大数据驱动的工程审计模式创新研究-pg麻将胡了模拟器链接

报告内容为基础实施的，保证财务报告按照会计准则编制，在所有重大方面公允反映了被审计单位的经营状况、经营成果及现金流量。按照中国注册会计师审计准则，在风险评估的时候，主要是考虑可能存在重大错报的六个方面。但是在工程审计中，其审计对象不再仅仅是基于责任方认定的报告，而是对工程活动发生的管理事项、工程财务报告以及工程效益所进行的审计，其审计对象更加多元化和复杂化，而且工程管理活动并不像财务报告有统一的会计准则作为审计标准，工程审计涉及多项法律法规的要求，也没有完整的责任方认定的报告，只能是审计人员在审计过程中根据法律法规以及相应的授权委托进行工程审计活动，因而风险导向审计模式无法完全适应工程审计的需要。

1.2 风险导向审计模式主要是事后审计，不能完全适应工程审计全周期的特性

在风险导向审计模式下，注册会计师主要是在被审计财务报告出具后，才对财务报告整体及各个组成部分进行审计，是一种典型的事后审计。尽管注册会计师也会在中期进行控制测试，但其主要工作是在报告出具后才进行，最终出具审计报告。但是在工程审计过程中，从工程最初的立项、招投标、施工图，到工程的实施、工程竣工决算到工程的后评价等等，经历了一个完完整整的事前、事中和事后审计，如果仅仅只是采用风险导向审计模式，只是在事后进行工程决算审计，那么将无法控制由于立项设计不合理带来的工程失败的风险，也无法回避由于招投标中存在的不规范带来的审计风险高企。因而，在全周期的工程审计中，不能仅仅简单套用风险导向审计模式。

1.3 风险导向审计模式关注合法性和公允性，难以覆盖工程审计效益性的特点

风险导向审计模式脱胎于报表审计，其主要关注点在于财务报告在所有重大方面符合合法性和公允性的要求，因而要求注册会计师在审计过程中考虑法律法规的需要以及重要性水平，而对效益性的关注并不多。但是工程审计并非如此，工程效益是工程审计的一个重点，要考虑工程项目投入的经济性、效率性和效果性，即便是工程决算所有业务都是按照会计准则的要求进行，但如果工程本身存在严重浪费或者工程并不能产生良好的经济效益，抑或是工程上马将会对环境造成极大的污染，那么这样的工程在审计中也是存在问题的。

2 大数据技术发展与工程审计的契合

由于新兴技术和商业模式的发展，全球的数据量迅猛增长。idc的研究报告指出，仅仅在2011年，全球被创建和被复制的数据总量超过1.8 zb，而且未来将会呈现每两年翻一番的态势。近年来，大数据引起了产业界、科技界和政府部门的高度关注。2008 年 nature 出版 “big data”专刊，从互联网技术、网络经济学、超级计算、环境科学、生物医药等多个方面介绍了海量数据带来的挑战。2011 年science 推出 “dealing with data”专刊，讨论了数据洪流（data deluge）所带来的挑战，若能有效使用这些数据，将会对社会发展产生巨大的推动力。2012 年 3 月 22 日，奥巴马宣布美国政府投资2 亿美元启动“大数据研究和发展计划（big data research and development initiative）”。

大数据具有四大特征：其一是数据种类多样，数据类型包括结构化、半结构化和非结构化的数据。其二是数据体量巨大，数据总量已经达到zb级。其三是数据处理快速，海量的数据洪流在有效时间能够得到处理。其四是价值密度低，需要从原始海量数据中进行深度挖掘和计算，提炼出具有较高价值的数据。

大数据技术的发展，为工程审计的开展提供了新的契机。

2.1 大数据的相关性特点为工程审计指明重点领域

相关性是大数据的一个重要的特征，在大数据环境下，通过相关性分析，查找出影响某一重要指标的在统计意义上显著的变量，通过这些变量进行进一步的分析，进而得到想要的结果。在相关性分析的技术手段上，可以采用最小二乘法，利用大数据，构建一元或者多远回归模型，在考虑六个古典假设的基础上，通过回归即可得到显著影响被解释变量的主要因素，这些因素可以运用在工程审计之中，即不再是通过风险评估程序确定审计的重点领域，而是在确定审计目标的基础上，通过回归等方法确定影响审计目标的关键因素，把这些关键因素作为工程审计的重点审计领域，进而开展进一步的审计程序。因而，在大数据环境下，海量数据为相关性分析提供了基础，通过相关性分析，确定工程审计的重点审计领域。

2.2 大数据的丰富数据源为工程审计提供分析基础

在海量的大数据环境下，丰富的数据资源为工程审计的顺利开展提供了分析基础。从“审山审船审老天”的审计署2004年优秀审计案例中也可以看出，丰富的海量天气数据、生产销售数据都能够为工程审计的顺利开展提供帮助。

2.2.1 政府机关的权威数据为工程审计直接提供证据

一个法人机构或者组织，从成立、运营到最后的破产倒闭或者单位被撤销，都会在工商行政管理机关、税务机关、统计机构或者组织的主管部门留下大量的有效数据，工程审计人员可以利用这些分析数据直接作为审计证据，进而形成审计结论。例如，税务机关有发票的领用、开具以及回收的信息，在工程审计时，需要审计工程物资的真实性，那么通过税务机关获取工程物资供应单位的销售情况，并把这些销售记录与采购记录进行核对，进而审验工程物资的真实性。

2.2.2 公共服务机构的丰富数据为工程审计提供有价值的证据

工程项目消耗的水电气等是由供电机构、自来水公司以及燃气公司提供的，这些都是公共服务机构。工程项目管理人员与这些公共服务机构合谋的可能性比较低，因而这些公共服务机构的数据也可以直接用来作为审计证据的一部分。例如项目发生的燃气费用，通过燃气公司的表行数和单价可以计算出工程项目消耗的燃气费用，并与实际发生的燃气费用进行核对，如果相符，则直接作为审计证据予以采用。

2.2.3 丰富的法律法规数据为工程审计提供依据

在工程项目实施过程中，会涉及到大量的法律法规。例如，在工程招投标中，会涉及到招投标相关的法律法规，通过各类的法律法规的数据，能够为审计人员开展具体的工程审计工作提供审计依据的支持。

2.2.4 盈利性机构的数据为工程审计提供分析性证据

工程项目在建设运营中，不可避免地与各种盈利性机构进行业务往来，这些盈利性机构也保存着业务往来的大量数据。工程审计人员可以利用这些盈利性机构的数据来判断被审计项目的真实性与效益性。

2.3 基于云服务的大数据为工程审计模式转变提供方法支持

云计算扩展了虚拟技术、分布式技术、并行技术等思想，为组织机构提供更具灵活性和扩展性的应用程序服务、资源存储服务和平台开发环境等云服务，几乎所有的信息资源，包括数据资源、应用程序、计算资源、存储资源和基础设施等都可以从云服务中获得。尽管云服务可能存在安全或者隐私隐患，但是云服务的快捷与高效不容错过。通过云服务，工程审计人员可以构建数据云，进而利用数据云的大量数据进行审计业务的开展与实施。

3 基于大数据与云服务的数据驱动审计模式建构

在大数据环境下，工程审计完全可以利用海量数据的优势，结合云计算的特点，构建新的数据驱动工程审计模式。

3.1 数据驱动工程审计模式的审计流程

在数据驱动工程审计模式下，审计活动并非以风险评估流程作为业务起点，而是根据工程审计的合法、真实以及效益作为审计目标，利用海量数据进行相关性分析，针对工程项目的全生命周期提出重点审计领域。在确定重点审计领域时，如果大数据能够对某些领域实施全覆盖，而且直接通过数据分析能够证明该领域不存在问题时，将直接得出审计结论，无需作为重点审计领域。在确定重点审计领域之后，采用主要审计程序，包括分析程序和视频监控程序，接下来采用进一步审计程序，即按照传统审计方法，进行风险评估程序、控制测试以及细节测试程序。具体如图1所示。

3.2 数据驱动工程审计模式构建

在数据驱动工程审计模式下，首先应当对数据进行整理形成各类型数据库，再利用回归模型等分析重点审计领域，在分析过程中，考虑工程项目不同生命周期的特点，针对重点审计领域采取必要的具体审计措施。

3.2.1 构建数据资源云

根据大数据构建数据资源云，形成工程审计资源数据库。第一类数据库是从行政机关和公共服务机构获取数据，包括工商行政管理机关的工商企业注册基本信息、税务机关的发票购销数量价格信息、统计机关的统计信息、财政机关的财政支出信息、国有企业财务信息以及自来水公司、电力公司燃气公司的水电气表行数、单价以及消耗量数据等等，这些数据来源权威，一般可以直接利用或者直接进行分析，在此基础上形成审计结论。第二类数据库是法律法规数据库。由于工程项目在建设过程中，涉及到诸如工程设计、工程施工的法律法规也比较多，而且关于工程审计乃至审计类的法律法规也比较多，可以构建工程审计法律法规数据库，方便审计人员查询使用。第三类数据库是混合型数据库，包括天气数据、交通数据、物价数据以及宏观经济运行状况的数据，审计人员在分析工程项目时，可以利用这些数据进行判断和分析。第四类数据库是工程人员自行上传的共享数据库。审计人员可以上传自己在审计过程中的经验以及进行审计判断时的依据及说明，包括一些重要的审计案例资源。这些系列的资源数据库为数据驱动工程审计模式的顺利实施提供良好的基础。

3.2.2 构建数据分析模型

即使再多的数据，没有科学的分析方法，数据亦无法发挥其应有的作用。因而，在数据库完善的基础上，构建数据分析模型，对大数据进行分析应用。数据分析的模型有多种，可以结合计量经济学的方法，构建回归模型。一般而言，可以构建一元回归模型，也可以构建多元回归模型，在此以多元回归模型为例，可以构建如下模型：

在这个模型中，y是被解释变量，可以根据审计目标来确定具体的y的变量设定，α0是截距项，x是解释变量，c是控制变量，εit是随即扰动项。

3.2.3 对工程项目进行全生命周期分析

从工程项目生命周期阶段来分析，工程审计应该包括工程项目决策阶段审计、工程项目勘察设计审计、工程项目招标投标审计、工程项目合同审计、工程造价审计、工程项目财务审计、工程项目绩效审计。在数据驱动工程审计模式下，在不同的工程项目周期阶段，审计的目标和重点各有不同。因而，利用构建的回归模型，针对不同的工程项目审计阶段，来确定模型的实际运用。以工程造价审计中的工程预算审计为例，在工程预算审计中，其中一个重要的审计目标是预算的真实性，即所编预算是否与施工图纸相一致。为了审查该项目标，则可以把预算真实率作为被解释变量，利用大数据来分析究竟哪些方面的原因影响到预算真实率，然后把显著的变量作为审计的重点领域。

3.2.4 利用分析程序和视频监控程序获取审计结论

根据注册会计师审计准则，分析程序是指注册会计师通过研究不同财务数据之间以及财务数据与非财务数据之间的内在关系，对财务信息作出评价。分析程序还包括调查识别出的、与其他相关信息不一致或与预期数据严重偏离的波动和关系。在工程审计中，分析程序则是根据需要审计的事情，结合大数据资料，查找被分析数据的内在联系，进而确定分析事项是否达到审计目标。

视频监控程序则是在大数据环境下采用的一项重要审计程序。在传统审计方法中，监盘是对确定存货存在性的较好的审计方法。但是在监盘的时候，要求审计人员必须在现场，监督盘点过程。在“审山审船审老天”的案例中，审计人员是无法监督水下的作业的，如果采用视频控制的方式，审计人员则可以在千里之外实时了解项目的进展情况。因而，审计人员可以采用在现场安装摄像设备，通过网络将视频数据实时传输到审计人员的电子终端，pc终端或者手机终端，审计人员能够监督工程项目的现场情况。

3.2.5 采用进一步审计程序获得审计结论

一般而言，采用分析程序和视频监控程序仍然无法获取充分适当的审计证据时，则需要进行进一步的审计程序，包括进行风险评估、控制测试以及细节测试。在采用进一步审计程序时，必须考虑到审计抽样的特点，在风险评估程序的基础上，确定审计风险的大小，并考虑内部控制的有效性，进而采取细节测试，最终获得审计结论。

主要参考文献

[1]赵庆华.工程审计[m].南京：东南大学出版社，2010.

[2]冯芷艳，郭迅华，曾大军，等.大数据背景下商务管理研究若干前沿课题[j].管理科学学报 2013，16（1）：1-9.