浅谈数字经济背景下大数据审计的创新与发展

一、引言

随着信息技术的不断发展，审计范围已由资金收支审计扩大至经济信息审计，面对海量的审计数据，我们的审计模式也在不断创新发。通过利用大数据技术和信息技术的相结合，在一定程度上实现各部门、各行业的协同办公，通过构建大数据审计平台，在共享审计数据的同时，可及时反馈审计过程中存在的问题，从而打破了传统审计工作模式，有效的提高了审计效率。

二、数字经济背景下大数据审计的现状

随着大数据技术的不断发展，大数据审计技术在财政财务审计、自然资源审计、社会民生审计等诸多领域被普遍应用。

在预算执行审计中，可利用大数据分析技术，对财政预算执行数据进行全面分析，对比预算编制与执行情况，查找预算执行中的偏差和异常，通过关联分析不同部门的预算数据，发现预算资金分配不合理、挪用专项资金等问题。在财政与财务审计中，可通过大数据分析实现全量数据核查，覆盖预算执行、专项资金使用等领域，提升审计精准度。将数据分析与业务核查结合，提高疑点发现效率。

在财政资金绩效审计中，可通过大数据收集与财政资金使用相关的多维度数据，包括项目实施情况、经济效益指标、社会效益指标等，运用数据分析方法对财政资金的使用绩效进行评价。

在自然资源资产审计中，可利用遥感、GIS 等技术整合生态环境数据，追踪资源变化轨迹，通过跨部门数据融合，分析领导干部履职中的资源管理问题。在政府投资与民生项目中，可通过平台实时监控项目进度、资金流向，规范全流程质量控制。

在金融审计中，可运用大数据技术对银行信贷数据进行分析，监测信贷资金流向，识别潜在的信贷风险。通过建立风险评估模型，对贷款企业的信用状况、还款能力进行评估，预警不良贷款风险。

在社会民生审计中，社会保险基金审计可通过大数据比对社保参保数据、待遇领取数据、就业数据等，核查社保基金的收支情况，防止社保欺诈行为。在医疗保险基金审计可运用大数据分析医保报销数据，查找医保费用不合理支出、虚假报销等问题。

在政府投资项目审计中，项目全过程跟踪审计可利用大数据技术对政府投资项目从立项、招标、施工到竣工决算的全过程进行跟踪审计，通过实时采集项目建设过程中的各类数据，如工程进度数据、资金支付数据、物资采购数据等，对项目进行动态监控，及时发现项目建设中的问题。工程造价审计可通过大数据分析历史工程造价数据，建立工程造价指标库，对新的政府投资项目工程造价进行合理性评估，利用数据分析技术对工程量清单、工程变更、材料价格等进行审核，防止工程造价虚高，提高政府投资效益。

三、大数据审计技术面临的主要问题

（一）数据管理困难

数字经济时代，各类数据呈爆炸式增长，审计需要处理的数据不仅规模庞大，还涵盖结构化、非结构化和半结构化等多种类型这些数据的格式及结构体现出明显差异，而且涵盖不同的技术平台与存储情形，让数据的采集、整合与分析工作更棘手，源于不同地方的数据也许会表现出冗余、缺失或不一致情形，增加了数据处理和分析的难度。另外，被审计单位提供的数据可能存在不完整、不准确、不一致等问题，甚至存在数据被恶意篡改的风险，这对审计数据的可靠性和审计结果的准确性构成威胁。再者，审计过程中涉及大量敏感数据，如个人隐私数据、企业商业机密等，在数据采集、存储、传输和使用过程中，面临数据泄露、被非法获取或篡改的安全风险。

（二）技术能力不足

大数据审计要求审计人员具备扎实的审计业务知识和一定的信息技术能力，包括大数据分析、数据挖掘、机器学习等。然而，目前部分审计人员缺乏相关技术知识和技能，难以适应大数据审计的要求。传统审计技术工具难以满足大数据审计对海量数据处理和分析的需求，虽然一些审计机关开始引入大数据分析工具，但在工具的应用深度和广度上还存在不足，缺乏针对性和专业性。

（三）审计标准与规范缺失

大数据审计作为一种新兴的审计方式，目前缺乏统一的审计标准和规范。在审计流程、数据分析方法、审计证据获取与评价等方面，尚未形成有效的操作指南和准则，导致审计工作的规范性和一致性难以保证，增加了审计风险。

四、大数据审计技术创新策略

（一）数据采集技术创新

一是多源数据采集。除了传统的财务数据，还广泛采集业务数据、日志数据、物联网数据等多源数据，以获取更全面的审计信息。例如，在预算执行审计中，不仅采集财务报表数据，还采集财政数据、政府采购数据、国有资产登记数据等，从多个角度对财政收支情况进行审计分析。

二是实时数据采集。利用实时数据采集技术，实现对被审计单位数据的实时监控和采集，及时发现潜在的风险和问题。通过与被审计单位信息系统建立实时连接，审计人员可以随时获取最新数据，进行动态审计分析。

（二）数据处理与分析技术创新

一是数据挖掘技术。运用数据挖掘算法，从海量数据中发现潜在的模式、关系和异常点。例如，关联规则挖掘可以发现不同数据之间的关联关系，聚类分析可以将相似的数据归为一类，异常检测可以识别出与正常模式不符的数据，为审计提供线索。

二是机器学习技术。通过机器学习算法，让计算机自动学习数据中的规律和特征，实现审计风险预测、审计证据自动验证等功能。例如，利用分类算法对审计数据进行分类，判断数据是否存在异常；利用回归算法预测审计指标的变化趋势，提前发现潜在风险。

三是可视化技术。将复杂的审计数据分析结果以直观的可视化图表形式展示，如柱状图、折线图、散点图、地图等，便于审计人员理解和分析。可视化技术能够帮助审计人员快速把握数据的关键信息，提高审计决策的效率和准确性。

（三）匿名化与加密技术

伴随数据量的迅猛递增，审计人员要着手处理大量含有敏感信息的数据，诸如个人身份的凭证、财务方面的凭据等，为防范审计过程中的数据出现泄露或滥用，普遍采用数据匿名化技术，采用对数据进行去标识化的操作方式，匿名化技术在不妨碍审计数据完整性的基础上，充分维护个人隐私，遏制敏感信息外泄，加密技术守护着数据于存储及传输阶段的安全属性，采用恰当的加密算法，仅被赋予授权的人员有解密和访问数据的许可，保证数据的完整性及机密性。

五、结语

在数字经济背景下，大数据审计是审计发展的必然趋势。尽管大数据审计面临着数据管理、技术能力和审计标准等方面的挑战，但通过数据采集、处理与分析、安全与隐私保护等技术创新，以及在财政、金融、民生、政府投资项目等领域的广泛应用，大数据审计能够实现更高效、全面、精准的审计监督。未来，随着大数据技术的不断发展和完善，大数据审计将在经济监督和国家治理中发挥更加重要的作用，为经济社会的健康发展提供有力保障。同时，还需要进一步加强审计人员的技术培训，完善审计标准和规范，推动大数据审计的可持续发展。

参考文献：

[1]崔宏楷.数字经济时代大数据审计人才培养框架与路径研究[J].当代教研论丛,2023,9(6):91-94.

[2]毕士同.数字经济时代大数据技术在审计实务中的应用探究[J].知识经济,2022,596(3):33-34.

[3]卢国金.大数据背景下房地产企业数字化审计模式探索[J].技术与市场,2023,30(9):184-186.

作者简介：黄琛（1989 年 1 月）女，内蒙古乌兰察布人，硕士研究生，中级审计师，研究方向：大数据审计。