用数据驱动型审计重塑审计服务

随着智能技术的发展，众多新兴技术被引入并应用到审计工作中，比如借助无人机、遥感影像进行存货盘点，结合人工智能对审计证据进行计算、推理，以及运用区块链技术提高审计证据的可靠性等。然而，受技术难度、研发成本、法律监管等因素限制，这些新兴技术难以在短时间内全面应用到审计的实务工作中。而本文所探讨的数据驱动型审计（data-driven audit），即大数据审计或者数字化审计（digital  audit）, 是指利用自动化分析工具，以数据分析为基础的新型审计模式。这种审计模式在欧美审计行业已经有了一定程度的实践、推广并展现了其对于提高审计效率、审计质量的巨大作用。

一、传统审计与数据驱动型审计的比较

在传统的审计模式中，审计师以财务报表的金额信息为出发点，分析、识别可能导致财务报表发生重大错报的因素。审计师通常采用问询、观察、检查和分析等审计程序来识别和了解审计客户的重大交易类别及其中的可能出错项。在完成上述的风险识别程序后，审计师再执行实质性程序以最终确定财务报表中是否存在重大错报。而实质性程序通常基于细节测试，即运用抽样方法在某类交易或者账户余额的总体中抽取部分样本，再对涉及样本的相关凭证进行检查，从而验证样本总体中是否存在重大错报。然而，随着会计信息系统的普遍推广应用，审计客户的财务数据愈发复杂。传统的审计方法逐渐暴露出了难以处理海量数据、数据中隐藏的关键信息难以被发掘等问题。

在数据驱动型审计模式下，审计师以审计客户底层记账分录为切入点，对全量财务数据进行深度挖掘，将数据分析贯穿审计工作的整个流程。审计师在关注财务数字（即分录的金额）的同时，也关注其他相关财务数据，例如分录的记账时间、记账人等信息。很大一部分审计证据的获取将通过数据分析完成，而不再极度依赖细节测试中的抽凭工作。值得注意的是，数据驱动型审计并非是传统审计方法的颠覆，而是强调通过对底层财务数据全方位、多角度分析，提升审计师识别异常交易、高风险领域的能力，从而执行更有针对性的审计程序。

二、数据驱动型审计在实务中的应用举例

在数据驱动型审计中，审计组首先获得底层会计分录的全部信息，包括每笔分录的分录编号、金额，业务日期（effective date）、入账日期  (posting  date)、记账人、分录描述等相关信息，再将此类基础财务数据录入数据分析工具并进行分析。所获得的深度财务数据不仅可以帮助审计师了解交易性质、时间和数量，从而聚焦值得关注的风险，而且可以使审计程序涵盖客户的全部总账及交易凭证，从而降低审计风险。

1. 风险评估阶段。在风险评估阶段中，审计师会对中期报表进行分析。在传统审计模式下，审计师需要识别出本期发生重大变化的账户，然后同审计客户通过电话或者邮件沟通以询问原因，并在审计项目组入驻现场之后进一步检查相关的支持性材料。而在数据驱动型审计中，审计师可以直接检查某个账户截至中期时点的全部会计分录，高效地识别出导致账户发生重大变化的底层记账分录，更加直观地发现新的趋势，找出审计重点。另外，由于提取的记账分录中包含相应记账人信息，审计师可以通过分析记账人的活动来识别出异常分录。例如，如果一名记账员通常不负责“其它应收账款”的记录，而在期末通过手动会计分录将一笔涉及“其他应收账款”的大额分录入账。在传统审计模式下，审计师往往只是检查总账、明细账金额，无法识别出此类具有更高风险特征的会计分录。

2. 实质性程序。在传统审计模式下，审计师在一定程度上同样运用数据分析程序，但应用范围较小，一般仅限于分析月度 / 季度毛利率、人均职工薪酬变化等数据时。然而数据驱动型审计模式下，审计师使用支持账户余额或流程的全部数据对入账活动进行深入分析，从而得到质量更高的审计证据。例如，收入确认是审计师关注的重中之重。在传统审计模式下，审计师通过检查审计样本的相关支持性材料以验证收入的准确性、真实性。然而，对于大型零售行业的审计客户而言，每年产生百万级别的订单数量并非难事，同时，此类订单也具有金额小、客户不集中的特点。传统审计模式不仅仅需要大量的审计资源而且无法避免抽样风险。因为审计师会抽取大量的代表性样本，然后检查每个样本的订单、发货单、发票、银行流水等支持性材料，同时由于运用抽样方法，审计师无法对交易数据总体进行全面检查。在实务中，由于缺乏科学的样本量评判标准，抽样风险变成了审计失败的重要原因之一。在数据驱动型审计模式中，审计师可以通过分析主营业务收入、应收账款和货币资金的账务勾稽关系识别出高风险的记账分录，如：涉及营业收入增加的记账分录借方不是应收账款、涉及应收账款增加的分录贷方不是营业收入、涉及应收账款减少的分录借方不是银行存款等。在实务中，这些明显不寻常的记账模式一般都涉及关联方交易、非日常交易的情况 （例如处置固定资产等），需要审计组重点关注。而对于那些营业收入、应收账款和银行存款入账模式完全吻合的交易，审计师只需要重点关注银行货币资金的到账情况，将月度银行存款的借方金额同外部第三方的银行流水金额相匹配即可。这样的审计方法不仅可以避免耗用大量审计资源，而且可以对全部收入样本进行分析。会计分录测试是审计师应对管理层舞弊风险的重要审计程序。在传统审计模式中，审计师大多时候仅会关注大额记账分录和分录摘要中包含管理层信息的会计分录。然而在数据驱动型审计模式中，审计师可以对财务数据进行更深度的挖掘从而识别出异常记账活动。例如，节假日入账的分录、业务日期和入账日期相差许久的分录等。这些非结构化数据之间隐藏的有价值信息可以帮助审计师识别出管理层凌驾于控制之上的会计分录或交易。

三、数据驱动型审计对我国审计行业的重大现实意义

审计质量是事务所作为资本市场“看门人”的生命线。高质量的审计工作往往需要大量的审计资源，例如，通过大量的抽凭工作来降低审计风险。而在实务中，审计组面临的最大挑战之一就是需要权衡审计质量和审计资源。一方面，审计行业监管日趋严厉，资本市场财务造假事件频发，审计质量的生命线失守将给审计师及事务所带来巨大风险；另一方面，目前审计市场低价竞争激烈，行业人才流失严重，事务所往往面临“巧妇难为无米之炊”的困境。

数据驱动型审计将有效地帮助审计师及事务所摆脱这样的困境。通过对审计客户财务数据进行全面分析，发现可能带来重大错报风险的隐藏信息，从而审计师可以对这类信息进行重点关注，更有针对性地利用审计资源。而且，数据驱动型审计也极大的降低了审计中的抽样风险，将所有样本纳入分析范围，增加了样本覆盖的深度和广度，从而更加有效地识别出其中具有重大错报风险的样本或相关因素。

在目前的审计实务中，抽凭工作主要由经验较少，入职时间短的年轻审计师执行。而此类工作任务繁重、重复性强、单调乏味的特征，也成为近年来审计行业人才流失现象严重的因素之一。数据驱动型审计将审计师从繁重的重复劳作中解放出来，而更加专注于风险和思考，审计师将会成为更具战略性和洞察力的角色。

数据驱动型审计让远程审计变得更加灵活。在传统审计模式中，从风险评估到到实质性测试，审计师需要花费大量的时间在审计现场同审计客户进行物理上的接触。然而数据驱动型审计以“数据优先”为核心理念，使得获取审计证据不再大范围的依赖于传统的现场询问和观察。在获取了客户财务数据之后，审计师完全可以远程实施大量的数据分析程序，从而使得之后的现场审计工作更加具有针对性，同样节约了投入到审计现场的审计资源。在新冠疫情防控常态化的大背景下，数据驱动型审计模式对推动审计师非现场审计工作的发展有着更加深远的意义。

四、实务推广可能遇到的困境和解决建议

1. 技术层面。同遥感影像、人工智能、区域链等最前沿的智能化审计技术相比，数据驱动型审计并非极其依赖于新兴智能技术，但是在技术层面上仍然对审计师所运用的分析工具和客户数据信息化水平有一定要求。实施数据驱动型审计要求数据分析工具能够将审计客户的底层财务数据进行汇总、整合，从而帮助审计师不仅可以对财务报表、会计科目和会计分录进行可视化分析，也可以从入账日期、记账人，分录描述等相关财务信息洞察企业的财务入账活动。

目前国际“四大”会计师事务所都有内部分析工具，例如安永的 Helix GL Analyzer 和普华永道的 Halo，这类先进的数字化审计工具在国际四大的欧美网络成员所已经广泛应用，并形成了一整套先进的审计理论。国内本土大型事务所也在开发、完善自己的数据分析工具，例如立信的审计云平台 SACP 等。在技术层面上，实施数据驱动型审计的主要障碍之一是中小型会计事务所缺少独立进行分析工具开发的物质基础。对于规模相对较小、财务基础薄弱的中小型事务所，可以考虑合作开发数据分析工具的路径。

除了审计师需要使用的分析工具，审计客户的财务数字化水平也会影响数据驱动型审计的实施效果。目前大中型国有企业及上市公司等单位都有自己的财务软件，这为推广数据驱动型审计提供了重要的条件。然而，这些财务软件所能提供的信息丰富度差异较大。例如，在 Oracle 和 SAP 中，除了较为基础的分录编号，金额和总账信息外，还会有入账日期、业务日期、记账人、审批人、分录描述、事业部等信息，且这些信息可以直接从审计客户数据端导出。而在金蝶、用友等系统中，分录的入账日期和入账人信息等往往需要审计客户同软件供应商沟通，从供应商数据接口导出相应数据。

在实务中，审计师需要根据可获取财务数据的丰富度“量体裁衣”地实施数据驱动型审计程序，从而最大化的挖掘客户财务数据中的潜在信息。

2. 审计师层面。数据驱动型审计对审计师最大的挑战并不是操作、应用数据分析工具，而是改变原有的审计思路，从主观向客观的审计观念转变、从传统向创新的审计思路突破。数据驱动型审计要求审计人员对数字化的审计证据充分关注，只有对数据有足够敏锐的洞察力，审计师才能真正搭建起实用且具有前瞻性的财务数据分析框架。万事开头难，在推行数据驱动型审计的前期往往会遇到巨大阻力，审计师对于新方法排斥心理和旧有方法的依赖性是重要原因。为减少阻力，在实务中，项目组可以先选择某几个重大账户、流程尝试实施数据驱动型审计模式，这样一方面给了审计师学习新的审计模式的过渡时间，另一方面也利于其充分认识先进审计模式的优势，有助于减少新方法过渡初期审计师的排斥心理。

由于数据驱动型审计极大依赖客户的相关财务数据，审计师需要对数据的提取、传输和测试过程予以重点关注。在实务中，往往是审计项目组获取客户的财务数据，然后将财务数据传输给事务所的专业数据处理人员，由数据处理人员将数据录入到数据分析工具中以供审计师执行后续审计程序。审计组需要确保相关财务数据在保证数据安全和隐私的前提下进行获取和传输。与此同时，审计人员需要执行相应的审计程序验证其所获取财务数据的完整性、准确性。在验证完整性时，审计人员可以借鉴传统审计模式下验证会计分录完整性的方式，即计算整个财报期间的分录活动总和并与期初、期末财务报表的差值做比较。但在验证准确性时，审计人员需要同时关注会计分录中的金额与非金额数据，例如记账人、入账日期、业务日期等。因为在执行数据驱动型审计程序时，审计师需要对此类非金额类数据深度分析，若底层数据不准确，则之后的分析程序也将失去意义。例如，如果会计分录中入账人信息本身就是错误的，那么审计师根本无法准确识别、筛选出由管理层人员直接入账的会计分录。

3. 其他利益相关方层面。监管机构和审计客户作为审计行业的重要利益相关方，对于成功推广数据驱动型审计模式至关重要。数据驱动型审计的一大优势就是利用数据间的勾稽关系进行分析，以代替原有的大量抽凭工作。所以在审计质量检查中，监管机构需要同事务所进行深入沟通，评估其是否在通过非传统审计模式下的数据分析程序获取了充分适当的审计证据。例如，在美国安永 2020 财年中超过 99% 的上市公司审计都执行了基于Helix GL Analyzer 的数据分析程序，美国上市公司会计监督委员会（PCAOB）抽取了其中52  个审计项目进行年度检查，认定仅有 3 个审计项目有涉及数据分析程序的缺陷。除了认可数据驱动型审计对审计质量的积极意义，监管机构同样需要及时更新审计执业准则、实务指引等内容，鼓励指导事务所实施数据驱动型审计。

审计师的数据提取工作需要审计客户的积极配合和支持。而在审计实务中，事务所的审计师在同审计客户沟通时并非处在优势地位，同时由于客户担心数据安全或者不愿意增加数据提取的工作量，  获取客户配合有一定难度。这种情况下，审计师需要向客户强调实施数据驱动型审计对于被审计单位的积极意义——a. 利于减少细节测试中凭证抽取数量；b. 将审计工作分摊到全年而非年末占用审计客户的大量人力物力配合审计工作；c. 可能由于审计效率的提高而降低审计费用等。

作者 | 王善

作者单位 | 安永华明会计师事务所