浅析大数据时代的国有企业内部审计工作
张传飞
中图分类号：F253 文献标识：A 文章编号：1674-1145（2019）2-146-02
摘 要 当今数字经济和大数据技术蓬勃发展给各行各业带来巨大的机遇和挑战，对企业内部审计工作方式和方法带来了深远的影响。在新形势下如何利用互联网技术和大数据技术，探索创新审计方式和方法，提搞审计工作质量和工作效率，更好地发挥内部审计工作在企业治理中的地位和作用，已成为业内专家学者共同关心的话题。本文将结合我国国有企业的内部审计工作现状，探索大数据时代如何进行审计工作创新、突破。
关键词 企业内部审计工作 大数据技术 科技创新
一、国有企业内部审计工作的现状
（一）国有企业内部审计工作的传统模式
根据2018年3月实施的《审计署关于内部审计工作的规定》，内部审计的内容包括对本单位及所属单位财政财务收支、经济活动、内部控制、风险管理等方面。国家对国有企业内部审计工作的广度和深度提出了前所未有的高要求，倒逼企业不断创新审计模式和方法，以适应新形势的要求。但是，当前我国大部分企业的国有企业特别是地方国有企业的内部审计仍然停留在传统的审计模式，需要审计部门、审计人员使用财务软件收集被审计单位的报表数据和账务数据，结合会计凭证、业务合同等资料进行人工查询、分析、统计和取证，整理出各项数据的相互内在关联性，这种传统的审计模式只适用于传统的企业，特别是单体企业和业务量少，业务单一的企业。随着市场经济的发展，特别是互联网经济和数字经济时代的到来，现代企业日益集团化、信息化、数据化，经济业务变得日益复杂，业务数据量巨大，且部分企业的业务出现了数据化、代码化的情况，传统的人工审计工作模式由于受到审计人员精力、专业能力和认知等局限性的影响，容易造成审计的广都和深度不够，审计成果准确度不高等问题，审计结果不能很好的服务经营决策，甚至误导管理层决策，内部审计风险越来越大。因此，大数据时代要求企业内部审计改革创新审计模式，充分将互联网和大数据的优势使用到内部审计工作中，提高审计质量和效率。
（二）国有企业内部审计队伍现状
受企业长期不注重内部审计工作的影响，我国国有企业内部审计人员数量严重不足，审计队伍呈现出严重的结构性失衡。一是审计人员数量不足，审计人员在企业总人数占比过低，与审计业务不匹配。以广西国资委所属的区直国有企业为例，2018年底，所属的国有企业集团审计人员配备最多的是广西投资集团，配备审计人员17名，仅占公司总人数的0.08%。二是审计人员专业结构不合理，目前国有企业大部分的审计工作人员都以财务专业为主，缺乏工程管理、经营管理、法律、信息化管理等专业的人才。三是审计队伍年龄结构老化，审计人员对新事物的学习能力较差，对审计方式方法创新力度不够。
二、大数据在审计中的作用
（一）大数据在审计工作中的分析决策作用
将大数据应用于企业内部审计工作中，有助于提高审计的精准性、效率性。大数据拥有的数据库具有储存量巨大、数据资源极其丰富等显著特点，使审计工作人员挖掘数据变得非常便捷。在开展具体审计工作时，审计人员可以从数据库里对众多数据资源进行整合，按照企业工作实际进行分门别类，储存，在挖掘数据时极大的提高了时效和精准性。在做数据分析时，可以随时调用数据，进行横向纵向分析，准确查找影响审计环节的因素，分析出企业的内外部环境、企业的经营状况、盈利状况，发展战略执行情况，关注数据的整体变化趋势，预测企业的发展轨迹，得出正确的审计结论，从而为企业管理层决策提供依据，制定和调整企业发展战略及经营策略。
（二）审计大数据平台的支撑作用
随着信息时代和大数据时代的到来，越来越多的企业加强了信息化建设，逐步构建物资管理系统、财务管理系统、人力资源管理系统、采购管理系统等。各个管理系统之间可以相互独立运行，也可以相互嵌入交融，这为审计大数据平台的建设提供的良好的技术环境和运行环境。通过建立审计大数据平台，将审计信息平台嵌入企业的各类信息管理系统，及时准确的收集各单位的经营数据和业务表单，通过自动对比分析，自动生产审计底稿和审计结论，减少异地审计造成人力物力消耗，提高审计效率和经济效益。同时，企业可以对各项经济业务设立风险预警指标，当触及预警指标时，系统将自动预警，提示风险，在日常的审计管理中及时掌握企业存在的问题，及时报告管理层，采取对应措施解决问题。审计大数据平台的建设，除为审计工作服务外，还可以赋予企业职能部门查询权限，供其及时查询需要的信息，实现数据共享，为跨地区、跨时间、跨部门的合作提供便捷。
三、大数据技术如何有效应用于审计工作
大数据环境下企业审计工作涉及的技术方法主要有：大数据云平台、 NOSQL技术、数据可视化、统计分析软件、归类分析总结等。
（一）大数据云计算平台
云计算是一种以互联网为基础的计算方式，通过对网络信息的把握，提供虚拟化资源。为了满足大数据环境下企业审计技术的应用，云计算平台的构建成为审计分析工作的前期基础。当今经济发展模式下，企业面临海量的数据，需要对重要信息数据的排查筛选、储存、挖掘调用，在这些过程中，应用云计算技术能够加强数据加工的速度和准确度，对企业经营的一些战略决策数据信息进行统计合并和转换，确保审计评价更加客观和精准。
（二）NOSQL技术的应用
在数據库语言中，SQL是最基本的数据库技术，SQL 简单来说是将数据存储在传统的关系型数据库系统，和他相配套的是结构化查询语言。而这种查询语言只能做简单数据的查询，对于像复杂文档、报表、图片、音频、视频等数据类型是无法存储在关系型数据库当中，对于当今的企业经营模式，暴露出来的缺陷非常明显，根本无法满足现代企业的审计工作的需求，所以，在企业内部审计实务中，很多企业是在应用在SQL的数据库技术上开发的NASQL数据库技术。所谓的NOSQL数据库技术，其是依托SQL的基本理论基础，弥补SQL技术上的不足，比如增加数据长度、数据类型更为宽泛，并且，NOSQL技术较SQL技术更大的发挥了数据资源的整合功能。这为在大数据环境下开展审计数据分析工作提供了技术上的支撑。
（三）分布式处理系统。
分布式处理系统由多个相互连接、自由的信息处理系统。分布式处理系统的应用，能够提升审计工作數据的分析效率，快速地获取审计数据中的某些重要信息。并且，分布式处理系统最大的特点是对数据的实时处理，可以对审计采集的数据实时风险控制，极大地降低或者杜绝了审计数据采集的舞弊行为，从源头上把握住数据的真实性，提升了对企业经营管理决策准确性，从而降低企业战略决策的失误风险。
（四）统计分析
统计分析是以数学理论知识为基础的数学模型，目前常用的统计分析方法有因子分析、回归分析和辨别分析等，用数学统计分析工具，可以在现有储存数据的基础上，对数据进行分类分析，然后对未知的情况进行预测。在审计工作中，海量的审计数据通过统计工作进行分类储存，分析，然后应用回归分析或者因子分析等常用工具，建立标准统计分析模型，模型的建立为审计工作的真正目的—为企业管理工作做决策，奠定必不可上的坚实的基础，通过预测值和实际值比对，能够帮助审计工作人员快速锁定数据疑点，进行诊断。
（五）归类分析总结
数学统计工作中，归类分析是把要分析的数据按照数据的相似性分组，归类成若干类别，目的是使同一属性或类别的数据个体之间的距离尽可能拉大，这种方法为不同目的的信息用户提供不同类别的信息集。归类分析把数据的密集和系数程度体现，根据曲线就能发现审计书记的分布图像，区域，及各个组别数据之间的关联关系。以此，能够为审计重点领域和关键点提供依据。
四、如何为大数据在审计工作中的应用奠定平台基础
（一）审计大数据的采集及数据库的建立
大数据本身具有种类繁多、结构复杂、数量大等特点，随着“互联网+时代”的来临，大数据的应用也日益凸显，企业内部审计的材料和数据作为大数据的一类，也具有这些特点。市场经济下的企业运营也变得更加复杂，这对企业审计模式有了新的变化，这就为审计技术提出了更新、更高的要求。因此，审计工作大数据的采集及数据库的建立必将要求企业具备相关的专业技术人员，确保数据的采集和数据库的有效建立。
（二）审计数据库的数据整理工作
企业中与审计工作有关的海量数据采集完后，建立了审计工作相关数据库，接下的工作便是对采集数据的整理分析，期间要用到相关的数理统计工具，比如NOSQL技术、回归分析、聚类分析等，这都要求企业要具备与此匹配的专业技术人员。因为杂乱无序的海量数据在审计工作中将会一团乱麻，根本无法抓中审计的关键点，问题点，又如何去发现企业经营工作中出现的问题，如何对其进行分析诊断，并最后制定解决办法。
（三）审计从业人员的素养提高
由于目前国有企业审计人员存在年龄老化、专业单一、整体素质有待提高的问题，大数据新技术新方法的普及运用存在诸多障碍。为更好地将大数据技术运用于企业内部审计，需要加强大数据技术的宣传，让广大内审人员转变思想，同时，加大内部审计人员培训，使其掌握基本的大数据审计手段和方法。
（四）审计数据库的数据日常维护与管理
在大数据时代，数据安全的重要性日益凸显，企业应当安排专业管理人员对大数据系统进行日常管理和维护，确保企业信息安全。
参考文献：
[1] 李康平.大数据时代下信息化审计研究[D].北京：北京交通大学，2016.
[2] 顾洪菲.大数据环境下审计数据分析技术方法初探[J].中国管理信息化，2015（3）：45-47
[3]刘荣.浅析“大数据”时代的内部审计应对策略[J].中国内部审计，2015（5）.
[4] 许梁冬.大数据时代公司内部审计工作探讨[J].财经界.
[5] 张颖，黄金花.大数据时代企业内部审计信息化研究[J].中国管理信息化，2016（13）.
[6] 邱擎.对中小会计师事务所应对财务舞弊审计风险的思考[J].中国集体经济，2017（9）.
[7] 张义.关于会计师事务所应对财务舞弊审计的探讨[J].财会学习，2016（9）.
