大数据审计技术在经营性房产专项审计中的应用——以N 单位为例

罗展前

（广西永兴会计师事务所，南宁 530022）

1 研究背景与意义

在当前的信息化浪潮中，众多行业正在积极推进技术升级，信息技术的快速发展已成为不可逆转的趋势。随着被审计单位从传统的纸质记录方式转向电子化管理，电子数据的数量正在以前所未有的速度增长，这对传统审计方法和工具提出了新的挑战。本文探讨如何通过大数据审计技术在房产租赁业务中达到审计目标。

经营性房产是企业重要的资源，是许多企业的关键资产，为其带来了持续稳定的现金流。然而，经营性房产领域长期存在的粗放的经营管理模式、缺乏规范的管理体系和较高的腐败风险，均严重阻碍了这些资产的保值和增值。因此，如何有效管理和监控经营性房产，防止资产流失，一直是内审和独立第三方审计机构面临的一大挑战。

本文通过分析N 单位经营性房产的专项审计案例，探讨基于Python 的大数据审计技术在经营性房产业务专项审计中的应用。这些技术工具能够帮助审计人员更有效且更准确地分析数据间的关联，识别异常情况，从而提高审计效率，防止租赁资产的流失，确保资产的有效管理和增值[1]。

2 大数据审计转型的动因

为适应大数据对审计领域的影响，同时，提高审计效率和审计质量，很多会计师事务所正在积极转向大数据审计的战略发展。这主要是基于以下4 个动因：

①环境动因。目前，企业逐渐采用ERP 系统，实现财务管理的信息化。物联网、云计算、大数据、区块链和人工智能等技术的发展，进一步加深了企业信息化应用，促进了财务业务与这些技术的深度融合，实现了大量数据的自动化采集与整合[2]。②审计质量动因。目前，监管单位对审计质量的要求越来越高，审计程序与审计证据的质量越来越受到关注。通过大数据审计，审计工作可以更加详细、全面，从而提高数据分析的全面性、审计判断的准确性、审计程序的效率，使审计结果更加直观，审计证据质量更高。③市场动因。市场需求的不断扩大和对提高盈利能力的追求是促使审计机构向大数据审计转型的外部动因。④战略动因。面对大数据时代的竞争变化，审计行业的战略调整也是促进大数据审计转型的关键因素。国际四大会计师事务所在大数据、人工智能和区块链领域的投资，以及与高科技公司合作开发的创新审计工具，体现了应对新竞争态势的战略调整。

3 N 单位的基本情况与审计难点

3.1 基本情况

以N 单位的经营性房产专项审计为例，审计项目组为了提升项目的审计效率与质量，在项目中运用了大数据审计技术。

N 单位是一家资产管理公司的子公司，目前的主要业务是房产租赁业务，管理约1 000 处可出租资产，在审计过程中发现其管理存在多方面的问题，例如，不执行资产盘点规定、资产信息记录不一致、财务入账信息不准确、收据使用不规范及合同管理缺失等。这些问题导致其房产租赁业务出现租金应收未收、公款私存和未按时足额上缴资金等重大风险。

本次审计的目标是，审定可出租资产合同的应收金额、资产管理员的缴款金额以及财务账的入账信息，由此得出审计结论，即：①每位资产管理员是否足额地将收取的金额（对应手写纸质凭证金额） 存入公司银行账号（对应银行对账单），是否存在侵占租赁收入的情况；②每位资产管理员是否按时地将收取的金额（对应手写纸质凭证金额）存入公司银行账号（对应银行对账单），是否存在占用租赁资金的情况；③每项可出租资产的合同应收金额与入账记录的金额的差异，确认应收未收的合同款项金额。

3.2 审计难点

3.2.1 手写收据数量庞大，填写不规范

N 单位的多名资产管理员共开具了约23 000 份手工填制的收据，总额达到1.2 亿元。这些手写的原始收款凭证数量庞大，且常出现名字与地址书写错误或与实际不符的问题，为数据录入和分析工作带来了极大的时间负担和准确性挑战。传统的审计方法，即审计人员逐张记录并汇总纸质手写单据，已经无法完成本次审计任务，根据推断，每张纸质手写单据如果通过传统的方法记录与统计需要花费约1 分钟，完成23 000 多份单据的记录与统计，至少需要30 名审计人员每人花费约13 个工时，时间成本和人力成本与审计业务收入不相符。在信息的记录与统计中，最大的挑战实际上是准确度问题，因人工记录与统计大量单据，通常会出现人为因素的误差，大量单据的误差累计会影响审计效果，可能导致审计失败。

3.2.2 纸质租赁合同数量较多，格式多样且不规范

在本案例中，合同总数超过1 000 份，涉及应收租金超6 000 万元。面临的问题包括合同格式不统一，存在多种不同版本；许多合同仅有租户印章，缺乏签名；缺乏统一的合同台账，难以追踪合同执行情况；合同地址与财务账目、手写收据表述不一致，导致数据匹配困难，需要大量人力资源进行数据清洗与关联匹配。

3.2.3 财务账记录期间跨度大，摘要信息不全

2016 年1 月至2023 年，财务账记录应收租金约9 000万元，实收约8 000 万元，存在的问题包括会计摘要不清晰，未能区分资产管理员和租户上缴款项；缺乏具体房产信息，难以确定租金所属的具体资产，尤其是当一个租户承租多处资产时，财务账的梳理难度较大。

3.2.4 其他信息繁多，梳理难度大

可出租资产清单方面，N 单位在此期间共有1 000 多处可出租资产，包括厂房、商铺、住宅等。但管理人员未进行定期盘点，缺少完整的资产清单。审计人员需完成租赁资产盘点工作，并将资产地址与记录的地址匹配，人力与时间成本较高。银行对账单数据方面，8 年内约有14 000 多条银行对账单，发生额达82.68 亿元，统计和分类难度大。

上文中的4 个审计难点对达到审计目标构成巨大的挑战，传统常规的审计方法已经难以满足审计需求，大数据审计技术为解决这一系列问题提供了技术解决方案。根据审计的具体目标，即获取并审定：①房产租赁业务收入金额；②资产管理员的收款金额；③资产管理员的缴款金额；④租赁合同的应收金额与应收未收金额。

4 大数据审计技术在N 单位案例中的应用

4.1 原始资料的数据化与数据清洗

4.1.1 应用OCR 技术将手写收据信息数据化

首先，审计人员通过手机扫描软件完成对23 000 份纸质手写收据的拍摄与扫描，汇集成PDF 文件；其次，通过市面上通用的OCR 应用程序转为Excel 信息。OCR（Optical Character Recognition，光学字符识别）是指电子设备（如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程[3]。因市面上已存在多款成熟且通用的OCR 应用程序，不再介绍其应用。

4.1.2 应用Python 正则表达式与enumerate 清洗收集数据

手写收据凭证转为Excel 数据后，信息的排布是凌乱和不规范的，无法进行数据分析，因此，需要进行数据清洗。数据清洗的目的是获取和整理目标信息：手写收据凭证的凭证号、金额、收入类型、收款日期、收款人、付款人、地址以及摘要。正则表达式是一种强大的文本处理工具，用于搜索、匹配和替换文本。在Python 中，正则表达式通过内置的re 模块提供支持，该模块包含一系列的函数和语法用于处理字符串[4]。以获取手写收据凭证的凭证号为例，代码定义了一个用于清洗电子表格中凭证编号的Python 函数。通过Python OpenPyXL 库加载指定路径的电子表格文件后，使用enumerate 库，函数从第二行起遍历每一行，寻找标记有“收据凭证号”的单元格。如果这些尝试都未成功，则凭证号码标记为“系统未找到信息”。之后，函数会将提取或生成的凭证号码回填到电子表格的第二列对应行中，以完成数据的清洁和格式化过程。其他目标信息依此原理获取。对原始Excel 数据进行清洗，获取收据凭证的凭证号、金额、收入类型、收款日期、收款人、付款人、地址以及摘要信息，这是进行大数据分析的基础。类似地，纸质租赁合同与其他信息可通过该方法实现数据信息化与数据清洗，获取目标信息，篇幅有限仅阐述部分数据的获取。

4.2 数据的分析与汇总

在完成手写纸质凭证、纸质合同、银行对账单以及财务账的数据化与清洗后，已经获得格式规范以及清晰准确的基础数据，接下来利用Python 的Pandas 进行数万条数据的逻辑关联匹配以及运算，最终获得关键的结论性数据。

对于租金收据收款与缴款（银行对账单）的数据分析，通过手写收据租金收款记录（见表1）与银行对账单管理员缴款记录（见表2）的基础数据，进行数据逻辑关联匹配，获取目标数据，即管理员向租户收款的数据与其实际向公司账户缴款的对比数据。

表1 部分手写收据租金收款记录

表2 部分银行对账单管理员缴款记录

基于Python 的Pandas 与os，收据数据与银行对账单数据的处理逻辑如下：①搭建数据框架，以“年度”与“月份”作为匹配单位整合收据数据与银行对账单数据。②匹配收据数据到数据框架中，将收据数据中的“年度”与“月份”列转换为整数类型（利用Pandas Lambda 函数），确保“月份”数据的一致性。遍历数据框架的每一行，通过“月份”查找收据数据中的匹配行。如果存在匹配，计算匹配行的收据收款金额与银行对账单数据总和，并将该总和填充到数据框架的相应列中。③计算收据数据与银行对账单数据的差异，使用Python fillna（0）方法确保收据收款金额和财务账入账金额列中的空值被视为0，这对于后续计算差异很重要。计算收据收款金额与财务账入账金额之间的差异，并将其存储在差异列中。计算差异列的累计和，保存在差异累计列中。

如表3 所示，租金收据收款与缴款（银行对账单金额）的对比数据显示：①该位资产管理员，在2016 年1～5 月存在收到租金，但是未向公司银行账户缴存的情况，累计金额467 100.00元。②该位资产管理员，截至2023 年3 月，收到的租金与缴存的租金差额为552 946.42 元。

表3 某位资产管理员的租金收据收款与缴款（银行对账单）的对比数据

由此得出初步审计判断，该位资产管理员可能存在占用与侵占租赁收入资金的情况（最终的审计结论需要结合其他审计凭证作出）。

5 N 单位案例中的大数据审计技术应用的总结与展望

在专项审计中，大数据审计技术展现出了广阔的应用前景。相比于传统的年报审计，专项审计往往针对具体问题或领域，因此，需要更为灵活和定制化的审计方法。本文以N 单位的房产租赁业务为案例，探讨了大数据审计技术如何在专项审计中发挥作用。第一，大数据技术应用于审计的全流程。从初步的数据收集和整理到深度的数据分析和异常行为识别。在N 单位案例中，通过应用Python 编程对数量庞大的手写收据进行数据化处理和清洗，有效地转换了传统纸质文档为可分析的电子数据，极大提高了审计效率和数据处理的准确性[5]。第二，大数据审计技术有助于识别异常和获取线索。通过构建数据模型和算法，审计人员可以在海量数据中迅速定位异常交易和潜在的风险点，如N 单位中资产管理员未按时足额缴纳租金的情况。这不仅加强了对审计对象的监控，也为审计决策提供了有力的数据支持。第三，大数据审计技术多层面地拓展了审计内容的广度和深度。利用数据挖掘和分析工具，审计人员可以从多个角度和维度审视数据，揭示业务操作中的潜在问题和改进机会。例如，在N 单位案例中，通过比较合同应收金额与实际入账金额，审计人员能够全面评估租金收入的真实性和完整性。

综上所述，大数据审计技术为专项审计提供了强大的工具和方法，使审计工作更加高效、准确和全面。随着技术的不断进步和应用，大数据审计在未来的专项审计实践中将扮演越来越重要的角色，帮助审计人员更好地应对复杂多变的审计环境，提高审计质量和效率。