大数据时代下的智能审计应用

“大数据”指公司所有的海量数据。这些数据通常是由机器生成的非结构化数据；也包括那些存在于公司四面墙以外的数据。现在，大家公认“大数据”会对生产力改进，赢利提升，风险管制带来巨大促进。

在这众多领域里，我们认为审计是“大数据”最可能有所作为的领域之一。大数据分析帮助审计师们能更好地发现财务报表、商业运作中的潜在风险，从而使得他们的审计工作能更有针对性。

我们开始看到大数据分析给审计带来的好处，但只是这万里长征第一步。我们最终要达成的是在公司的数据中心里建立一个智能的自动审计应用，它可以实时地把分析的结果推送给审计团队。

但实现这愿景的技术在现阶段仍不成熟。作为过渡，我们能作的是，在现有的环境里分析海量客户数据，然后把分析结果人工地集成到审计程序里，并让公司慢慢适应将来审计的“新常态”。

最大的障碍就是数据获取。公司在保护数据上花了很多功夫，这使得审计们要花很多时间来征求客户同意提供数据。不少情况下，有些公司甚至基于安全理由拒绝提供数据。

除此之外，审计们也需要面对同一家公司里花样繁多的会计系统及其它内部系统，这些系统经常存放不同用途、不同类型的数据。

要真正体现大数据分析的优势，就需要提取关键商业过程里的各子账户信息。这显著加大了数据获取的难度；处理的数据量也大大增加了。

通过数据分析来寻找审计证据以因应商业风险并不是件容易的事。审计师们需要很好地在人为判断与数据分析结果间找到一个平衡。

而现在有了大数据。我们需要在以下四个方面多加考量：

1. 实质性分析过程 – 这些过程通过检查财务报表中各项目间的联系来发现不寻常之处。然后，现有的审计标准并未涉及如何通过大数据分析来提供实质证据。

2. 验证用于分析的数据 – 审计师们从客户那里拿到信息，然后判断这些信息的准确性及完整性。而审计分析并不依靠这些汇总后的报表；它们依靠的是直接从数据库中提取出来的主数据和交易数据。

3. 定义审计证据 – 现有的审计标准里定义了证据的层次结构，其中第三方证据在最上层，而管理查询在最下层。但现在的证据层次里并没有指明哪些证据可以由审计分析来提供。

4. 准确度 – 审计是为了查到财务报表中的错误。当一家公司有十亿员的营收时，最后在看这些财务报表的人就期望这些报表是完全无误的。我们就需要问一个问题，审计师需要审计分析达到怎样的准确度。

当然，将来的审计可能会变得和今天的审计相比有很大的差别。但是，要达成这个的一个转变，这个行业里的主要各方需要彼此紧密合作，从被审计的公司到监管机构及标准的制定者；也包括学校里的老师，他们要确保学生有足够的技能来应对他们即将踏入的复杂审计领域所带来的挑战。