工程项目大数据化审计工作的难题应对

袁克贵

摘 要：面对现今工程项目多角化及交易量庞大的营运模式，产生的数据更趋复杂，传统审计方法，已渐渐无法跟上时代。运用大数据资料分析的技术，协助审计人员完成判断，并透过审计人员对资料的解读，辨识出风险再加以审计，已是审计未来趋势。工程项目审计涉及的数据量较大，若不具备分析能力，势必降低审计效率和质量，审计工程项目时运用大数据化审计方法已是大势所趋。

关键词：工程项目;审计;大数据;未来趋势

一、引言

2015年6月，美国会计学会的知名会计学术期刊《AccountingHorizons》，特别为了大数据议题开辟了一期专刊，并一口气在专刊中刊出了8篇与大数据有关的研究评论，探讨未来学术与实际方向的指引性文章。IAASB成立资料分析工作小组，此工作小组搜集各方意见，并确认其未来工作方向，將积极参与IAASB的审计准则制定过程，以便考量信息分析对准则运用的影响，其所隐含的意义为：将信息分析运用于财务报表审计，已是未来不可避免的趋势。

随着交通科技与信息技术的发达，企业规模越来越庞大，也孕育了许多跨国企业，会计师在评估审计风险时所面临的困难将越来越多。随着大数据技术的发展，工程项目审计人员可以运用新的技术和方法，来辅助原有的查核方法，对不同种类的信息进行分析并评估可能的风险。大数据时代的审计工作，对项目审计方提出了新要求，需要不断学习才能完善工作。

二、审计工作的大数据化优势

1.传统审计的弊端

传统查核工作是利用人工对财务报表上的数据进行分析，但是财务报表是受查者的会计部门所提供的，当中可能含有错误或舞弊，因为受查者可以窜改系统中的资料，期后事项也可能导致财务报表整体误述，使得审计风险提高。

传统查核方法以抽查为主，凡是抽样必有风险，McCray（1984）研究指出抽样查核存在下列缺陷：①未能有效发现高风险领域，搜集证据的成本日渐提高。②采用随机抽样且样本数量小，容易造成所选取样本无法代表母体的情况出现。③在抽样查核完成后，仍需额外执行其他查核程序，造成审计时间及成本增加。④抽样查核为事后审计，无法反映商业活动的价值，容易误判风险。⑤风险评估易受人为主观判断及审计人员经验影响。

2.大数据审计的优势

在大数据时代，审计人员转为透过分析多方面的数据来搜集审计证据，审计人员的查核范围不再只单纯涵盖财务报表中的数字，使用大数据技术可以搜集多元化的信息。而大数据将信息分成结构性、半结构性、非结构性数据。结构性的数据主要是包含审计人员所做的前期底稿、历史数据以及过往执行查核所做的记录;半结构性数据就是没有以数字的形式记录下来的信息，而是透过电子化的方式进行记录，可能跟审计项目无关，而是其他非财务信息;非结构性的数据则是包含了没有被数字化和电子化的资料，比如查核委托书、客户声明书查核报告、与管理阶层讨论的记录等。

审计人员透过大数据技术可以将跨领域的数据进行分析比较，例如可以利用政府审计数据、国税局申报营利事业所得税统计数据、股票证券交易市场统计数据等多种数据建立大数据集合，运用数据挖掘性分析（分为四类：分类分析、聚类分析、关联分析和序列分析），结合多个数据库进行交叉且宏观的比较后，对异常的数据进行早期预警分析。透过不断地将结构性、半结构性和非结构性数据跨领域的加入分析模型中，逐步提高审计人员使用大数据技术辅助查核的审计能力。

除此之外，有了早期预警的模型，审计人员可以提前针对可能发生风险的项目进行查核，甚至在交易发生当下对受查者所做的交易记录进行了解。如此可以避免审计延迟所产生的风险，也可以使财务报表提早公布、让投资人有更实时的信息。

三、大数据对工程项目审计的挑战

在大数据环境下，“非GAAP”的事件资料量将会愈来愈巨大，但相反地，信息成本却愈来愈低廉，而使用者手头的分析工具则会愈来愈普及，因此对于坚持传统整理性报导的会计准则使用单位而言，必然要求审计资料的准确性。

1.审计数字资料的复杂化

在审计使用大数据很可能会产生一些重大影响。现存的文献表明，工程项目预期审计工作的专业判断会因为信息超载而更复杂，这可能会导致识别重大信息的困难。水能载舟亦能覆舟，海量的资料可能隐含着更多的审计证据，但也可能混淆了工程项目审计人员的判断。这也可能是使用大数据将会出现的一些问题，大量预期外的数字，导致错误判断，这是必须面对的。

2.全查取代抽样的转变

现今公司交易量庞大，审计所使用的样本量通常仅占公司整体交易非常微小的比例，因此审计过程中若没有谨慎判断抽样母体内项目的经济实质是否相似，使样本具有代表性，则很容易因随机抽出的样本没有问题，进而做出母体没有问题的推论。过去这种埋首于随机抽样的方式，已渐渐无法跟上时代。

在大数据环境下，虽然以人工作业为主的检查方法（如：实地盘点、观察等）运用于全查的可能性仍不高，致使计算机审查作业方式运用于检查中，逐渐改为母体全查。过去由于搜集、储存资料以及运算能力皆有限，故工程项目审计方只能依赖随机抽样的方法来进行，因而必须容忍一定程度的抽样误差，甚至因此而丧失抓取真相的机会。在大数据环境中，资料流通管道均已趋向自动化，且运算、储存能力也已大幅提升，故采用抽样技术的理由已不复存在，特别是在工程项目审计方检查舞弊等情况时，更必须使用完整的资料集合来建立舞弊侦测模型。

3.分析技术高要求化

在大数据环境下，很多的传统审计技术和方法显得效率低下和无法实施，大数据时代的超大数据量和占相当大比例的半结构化和非结构化数据的存在，已经超越了传统数据库的管理能力，工程项目审计方必须使用新的大数据存储、处理和检索方法。围绕大数据，一批新兴的数据挖掘、数据储存、数据处理与分析技术将不断涌现。在实施审计时，工程项目审计人员应使用新型的技术手段和工具，以提高审计的效率。

四、工程项目审计的大数据化适应

1.大数据下审计信息的穷尽化

大数据的应用已普及至各个领域，除了技术上结合了分散式云端运算架构外，分析模式更加千变万化，从传统的统计分析到资料探勘，甚至能与文字探勘、图像与影音分析等技术整合，同时更与来自生活周围的食衣住行相关产品或服务有密切关联，例如新闻、媒体网站的分享上传，或是透过智能型手机、监视器、电子感应器、RFID芯片卡、物联网、穿戴式计算机装置等所产生的各式各样文字档、数字档、影音档、图像档。前述四类资料来源基本上仍是以企业内部为主（例如：内部监控资料、企业本身网站、员工电子邮件），工程项目审计方也需由外部社群网站取得资料。如除了社群网站上的讨论意见以外，其他如：天气报告、交通实时状况、网站流量、实时新闻，甚至是利汇率、原物料价格、失业率、各类中央地方开放资料等，皆可纳入工程项目审计方的审计信息系统中。通过与企业的销售预算、成本预算的编制、定价、金融资产与不动产评价、无形资产评价等进行整合，判断企业是否有违规作业行为。

2.数据分析工作外包与否需要权衡

当然，工程项目审计单位仍可制订一套基本揭露法则，再交由企业自行依会计准则编制其他详细信息。未来会计准则制订者主要应思考如何订定前两阶段（订定资料来源或认列范围、取得方法等）有关的准则，第三阶段的资料分析、预测等工作，以及第四阶段的决策辅助，则尽量交由使用者或其他第三方专业单位来进行。当然，这只是个别学者的看法，若要真正落实，仍需长期讨论以形成专业共识。

3.会计核算准则应相应做出调整

会计核算准则可能会随着大数据技术的应用而改变。可能将大幅改变企业所使用的存货计价方法;对于资产使用程度的实时监控，也可能改变资产折旧、折耗与减损的认列方法;大数据的资料来源不限于企业内部，对于现行会计准则所要求的各种估计方法，例如折旧年限、资产残值、坏账率等，皆能整合到资料库，达到更高的估计效率。但未来可透过大数据中的网络自动化代理程序技术，找出新的资料来源，形成和发展新的资产评价模型与价格决定模型是必然的。

五、结语

如果不具备分析大数据的能力，这些爆炸般成长的信息量都将成为噪声，可能会妨碍审计人员做出正确的审计结论，随之而来的问题就是审计工作量的提升，在审计质量不能降低的前提下，要想如期地出具审计报告就必须要仰赖新的技术来提升审计效率。工程项目的大数据化审计趋势势在必行。

参考文献

1.于泳，雷强，吕锋.如何利用大数据推动审计工作的发展.经贸实践，2019（01）.

2.唐克晶.基于大数据时代的工程审计模式创新探究.山西建筑，2019（45）.

3.宋艳玲.建筑企业风险防控中的大数据审计应用.中国标准化，2018（14）.

4.夏文韬.工程结算内部审计工作要点探讨.建材与装饰，2018（31）.

5.马军.大数据时代下工程审计模式的创新探讨.科技风，2018（19）.

6.姬艳红，王大帅.大数据环境下工程项目审计探析.新会计，2018（04）：27―29.

7.赵樱.大数据驱动的工程审计模式创新研究.中国管理信息化，2016（19）.

（責任编辑：何卉）