浅谈数据审计思维与基本方法 （禁止转载）
大数据时代，如何从纷繁复杂、易逝多变的表象中发现事物的本质，如何从碎片化的资料中快速有效发现重大问题，如何从数据背后提炼有价值的规律和结论，审计思维在其中起到了至关重要的作用。似海的数据、如山的账本，深刻影响了我们传统的审计思维模式和方法，成功而有效的审计思维模式是大数据审计分析的关键，倒逼着我们要全面运用大数据审计思维推动审计工作的新发展。
一、审计分析的基本思维模式
（一）经验总结思维模式。人类社会的发展在于经验的积累和传承。经验总结是归纳思维的表现形式，主要是充分考虑我们审计中所发现的问题偶然中是否存在必然，必然中是否又有偶然因素。从单个问题的表现出来的特征中总结提炼其一般性表现特征，运用大数据分析技术查找其他领域或事项中是否存在相同或相似的问题，是一种从特殊到一般的归纳思维方式。这种模式的优点在于可以直接使用现成的经验做法准确锁定问题疑点，提高审计效率。
（二）问题假设思维模式。职业怀疑精神是审计人员必备的素质之一。一定意义上讲，发现问题比解决问题要更重要。审计人要摒弃“存在即合理”的思维定势，保持职业怀疑精神，带着问题去审计。“大胆假设、小心求证”是普遍应用于审计工作中发现问题、解决问题、研究问题的原则。大胆假设就是要突破思想禁锢，对于可能出现的问题和变现形式提出各种假设，小心求证就是要在尊重事实、尊重证据的前提下，运用科学的审计方法对假设进行小心严谨的科学验证和证明，以期揭示规律、发现问题。在大数据审计中，审计人员要发动集体的智慧和力量，运用头脑风暴法，积极的梳理思考可能的问题和分析的思路，提出解决问题的方法。对种种可能出现的问题经过小心求证一一验证、锁定、排除，最终达到预期既定目标。
（三）系统关联思维模式。联系的观点是唯物辩证法的一个总特征。所谓联系就是事物之间以及事物内部诸要素之间的相互影响、相互制约和相互作用的关系。唯物辩证法主张用联系的观点看待事物和问题，反对形而上学孤立的观点。就大数据来说，数据从来就不是孤立的，任何单位和个人的行为都有可能留下数据“痕迹”。对大数据审计分析而言，就是要用联系的观点，从全局和整体的层面理解数据，不仅要发现数据呈现的现象，更要找出现象背后的原因和数据关系。这种模式的优点在于发散思维，能有效探求事物内部和事物之间的联系，从联系的观点查找问题，寻找规律，得出的结论往往比较令人信服。
二、数据审计分析的基本思路
思路创新是审计发展的不竭动力。思维模式不能代替具体的审计思路和方法，在大数据审计中，需要审计人员根据已有的审计数据，按照审计重点和内容，确定具体的审计目标，总结适合的审计思路，选择正确的审计分析方法，实现预定的工作目标。下面结合审计实践，总结常用的几种大数据审计分析的基本思路和技术方法。
（一）查询分析法。这是目前应用最为普遍的一种数据分析类型，指审计人员利用SQL等数据库分析技术访问和查询数据记录，进行筛选、查找、排序、计算等操作性分析。查询分析法的主要特点是根据数据的特征设定特定的条件，从而筛选出符合预期的数据，主要适用于单个数据库内部的信息的汇总和问题的查找。如在税收征管审计中，按税种、纳税单位汇总全年实现的税收情况，可以很容易的分析当地实现的税种结构和支柱性的企业、行业，从总体上把握税收分布情况。从实践来看，查询分析法思路清晰、简单易行、目标明确，尤其适合行业大数据内部的各种查询，缺点在于较少的或几乎不依赖外部数据，通过系统内部查询发现问题的机会较少，较多的适用于汇总、分类、排序等操作性分析。
（二）逻辑判断法。逻辑判断就是基于审计人员的基本经验判断，时刻保持职业怀疑精神，对被审计单位给的解释一定要考虑是否有直接或间接的证据做支撑，只有深入思考，才有可能把握关键点发现问题。对大数据审计而言，就是在对被审计单位基本业务了解的基础上，对业务的内部逻辑结构进行分析，利用数据库内部数据之间的关系，利用审计经验判断对数据进行分析，查找有无业务逻辑的矛盾之处，通过现象把握事物的本质，从而确定审计疑点。例如我们在对税务部门代开发票审计时，重点关注行政事业单位是否存在利用税务代开发票转移财政资金、私设小金库问题。审计思路是筛选检查付款方为行政事业单位、收款方为企业的记录，按发票金额大小排序，然后根据代开事项判断业务的合理性进行延伸审计，最终查实某单位转移资金私设小金库问题。
（三）外部数据关联比对法。外部数据关联比对法是目前最卓有成效的审计方法之一。关联比对审计方法能取得成功，客观上是各部门单位数据资源分散，不能实现联网共享，“数据孤岛”问题突出；主观上是审计署和地方审计机关大力推广大数据审计，多行业多部门的跨年度收集数据，建立了数据中心和数据分析平台，具备了大数据审计的基础。如我们通过财政供养人员数据与工商数据关联分析，查处了某县农机局局长违规成立农机公司非法牟利、成立农机专业合作社倒卖购置农机补贴指标骗取财政补贴资金等问题。数据关联比对分析由于加入了外部数据，不受被审计对象内部因素的影响，精准率极高，准确地揭示了存在的问题。
（四）类推分析法。类推分析法是指将一类事物的某些相同方面进行比较，以这个事物的正确或错误推断另一个事物的正确或错误。类推分析法属于平行式的推理分析方法，它的特点是先比后推,在类比的时候，既要关注两个事物间的相同点，也要关注差异处，而两个事物之间的相同点是进行类推分析的基础和前提，没有共同点的两个事物是无法进行类推分析的。在大数据分析中我们可以利用类推分析的原理，在审计发现新的问题时，根据问题的表现形式，总结其特征和规律，通过大数据分析技术将具有相同表现特征的记录筛选出来，有效的扩大审计成果，提升审计效率。如在税收征管审计中，我们发现多家企业缴税时存在共同的规律就是缴税时直接由个人使用POS机刷卡缴纳，而按税收征管规定，除非纳税账户被查封等特殊原因，企业不能通过其他个人账户缴纳税款。我们根据这一特征，将所有有登记备案的纳税专户却通过个人账户缴纳税款的所有企业信息筛选出来，逐一落实。最终查处了多个地方虚收空转税收的问题。
（五）趋势分析法。趋势分析法是利用数据内部或数据之间的关联关系，通过对各类数字两期或多期连续的相同指标或比率进行定基对比和环比对比，计算分析其增减变动方向、数额和幅度，从而揭示数字变化趋势的一种分析方法。趋势分析法也是审计分析性复核的主要方法之一，对于确认资料间严重偏离的波动、查找潜在的错报或舞弊等高风险领域非常有效。大数据分析中应用较多的是各期数据纵向比对，如在对企业的金融贷款审计中，通过税收征管数据与贷款数据的连续三年的对比分析，将获得银行贷款后纳税金额逐年降低甚至直接为零的企业筛选出来，查看是否存在企业经营不善导致贷款回收困难的情况，结合其他资料判断是否存在利用注册空壳公司、提供虚假材料骗取贷款问题。利用趋势分析法可以检验与利用审计经验建立的预期的吻合度，重点加大对预期偏离较大的数据的分析，实现对潜在违规问题和风险的披露，从而达到预期审计目标。
（六）数据挖掘法。数据挖掘法是大数据分析比较前沿的技术，是指从大量的数据中通过算法搜索隐藏于其中信息的过程。它不同于一般的统计分析方法，其特点是不对数据的内在关系做任何假设，而是让挖掘工具中的算法自动寻找数据间隐藏的关系和规律。数据挖掘的主要技术有决策树、神经网络、回归分析、关联规则、聚类、贝叶斯分类法、支持向量机等等。数据挖掘比较著名的案例是沃尔玛通过商品关联性分析发现，超市中啤酒与尿布两件看上去毫无关系的商品会经常出现在同一个购物篮中，经过深入调查后，沃尔玛在超市调整货物摆放顺序，将啤酒与尿布摆放在相同的区域，从而获得了很好的商品销售收入。数据挖掘优势在于它能从数据中发现人们未知的知识和规律，它不仅可以处理大规模的数据，而且不需要审计人员提供主观评价信息，这种技术能发现容易被审计人员主观忽视和隐藏的信息，有利于避免有价值的线索被人为的主观因素所忽略的情况发生。当前数据挖掘技术在审计领域的运用还处于初级阶段，要突破这种局面，从传统的仅依靠经验和查询式数据分析技术的审计观念中走出，还需要加强学习研究，逐步养成利用数据挖掘等新技术来发掘潜藏问题和线索的习惯，以实现对审计对象整体情况的全面把握。
