获取更加相关的证据[13] 。 例如， 在社会保障资金审计中， 审计人员可以把社保数据与扶贫、户籍、医疗、车管、工商等所有相关数据关联起来进行可视化分析， 查处虚报冒领或重复领取的违法违规行为， 保障人民群众的基本权益， 切实维护社会的公平正义。 因此， 基于对不同来源和不同维度的海量数据的筛选、分类和标准化， 审计人员可以进行更深入地挖掘、归纳及分析， 通过优化审计资源配置更有效地确定审计重点， 实时动态地掌握有关的风险异动， 从更高的层面和更综合的角度提供具有客观性和前瞻性的建议， 推动国家审计由小数据时代的事后且被动的周期性方式转变为大数据环境下的事中、甚至事前的主动、持续性的在线审计[14] 。

4. 审计风险。 一方面， 基于具体资金业务或项目展开的汇总、趋势分布及阶段特征等全面系统的大数据分析让以往隐蔽性的问题充分暴露出来， 大大降低了国家审计过程中的风险。 但与此同时， 各种业务和风险管理活动在大数据时代都以数据信息流的形式呈现出来， 其中存在的大量冗余和无效信息使得风险相比以往更为复杂、隐蔽、不容易控制， 且更加容易转化[15] 。 尽管一些用于分析大数据的工具已被开发出来， 但是由于大数据中掺杂了很多噪音， 需要审计人員对数据信息进行筛选、清洗等， 因此从源头开始， 数据的收集、清理、转换以及分析模型的构建， 包括对控制流程的了解等都存在不同程度的风险。 由于很多传统的审计程序已经被电子数据处理所取代， 因此现代审计人员必须知道数据是如何产生的、如何被处理以及什么地方存在着安全隐患。 尤其是像社会保障和政府性债务资金审计， 由于业务较为复杂、覆盖面广、参与单位多且数据量大， 从而使得识别出单个数据或数据集是否被非法修改、删除、隐藏或破坏就变得非常困难， 因此保证数据安全成为组织面临的一个重要问题[9] 。

四、进一步思考及展望

大数据的出现使得各个领域着手量化过程， 以音频、图片、电子邮件等半结构甚至非结构化形式呈现出的数据信息大大扩展了审计的功能， 审计规则和审计人员的工作方式也发生了不同程度的变化， 审计人员由追求“局部、精确”向追求“全貌、高效”转变[11，16] 。 由数据驱动的大数据审计模式通过帮助审计人员从大数据中挖掘规律性的“小模式”， 进而把握隐含在大数据中的政策运行及业务发展规律并发现其中存在的问题， 这为开展风险的预测评估以及后续的整改问责等一系列工作提供了先决条件[17] 。 当然， 作为推动国家治理的重要力量， 国家审计的最终目的不仅仅在于给出审计结果， 更重要的是坚持发现问题和落实整改并重， 以推进国家治理的有效性、法治性和主体多元化。

我国在2002年4月就由审计署牵头启动了审计信息化系统建设项目“金审工程”一期， 2008年7月进行了二期建设， 目前正在进行三期建设。 该工程借助大数据整合政府部门资源， 建立数据信息共享平台， 通过打破数据孤岛促进各级审计机关与政府部门及各被审计单位的协同合作， 实现了从经验性的阶段审计向数据驱动的持续性审计转变。 在2018年审计署对中央部门的预算执行情况审计中， 首次实现了对中央一级预算单位的审计监督全覆盖， 这也正是发挥国家审计常态化经济体检的重要路径。 为了推动审计信息资源的规范化和标准化， 2007年审计署又制定了《国家审计数据中心基本规划》（审计发[2007]44号）， 对审计工作中获取和形成的基础数据及其审计应用、共享交换等进行了规划， 制定了目录体系的资源分类和编码规则， 以及交换体系的技术架构、交换方式和技术实现规范。 2015年， 审计署发布了《关于定期报送审计电子数据范围的通知》（审办财发[2015]171号）， 规定每年定期对全国各地的财政、税收、工商、民政等部门的电子数据进行收集， 为建设审计大数据中心提供数据储备。 大数据分析平台带来的共享性和及时性使国家审计逐渐由单向、封闭、被动、定性模式向协同、开放、主动、定量模式转变。 2011 ～ 2017年间， 审计署依托审计大数据平台分别组织实施了全国地方政府性债务审计、社会保障资金审计、土地出让收支和耕地保护情况审计、保障性安居工程跟踪审计、重大政策措施落实情况跟踪审计和精准扶贫精准脱贫跟踪审计等多个大型的审计项目， 对高风险领域进行了摸底排查， 充分发挥了国家审计服务国家治理的作用。 为了更好地利用政府数据资源， 2020年4月发布的《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》明确提出“推进政府数据开放共享”“研究建立促进企业登记、交通运输、气象等公共数据开放和数据资源有效流动的制度规范”， 为政府数据的进一步开放奠定了政策基础。

虽然大数据的应用缩短了业务发生与审计介入之间的时间间隔， 有助于改进国家审计的效率和效果， 减小审计的期望差距， 但是也引发了许多问题[18] ， 因此建议如下：

1. 积极推广应用TB级的大数据存储与分析技术。 由于基层审计机关及部分单位信息化程度差异较大且数据汇总能力有限， 导致在执行过程中仍存在信息孤岛， 大数据的效用因数据量受限没有得到充分发挥， 加之传统的计算机辅助审计技术（CAATs）缺少文本文件、社交数据等非结构化数据的分析功能， 无法满足大数据环境下数据分析的需要， 依靠“数据”说话的审计领域仍处在用关系数据库处理TB级数据的阶段， 制约了国家审计这一“免疫系统”发挥作用。 面对更为复杂的业务事项、频繁变化的政策要求以及更为庞大的数据处理分析等一系列问题， 审计部门需要继续加强数据的共享和融合， 将收集的整改数据纳入以SaaS服务模式为依托的审计数据库中， 积极推广应用TB级别的大数据存储与分析技术， 通过数量和质量两个途径逐步完善与国家治理全面契合的大数据审计平台， 避免平台数据出现“僵尸数据”“沉睡数据”的情况。

2. 审计人员密切关注数据安全， 提升预判和分析能力。 针对技术上的欠缺以及不确定的政策或有问题的数据传播和披露操作这两大安全漏洞来源， 审计人员应该密切关注在这一安全意识程序中的六个领域， 即数据、网络、用户行为、社交媒体、移动设备以及社会工程。 要重视并保证基础数据的真实性、完整性和有效性， 特别是对于采用云技术提供大数据解决方案的单位， 应该意识到云计算带来的风险， 包括合同的合规性和安全风险等。 审计人员应认真审核有关数据保护和隐私的法规， 并仔细评估大数据平台和相关基础架构及应用程序的安全控制， 确定大数据的基础结构是否按照具体的安全指南（如Hadoop安全指南）进行配置的， 同时要限制对数据的逻辑访问， 对系统审计日志实施监控或定期检查。 不仅如此， 为了降低风险， 有关解决方案的软件平台和操作系统也应进行定期的漏洞扫描和升级， 包括相关的数据丢失预防系统（DLP）、入侵检测系统（IDS）及防火墙等其他环境安全控制， 以便在应用过程中更加敏锐和高效。 除了数据的安全性风险， 审计人员专业技能或认知的局限性也很容易因为数据信息量过载而影响审计的判断质量， 从而带来误受风险[13] 。 因此， 审计人员要尽快适应未来的职业需求， 将审计发现的问题及运用的方法和经验进行归纳总结， 予以规则化、模型化后形成审计模板并内嵌于国家审计的大数据平台系统运行中， 便于实时把控问题的发展趋势， 提高政策的预见性和科学性。 当然， 这些工作也不能全部让位于纯机械性或程序性的判断， 例如在各地的保障性住房审计项目中， 部分省市会结合地方财政的实际情况对国家规则进行不同程度的修正， 从而使得经济适用房土地出让金的比例与国家规定的土地划拨政策存在明显不符的情况， 这就需要审计人员结合国家政策的战略目标及项目实施的具体情况等对发现的问题进行全面深入的剖析。

3. 加强国家审计法律制度体系及相关准则、规范和要求的顶层设计。 就目前所能查询到的文件来看， 仅有2001年、2010年及2013年发布的《国务院办公厅关于利用计算机信息系统开展审计工作有关问题的通知》（国办发[2001]88号）、《国家审计准则》（审计署令第8号）和《第2203号内部审计具体准则——信息系统审计》中的部分规定与电子数据相关， 与大数据有关的内容几乎沒有涉及。 因此， 应从国家层面积极推进并规范国家审计工作中大数据的采集、存储和挖掘并写入修订后的《审计法》中， 为大数据的技术和方法应用提供法律依据。 随着我国国民经济的快速发展， 如何在有限的时间内搭建面向不同业务需求的系统架构， 合理使用审计大数据平台及分析方法并以此为契机进一步深化国家审计制度改革， 创新审计理念， 健全并完善法规和准则制度体系建设， 从而实现国家审计的“乘数效应”成为未来需要重点关注的问题。

【 主 要 参 考 文 献 】

[1] 刘雷，崔云，张筱.政府审计维护财政安全的实证研究——基于省级面板数据的经验证据[ J].审计研究，2014（1）：35 ～ 42.

[2] 刘家义.国家治理现代化进程中的国家审计：制度保障与实践逻辑[ J].中国社会科学，2015（9）：64 ～ 83.

[3] 张立民，崔雯雯.国家审计推动完善国家治理的路径研究——基于国家审计信息属性的分析[ J].审计与经济研究，2014（3）：13 ～ 22.

[4] 麦肯锡.大数据：下一个创新、竞争和生产力的前沿[R/OL].https：//max.book118.com/html/2015/0907/24874123.shtm9，2021-01-09.

[5] 舍恩伯格，库克耶.大数据时代：生活、工作与思维的大变革[M].杭州：浙江人民出版社，2012.

[6] Alles M.G.. Drivers of the Use and Facilitators and Obstacles of the Evolution of Big Data by the Audit Profession[ J].Accounting Horizons，2015（2）：439 ～ 449.

[7] Rob Kitchin， Gavin McArdle.What Makes Big Data， Big Data？Exploring the Ontological Characteristics of 26 Datasets[ J].Big Data & Society，2016（1）：1 ～ 10.

[8] 秦荣生.大数据、云计算技术对审计的影响研究[ J].审计研究，2014（6）：23 ～ 28.

[9] Yoon K.， Hoogduin L.， Zhang L.. Big Data as Complementary Audit Evidence[ J].Accounting Horizons，2015（2）：431 ～ 438.

[10] McAfee A.， Brynjolfsson E.. Big Data：The Management Revolution[ J].Harvard Business Review，2012（10）：3 ～ 9.

[11] Earley C. E.. Data Analytics in Auditing：Opportunities and Challenges[ J].Business Horizons，2015（5）：493 ～ 500.

[12] Stacey Shindelar. Big Data and the Government Agency[ J].Public Manager，2014（1）：52 ～ 56.

[13] Brown-Liburd H.， Vasarhelyi M. A.. Big Data and Audit Evidence[ J].Journal of Emerging Technologies in Accounting，2015（1）：1 ～ 16.

[14] Krahel J. P.， Titera W. R.. Consequences of Big Data and Formalization on Accounting and Auditing Standards[ J].Accounting Horizons，2015（2）：409 ～ 422.

[15] 王兵，刘力云，鲍国明.内部审计未来展望[ J].审计研究，2013（5）：106 ～ 112.

[16] Warren J. D.， Moffit C.， Byrnes P.. How Big Data Will Change Accounting[J].Accounting Horizions，2015（2）：397 ～ 407.

[17] Floridi L.. Big Data and Their Epistemological Challenge[J].Philosophy & Technology，2012（4）：435 ～ 437.

[18] Cao M.， Chychyla R.， Stewart T.. Big Data Analytics in Financial Statement Audits[J]. Accounting Horizons，2015（2）：423 ～ 429.

（责任编辑·校对： 刘钰莹  罗萍）