大数据环境下电子政务“流”审计模式研究
王会金 张文秀
【摘 要】 随着大数据的飞速发展，世界各国/地区政府都亟须构建集成的大数据审计平台，并改进对电子政务实施审计的既有模式，以适应大数据的挑战。“流”审计模式不同于传统的事后“批处理”审计模式，它以业务流等逻辑流程划分审计对象，将多部门、多系统作为整体实时地集中数据并进行审计，采用持续审计的数据分析方法和数据挖掘方法，实时发布大数据审计报告。通过结合大数据特点比较新旧审计模式的优劣关系，探讨“流”审计的合理性和可行性，以期为政府审计机构在构建大数据审计平台前寻找合适的自我定位及审计对象提供帮助。
【关键词】 大数据; 政府审计; 审计模式; “流”审计; 电子政务
【中图分类号】 F239.1? 【文献标识码】 A? 【文章编号】 1004-5937（2020）08-0034-07
一、引言
随着物联网、人工智能、智慧城市、云计算等的飞速发展，我们已进入大数据时代。习近平总书记在2017年12月中央政治局集体学习时关于大数据发展战略的讲话中强调，要运用大数据提升国家治理现代化水平。世界各国、各地区政府亟须构建多位一体的大数据审计平台，改变既有的审计模式，以适应大数据的挑战。2016年正式启动的“金审工程”三期建设以联网审计为基础，结合云计算等新兴技术，力图应对大数据时代对审计的挑战。2016年国家审计署发布了《关于2016年地方审计机关重点抓好的十项工作》，其第六条“着力加强审计信息化建设”，要求地方审计机关推进大数据审计信息化建设，实现机关与机关之间、机关与现场之间的互联互通、信息共享，构建省级审计数据系统，与2015年国务院《促进大数据发展行动纲要》遥相呼应，这标志着中国大数据战略实施进入具体化进程。大数据审计是党和国家对审计事业的战略部署，从在审计实践中应用大数据技术，发展到强调构建大数据审计工作模式，要求逐渐具体和深化。然而，现行的审计模式①是在既有信息技术基础之上建立的一套比较完整的体系，审计人员已经逐步适应了利用计算机程序辅助调阅、查找并记录相关审计证据和资料的审计方法。尽管审计效率和审计覆盖率得到了很大的提升，但是仅仅依靠计算机作为辅助审计手段，审计模式并没有实质上的改变，仍然基本上是针对静态数据、事后的“批处理”式的审计模式，即将一定时间段内采集到的数据集中存储和分析。随着大数据带来的理念和技术的变革，传统的审计数据事后采集分析处理模式不能适应大数据实时地从多个数据源、以多种形式持续不断地生成的新特点，并且限制着审计思路和范围。与此同时，利益相关方不断提高对审计覆盖率的要求，例如要求“审计全覆盖”。审计职能要求审计人员具有广阔的知识储备与前瞻性的战略目光。这些方面的因素势必会要求审计模式发生转变，改变“批处理”式的传统审计模式的审计滞后、报告周期长、经验效应不明显、审计质量因人而异等固有不足，积极应用大数据技术的新成果、新理念，适应大数据时代需求，进一步提升审计的效率和效果。
为此，本文提出“流”审计模式，结合大数据对多种来源、多种格式的实时电子政务数据深度挖掘的需求，对“流”数据集成、审计分析和报告等关键环节进行分析，同时“流”审计为审计机关重新确定审计对象、划分业务单元、规划审计流程提供了思路，旨在通过更具全局视野和高效率的审计方法及更具反馈性和时效性的监测制度来维持电子政务系统的稳定，进而高效地运行。
二、文献综述
（一）政府大数据项目及审计
大数据研究已引起各国政府普遍关注。2015年12月世界审计组织知识共享委员会秘书处在其成员国范围内开展了问卷调查，21个国家提出60个研究项目，其中大数据项目列于首位。Gang-Hoon Kim et al.[1]对各国大数据平台应用情况做了整理，介绍了美国政府的内部税收系统，肯定了美国政府利用大数据开展监督预防活动的借鉴意义，并认为运行和应用项目只有少量可以归类为大数据项目。大多数政府数据项目所使用的都是结构化数据库中已储存的数据。它们并没有使用实时、动态的和非结构的或者半结构的数据。由于当前各国政府大数据平台仍处于起步阶段，国内外学者对于大数据审计的研究也仍在探索中。
新技术的引入势必会对政府审计从数据采集、传输、管理、分析和应用提出多方面要求，阮哈建等[2]认为现阶段数据采集是大数据实施的最大障碍，应当推广XBRL技术②，把多元化、多种格式的会计数据先以特定口径归集起来，再通过多维数据分析和数据挖掘技术寻找隐藏在可使用数据下的信息价值，并且，通过国家审计署建立与财政、税务、海关等部门的联结，实现数据库交叉管理和信息共享，对于已经审计的大型项目建立数据库和数据模型。
针对政府数据项目，McAfee et al.（2012）分析了电子政务与大数据技术的契合性，并为政府大数据平台的规划提出了建议。研究显示，大多数政府部门大数据项目尚处于启动阶段，目的是为未来大数据应用做准备和积累，只有屈指可数的几个大数据项目进入应用阶段，例如美国的RRP、新加坡的RAHS、英国的HSC[3]。John et al.[4]的研究与McAfee et al.类似，并强调了政府管理对大数据技术需求的迫切性，通过分析现有大数据平台的分布状况和优劣关系后，表示大型复杂数据库较多地应用于商业，而政府部门只较少地将其应用于解决国家经济、医疗、就业等问题，政府可以适当参与商业大数据平台的合作共建以实现更高的政府管理效率。
（二）大数据审计模式
学者们纷纷研究大数据对审计模式、组织、技术方法等方面的影响（秦荣生，2014;陈伟、SMIELIAUSKAS Wally，2016），并提出大數据审计的概念和框架（张文宗等，2014）。程平等（2016）基于财务共享服务的模式，总结归纳了大数据审计框架与实施流程。大数据技术在政府审计中运用的广泛程度，还取决于许多其他基础配套，许金叶等[5]认为大数据运用离不开物联网制度建设，只有广泛建立物联网，实现远程智能采集才能保证大数据的数据流入与实时监控，维持业务连续，同时强调配套的审计框架、审计准则也是积极引导大数据应用于政府审计的关键。刘国城[6]以“过程挖掘”为关键技术，研究云安全审计过程平台的运行机制，构建云安全审计的全新模式。可以看出大数据在政府审计中的运用不仅依赖于大数据技术本身，实现政府数据公开共享，借助配套制度和准则的指导也显得尤为重要。
在借鉴大数据探索审计模式创新方面，河南省审计厅课题组[7]结合审计实务和审计信息化需求，认为应当在审计计划、业务实施、审理与审计整改四个方面实现模式创新，并构想了基于“云审计”平台的审计业务组织。刘家义[8]指出，在审计组织管理模式上实现“七个一体化”和“六大转变”。“七个一体化”就是在审计内容和范围上，形成财政、金融、企业、经济责任、资源环境、民生审计一体化，境内与境外审计一体化;在审计资源整合上，形成审计发展规划、年度计划、项目方案、组织实施一体化，审计一线作业与后台数据分析一体化，审计实践总结与理论研究一体化;在审计作用发挥上，形成查处问题与促进发展、分析原因与推进改革、促进整改与推动问责一体化，惩治腐败与促进廉政、揭示风险与维护安全、促进公平正义与推进民主法治一体化。“六大转变”就是实现由单点离散审计向多点联动审计转变，由局部审计向全覆盖审计转变，由静态审计向静态与动态审计相结合转变，由事后审计向事后与事中审计相结合转变，由现场审计向现场审计与非现场审计相结合转变，由微观审计向微观与宏观审计相结合转变。
（三）文献评述
关于大数据审计的研究还在初级阶段，主要体现在：（1）从大数据审计实践探索层面来看，各个国家大数据审计项目才逐步启动，国外可参考借鉴的案例很少。（2）从大数据审计理论研究层面来看，相关研究还比较零散，未形成一套比较系统的研究体系。许多学者从分析大数据给审计带来的机遇与挑战出发，以评价大数据对审计某一相关领域影响和应对措施为目标进行研究。（3）研究视野和范式多沿袭传统审计的范围和思路，例如：研究标的还是以被审对象为单位，关注整合被审对象内部流程，同时兼顾性地合理利用外部数据库作为补充，没有重视行业或者管理群集的整体效率与系统风险，忽略了实时数据作为大数据技术的一项重要标志是有效实现数据信息价值挖掘的关键。大数据研究之所以在审计学领域没有广泛开展，原因之一是事后的、间断式的“批处理”审计模式限制了融合范围和思路，这样，审计始终停留在事后审计的“检查”职能上，提前预防与事中监督难以真正实现。因此，审计模式的转变创新是大数据审计得以实施的重要条件。
三、“流”审计模式及其内涵
长久以来，政府审计都以审计对象的差异作为依据划分不同的审计业务，比如将为评价企业、事业、机关单位领导干部任期内应负的经济责任而执行的审计划分为经济责任审计，将检查各单位本年度财政收支预算执行情况划分为财政收支审计，与此相似的还有环境、投资、社保等各类审计和专项审计，这些部门和业务性质不同，内部管理参差不齐，由此，所需投入的人力资源、时间成本、物质保障以及所要采用的审计策略、审计方法都大不相同，这让审计机关对内部项目的统筹规划、整合管理变得较为困难，在此情况下，还要实现扩大审计范围，实现审计全覆盖，参与国家治理，显然有些力不从心。“流”审计区别于现行政府审计对审计对象的划分，是为了实现公共资金、过程的全覆盖，将所有部门和工具集成在“流”上作为整体实施的审计。“流”审计模式主要包括“流”数据集成、“流”数据审计分析、“流”审计报告。
（一）“流”数据集成
大数据是“多形式、多来源和实时的且需要专业化软件工具和分析专家去挖掘、分析、处理和管理的大数据集合”[9]。一项业务往往涉及多个部门、多名人员，多部门多来源数据可基于业务借由数据提取-转换-载入（Extract-Transform-Load，ETL）工具实时汇集成为统一数据流。电子数据主要包括业务数据和财务数据，数据流则主要有业务流和资金流。
针对业务流而言，以工程建设项目审批为例，从项目申请开始，编制可研报告取得发改部门立项批复，再取得自然资源部门用地预审意见、生态环境部门环境评估审查意见、规划部门规划意见函复，还要经过园林、人防、消防、交通运输等部门审批将近40个流程手续，最后取得施工许可证才算走完政府审批程序，允许进入现场施工环节。当审计人员对政府工程项目开展审计时，就需要其他审批部门的数据支持，如果这些文件与记录能够按照发生顺序关联到一个统计结果中，审计人员就能迅速了解工程审批的所有环节，识别重要风险点，确定审计重点，准确、高效、高质量完成审计目标。这里提到的数据支持，就是把各参与部门的数据集成为一个统一的数据流，如图1。相关部门分别作为各个加工环节，根据各自所需取得材料，在规定的时间内提交数据与文档等资料，联合前置手续的批文一同前往下一环节。这样不仅可以极大提高政务办理效率，同时业务数据与监管监控也能实现随业务流转，保证各环节的情况都可以得到实时监督与审计。
业务经济活动往往伴随着资金的流转。资金流指个人及各单位、各业务部门间随着业务活动而发生的资金往来。它是电子商务的主要构成要素之一，在电子政务中也同样重要。资金流既是传统性的经济活动，规则性强，比较成熟和定型，又在大数据环境下有着新的发展，是电子政务活动的重要体现，因此，如果将资金流整合到电子政务平台，审计人员就能够实时跟踪资金流动的每个环节与完整过程。
与业务流、资金流相类似且紧密相关的还有实物流，即在各单位、各部门和用户之间一系列产品实体流动的过程数据。大数据时代实物上安装大量传感设备，其传感数据、物流数据会不断被收集和汇总。将实物流与业务流、资金流整合起来，将会产生不可估量的价值。审计人员能够实时跟踪和比较实物流与业务流、资金流，及时发现异常和舞弊。
任何一项电子政务活动都或多或少地包含业务流、资金流、实物流，它们时刻存在，互为因果，相互交織，借由信息技术和电子政务平台，将这“三流”汇集整合。大数据正以业务流、资金流、实物流等形式汇集，并以一定的逻辑进行归集整合，有效构成了电子政务审计的大数据平台，进而实现对“流”数据的审计。其原理如图2所示。
（二）“流”数据审计分析
伴随着审计信息化不断向持续、动态、实时的方向发展，大数据环境下各种经济数据海量实时产生，也迫切需要与之相适应的针对“流”数据的持续审计。秦荣生[10]指出大数据可以促进持续审计方式的发展。持续审计是一种利用信息技术自动执行控制和风险评估的方法，是审计策略从传统的交易样本的周期性复核向对所有交易进行持续测试的转变[11]。“流”数据审计分析的方式主要有两种。
第一种，对“流”数据采用预先定义的业务规则和分析模型进行检验和分析，这便是持续审计所采用的数据分析方法，即整个数据加工过程都被审计系统中的监控程序连续监控和分析，一旦发现与审计师预先定义的规则不一致的地方将会触发警报，并以例外报告的方式通过网络告知审计师。通过这样的审计分析，可以常态化地对公共资金、国有资产（资源）的部门、单位和个人进行持续关注、风险评估、持续监测、专项分析、审计发现跟踪等活动，全面、深入、持续地实现有效的审计全覆盖。
第二种，对“流”数据进行数据挖掘。通过对相关大数据未知的特征发现和规律挖掘，洞察行业整体走向和制度实施效果，认识演变规律，进而对国家、行业、部门的制度出台及发展策略做出前瞻性的思考和战略性的分析。李博等[12]对中央企业审计分析和预警系统中财务困境使用主成分分析法，采用五种数据挖掘模型进行训练和测试，研究表明Fisher线性判别模型结果较好，并实现了模型的自学习功能，而贝叶斯判别（BAYES）模型预测结果较差，Logistic模型、径向基函数神经网络（RBFNN）模型、支持向量机（SVM）模型效果一般。在公共卫生、经济发展等领域，大数据的预见能力已经显现。
（三）“流”审计报告
单一的事后审计报告将不能满足新时期审计服务需求者，这就要求大数据审计报告在发布及时性和导向性方面进行改进。首先，在传统的项目终结时或定期发布审计报告的基础上，新加入实时报告，即实时报告+定期报告。需要针对发现的异常情况第一时间发出报告，定期提交重大领域全覆盖的系统性、整体性的专项评价报告。其次，价值导向的审计报告。传统审计报告是以问题为导向，针对异常、不合规、不合法等问题进行报告。而“流”审计报告则以价值为导向，它通过挖掘大数据的审计价值，提供更有价值的智能分析，针对苗头趋势性的问题进行风险预警报告，提供全景式风险视图、多维度系统的综合审计成果，使审计报告更加有价值。最后，数据可视化报告。采用丰富的审计报告形式和内容，借助于Tableau、Qlikview、Spotfire等可视化工具展示分析结果，以标签云、聚类图、空间信息流、热图等形式使报告生动直观。大数据审计报告“实时+定期”地提供更有价值的智能分析，进行风险预警报告，提供全景式风险视图，多维度、可视化地综合审计成果展示。
四、“流”审计模式的优势分析
（一）传统审计模式的缺陷
传统审计经历了从手工记账审查到计算机辅助审计漫长的转变过程，审计人员目前已经适应了利用计算机程序辅助调阅、查找并记录相关审计证据和资料的审计手段，但是仅仅依靠计算机作为辅助审计手段帮助审计人员实现越来越高的审计要求和审计期望时，其缺陷也愈发明显。尤其在大数据时代，审计职能要求审计人员具有广阔的知识储备与前瞻性的战略目光，而具体审计过程中，审计人员又需要在完全了解被审单位业务分工及其相关政策法规的基础上才有可能对其执行情况、控制制度发表有效意见。这一过程中仅了解被审单位业务过程就需要花费大量时间与精力，遑论执行高质量的审计并给出建设性的审计意见了。整体而言，传统审计模式有审计项目周期长、经验效应不明显、审计质量因人而异等固有不足。
（二）“流”审计为核心的审计模式的优势
审计模式的选择取决于审计职能和审计对象，程平等[13]认为大数据审计模式应从审计范围、审计数据、审计风险、审计技术和审计人员五个维度加以设计和考量。在前文已经阐述了如何调整审计对象以适应新常态下大数据政府审计职能转变的重要意义的基础上，本文将从四个方面讨论“流”审计为核心的大数据审计模式的对比优势，“流”审计为审计机关脱离部门限制确定审计对象、划分业务单元、规划审计流程提供了思路，旨在通过更具全局视野和高效率的审计方法及更具反馈性和时效性的监测制度来维持国家经济系统的稳定运行。
1.审计流程
审计流程是审计人员运用各类审计工具实施审计的过程。大数据应用对审计流程的再造并不是在原有计算机辅助审计技术上的简单扩容与增强，而是在数据的量的整合基础上，引起效率上的质的改变。以分析性程序为例，现有计算机辅助审计可以通过软件导入的方式，计算出业务数据百分比变化或者绝对值变化，分析评价业务合理性与趋势。可是业务数据的选择，经筛选的业务数据如何比较，比较结果如何评价，这些过程都依赖于审计人员的经验和判断。大数据审计技术按照现有发展趋势与成果来看，将不仅仅是对分析性程序本身加强，如增加分析程序复杂度、增加数据分析手段等，而是根据审计业务流程进行前向和后向的整合，組成一套按照审计目标和审计对象特点而制定的工具“流”：比如分析性程序在初步业务阶段被用以评估重大错报风险，那么该工具“流”应当能够从大数据数据库中根据业务“流”的属性、政府的管理目标自动识别并筛选出可用的、属于项目内外部的环境数据，利用合适的分析性程序执行操作，再将结果与审计专家库或审计智库中的最佳实践比较，为下一步决策提供支持，在该程序执行结束时，收集本次操作作为新的数据库数据，并及时获取审计人员的反馈，对原有知识库进行改进和完善;再如分析性程序在业务结束时的汇总分析，对以审计结果进行重新计算，针对所有特殊情况列出清单提请项目组长复核并解决，防止在出具报告之前存在重大异常却无法解释的审计事项。大数据技术与审计的融合让审计流程整合成为可能，审计程序和方法的选择与执行不再相互独立并完全依赖于审计项目组的时间预算和经验判断，这也将让审计流程变得更加连续和规范。
2.审计取证方法
审计是一个需要经验与专业判断的工作，即使大数据应用中可以嵌套大量决策模块以实现自动化运维，也不可避免地需要审计人员实施大量审阅工作与独立判断。一个审计事项通常涉及多个处室或者部门的参与，在实施“流”审计以前，审计人员从电子政务的业务流程出发，需要逐一向各部门求证，索要相关资料，有时候因为沟通不畅或不完整需要反复进行多边沟通，效率低下。“流”审计模式下的数据“流”是深度关联的，即当审计人员需要调阅某个审计事项时，能够根据权限和搜索条件准确定位数据，并按照审计需求至少同时获得与之相关的上下游记录、审批、评估文件以及配套的政策规范等，以上文件和规范的承办人、审核人、负责人等相关信息也应视情况保证可以被审计人员知晓和接触，过程取证技术与方法更加科学合理，并且动态持续，提高了审计人员获取证据的效率和效果。
3.审计时机
传统审计模式下审计人员常以会计信息为出发点，从记账凭证和原始凭证的记录中寻找已经发生并记录的经济事项，然而会计信息是一种历史信息，只在经济事项发生过后由专门的会计人员对事项进行记录，既没有具体经济事项的描述，也没有经办人的反馈和管理记录，待到审计人员重新关注该事项的时候，可能已经过去了相当长一段时间，其间岗位的调离，业务和职能的变更都会给审计调查取证带来严重的障碍，然而反映一件经济事项的数据并不只有最终的会计数据，在事项起初就会产生大量结构化、半结构化或者非结构化的数据，“流”审计模式下，经济业务在其一发生时就被准确而完整地记录归集，就能直接窥见事项的真实情况，经过“流”审计，即系统持续分析和监控，及时上报疑点，帮助审计人员提前介入调查，将审计工作时间提前至事前和事中。
4.审计范围
以往审计项目多以机关、事业单位为审计对象，对个别部门财政收支或者领导责任等实行单独审计，虽然已经取得了巨大的历史成绩，但对于非本部门的业务问题和制度缺陷则难以实现有效的评估和延伸审计，而如果采取多次单项审计也可能因目标与任务划分不明，导致重复审计或者审计盲区问题。“流”审计通过对实时数据的检测和分析，及时报送异常情况至相关职能单位处理，同时留下完整的数据记录供审计单位备查，缩小待审计事项的范围和选择的盲目性，长此以往，不仅被审计单位的业务准确性与规范性可以得到保障，还可以让审计人员将工作重心和审计范围延伸至内部控制和制度建设方面，以期达到权力约束权力，制度规范权力，政府审计帮助并实现新常态下国家治理的长期目标。
综上所述，通过比较新旧审计模式，可以将其各自的特点归纳如表1所示。对“流”数据的掌控，使得审计人员可开展的审计项目能脱离于部门局限，依照业务流、资金流或者实物流开展大型专项审计和集中审计，对“流”过程中各个部门的运作情况都能实现统筹把握、重点审计，这就是以“流”审计为核心的大数据审计模式。随着中国大数据审计实践的推广和研究的深入，大数据支持的新审计模式的优势会被逐步开发。
（三）“流”审计与传统审计的协同转变关系
可审计的、能够反映经济实质的信息流集合是实现“流”审计的重要资源，掌握大数据技术是实施“流”审计的必要不充分条件，作为信息中最重要的政府信息占据了全社会信息的绝大部分，当下这些隐含着重要价值的信息被各级政府部门逐级分割，形成严密而数量众多的信息孤岛，这些盘踞着重要节点信息的小利益团体，下意识或无意识地出于维护自身利益的原因，最终成为政府实现“流”审计的阻碍力量。
从宏观的角度上来说，内部信息的占有和使用能够为信息所有者带来超额的收益，而超额的收益（包括权利、经济利益、隐性福利等）必然源于信息不对称，在理想状态下，如果能够破除信息不对称，那么政府将会实现充分竞争市场下同级别的高效率。而信息披露，促进高效廉洁政府建设本身也是政府审计的目标之一。从这一点出发，信息“流”集成的需要与政府审计的审计目标是相辅相成的。一方面，政府审计能够在一定程度上破除信息不对称，打破信息孤岛格局，促进信息“流”共享;另一方面，“流”的集成与管理又可以反过来监督政府运行，改善和颠覆原有低效率的审计模式。因此，大数据政府审计平台的建设离不开现有政府审计的帮助和推进，而政府审计也将大大受益于自身工作，为“流”审计的实施积累成果。
从微观层面来讲，长期的信息封锁与利益盘踞形成了既得利益者固有的管理方式和思维模式，管理创新是打破僵局的唯一出路。尽管中央要求地方官员积极推进政务公开透明化，引导下属单位和职工实施管理创新、科学管理，并强调廉政自治，但由于这一目标下，领导的职能与责任没能充分衔接，仅依靠管理者的自我意识和约束难以实现切实改变。从这一需求出发，政府审计尤其是经济责任审计，能够极大地改善权责不分明问题，起到监督、复核作用，倒逼领导职能与职责的结合。由于这一层制衡关系的存在，领导的管理创新责任将有可能得到落实和推进，进而可以顺利通过管理创新做到对原有利益进行重新划分，最终以“流”审计为载体，联通各个信息孤岛，重塑政府职能与流程，实现高效、阳光、廉洁的政府。
五、结论
本文主要基于电子政务当前的审计要求与客观环境，从大数据的集成、审计分析和报告各环节研究了“流”审计模式的设计构思，以及如何利用“流”审计克服传统审计模式的不足，以改進大数据环境下针对电子政务的审计模式，提升审计时效性，提高审计覆盖率。“流”审计的引入将为政府审计部门在构建大数据审计平台前寻找合适的自我定位及审计对象提供帮助，其应当在关注电子政务合规合理、资金使用效率效果的同时，提升政府自身的管理协调能力和对外服务能力。因此，“流”审计模式的研究是基于我国政府审计现状，积极适应未来审计发展的一次创新尝试，在研究过程中也遇到了新的问题，例如“流”审计的实施依赖于政府大数据审计平台的架构与发展，相关框架体系与法律规范目前尚待明确。●
【参考文献】
[1] GANG-HOON KIM，SILVANA TRIMI，JI-HYONG CHUNG.Big-data applications in the government sector[J].Communications of the ACM，2014（3）：79-85.
[2] 阮哈建，刘西友.大数据与审计机关的应对策略[J].中国内部审计，2013（6）：84-85.
[3] MCAFEE A，BRYNJOLFSSON E.Big Data：the management revolution[J].Harvard Business Review，2012（10）：61-68.
[4] JOHN CARLO BERTOT，URSULA GORHAM et al.Big Data，open government and e-government：issues，policies and recommendations[J].Information Polity，2014（19）：5-16.
