基于大数据的财务报告审计方法研究

孙泽宇

【摘 要】 为了提高财务报告审计效率和效益，对基于大数据的财务报告审计方法进行研究。研究认为，在大数据背景下，财务报告审计理念将由经验驱动向数据驱动转变，审计人员可以基于不同类别数据之间的关联性有效甄别财务报告的重大错报风险和检查风险，基于体量庞大的数据样本挖掘可靠的审计证据，同时基于高速流动的数据验证审计结论。最后用一个案例进一步阐释基于大数据的财务报告审计方法的应用模式和应用效果。

【关键词】 大数据； 财务报告； 审计方法

中图分类号：F239.1 文献标识码：A 文章编号：1004-5937（2016）08-0109-03

企业会计信息失真一直是困扰理论界和实务界的难题。解决会计信息失真问题是一项复杂的系统工程，需企业自身、外部监管者和信息使用者三方协作，并通过组织机构设置、伦理道德感召、法律规范威慑指导、技术保障等手段来实施。

大数据时代的到来为解决企业会计信息失真问题提供了契机。现有研究初步探索了大数据对审计工作可能产生的影响，还未开发出能够指导审计实务的模型，本文拟在现有研究的基础上，进一步提出基于大数据的财务报告审计思路，指导审计工作者充分利用大数据所具有的数据种类多、体量大、流速快等特点和大数据分析技术所具有的强大功能，提高财务报告审计的效率和效益。

一、文献回顾与理论基础

（一）文献回顾

2008年，英国的《自然》杂志刊登系列文章，探讨大数据科学的问题，开启了全世界对大数据进行研究的先河[1]。近年来，大数据得到越来越多的关注，国内外学者围绕以下问题对大数据展开了广泛的研究：（1）什么是大数据，即大数据的定义及其特点；（2）大数据给人类带来的机遇与挑战；（3）大数据应用的关键技术；（4）大数据的应对策略。这些研究不仅激发了广大学者对大数据的研究兴趣，也推动了大数据在金融、营销、公共服务等领域的应用。在财务与审计领域，Michael and Miklos[2]撰文指出，随着大数据时代的到来，要求审计师应用大数据技术的呼声也与日俱增。Kogan and Alles[3]研究指出，基于大数据的审计意味着审计实务的顺序将发生改变；审计师不再需要通过高水平的分析性程序来减少审计所需的数据量；相反，审计人员可以自动测试每一个细节，从中找出例外事项，然后转向分析性程序发现异常，这样大大降低了以往审计工作中分析判断的难度，但提高了数据处理的要求。Cassidy[4]指出，对于大数据的应用而言，仅有数字本身是不够的，要真正理解数据，通常需要考虑就像人类情感之类的事情，而这种事情很少是数据驱动的，让机器代替人类去做那些理解大数据的工作，从而处理体量巨大的数据，才能体现出大数据之功效与美妙。Michael and Miklos[2]认为，审计师应重视通过上下文信息来改善大数据可用性，事实上，在这方面审计师具有基础，因为审计标准明确要求他们在分析数据对象时要看到其更宽阔的背景，那就是“高层基调（Tone at the Top）——在财务报告中出现的公司环境与文化”，高层基调很可能是复杂的、难以衡量的，但大数据能全方位提供公司的有关数据，所以审计师应该借助大数据扩大“高层基调”的范围，以包括所有那些可能影响管理者行为的因素，提高大数据的可用性，从而更好地将大数据整合到审计工作中。

（二）理论基础

财务报告审计是指为了实现查错揭弊、惩治违规、提供建议等目标，由独立、合格的专职人员接受委托，以一定的方法对财务报告是否按照适用的会计准则和相关的会计制度的规定编制，是否在所有重大方面公允反映被审计单位的财务状况、经营成果和现金流量的情况进行判断并向委托方出具审计报告的经济鉴证过程。目前，审计界推行风险导向审计，要求从宏观上了解被审计单位及其环境，包括内部控制，以充分识别和评估财务报表重大错报风险和检查风险，针对评估的重大错报风险及检查风险设计和实施相应的审计测试和审计程序。大数据时代的到来为风险导向审计的实施提供了便利条件，出于以下三个原因：一是数据采集成本和使用成本的下降，使得审计师可以设计出基于大样本或者数据总体的审计程序和方法，提高审计结论的正确性。二是充分的数据资源使得审计师更容易识别和评估财务报告的重大错报风险和检查风险。三是数据处理速度的提高，使得事后审计向实时审计转变、阶段审计向持续审计转变，从根本上提供审计工作的可靠性。

二、基于大数据的财务报告审计方法

在大数据背景下，财务报告审计理念将由经验驱动向数据驱动转变，审计者不必再为昂贵的数据使用成本所束缚，可以转换思路，面向种类丰富、体量庞大和流动速度快的数据样本构建新型的审计方法，从而提高审计效率和效益。

（一）基于不同类别数据之间的关联性甄别重大错报风险和检查风险

俗话说：“当局者迷，旁观者清。”有些问题从不同的立场和视角观察会得到不同的结果。在现代信息技术高度发达的今天，用多种手段采集同一事物的数据，相应地产生了多种数据类型。凡是产生于相同事物的不同类型数据之间存在一种或多种关联性，尽管数据呈现形式不一样，但都反映事物的本质。

基于大数据的财务报告审计可以充分利用反映同一事物的不同类型数据之间的关联性来识别重大错报风险和检查风险。账簿体系用文字和数字记录了企业的经济业务，传统上审计人员专注于这些财务数据，随着企业信息化的发展，各种类型传感器的使用越来越普遍，同样是针对企业的经济业务，采用的数据信息越来越多样化，比如，摄像系统所摄录的业务过程信息、计算机信息系统的操作日志信息、呼叫中心所录制的语音信息、客服系统所记录的聊天内容等。这些图像、声音、文字相对于财务数据而言可理解性强，使用门槛低，易于审计人员甄别业务过程、财务过程和检查过程中潜伏的重大错报风险和检查风险。

（二）基于体量庞大的数据样本挖掘可靠的审计证据

审计证据不仅起到支持审计结论的作用，还是制定与修改审计方案的依据之一。可靠的审计证据对于保证审计质量具有重要的意义。可以从纵向和横向两个视角收集审计证据。所谓纵向视角是指面向被审计单位内部，收集其连续的多个年份的相关数据；所谓横向视角是指面向与被审计单位有业务关系的其他单位收集相关数据。在小数据环境下，审计人员需要亲临现场或采用函证方式收集这些数据，数据采集既耗时又昂贵，在成本和时间的双重约束下，审计师不得不采用高水平的分析性程序来弥补数据的不足；而分析性程序的执行大多基于审计人员的经验，这就使得审计结论的可靠性严重依赖于审计人员既有经验。大数据时代，各行各业及各个单位都积累了丰富的数据，这些数据会有序地向全社会所有的用户开放，届时数据的采集成本将大大地降低，审计人员可以利用充沛的原始数据和审计证据进行分析工作，减少对分析性程序的依赖，同时提高审计质量。

（三）基于高速流动的数据验证审计结论

这里所说的审计结论是指在审计工作中生成的暂时性结论和最终结论。暂时性结论是临时的，有可能随着调查分析的深入发生改变；最终结论是审计人员认为可靠的并正式向委托方提交的结论。对于审计工作中形成的暂时性结论或者最终结论，检查人员可以首先基于这些结论作出相应的事实判断，然后再将这些事实分解为一系列的人证和物证，最后通过逐个核对人证和物证来确定事实判断的正确性，从而确定相关结论的可靠性。小数据环境下，由于信息交流速度低、成本高，检查人员只能采用抽样检查的方法得出检查结论，这将不可避免地发生两类错误，即抽样统计学上的Ⅰ型和Ⅱ型错误。大数据环境下，借助于数据高速公路，各种数据快速流动，极大地降低了信息交流的成本，根据被调查对象的情况检查人员可以采用数据总体调查或者大样本调查的方法得出相关审计结论，极大地降低由于检查工作不全面而导致的审计结论出现错误的概率。

三、案例分析

从2009年起，在北美资本市场中出现了一家第三方研究机构，名为浑水研究公司（Muddy Waters Research，下称“浑水”），它通过发出真实的研究报告揭露了四家在北美上市的中国概念股公司的财务造假问题——东方纸业（AMEX：ONP）、绿诺国际（NASDAQ：RINO）、中国高速频道（NASDAQ：CCME）、多元环球水务（NYSE：DGW）。被揭露的这四家民营公司大部分股价均出现大幅下跌，其中绿诺国际和中国高速频道已退市，多元环球水务已停牌，而浑水及相关利益公司亦因此获利匪浅、名声大噪[5]。

目前浑水在调查造假公司方面可谓驾轻就熟，多次狙击财务造假的上市公司获得成功。为什么浑水识别财务造假的成功率如此之高？归纳总结浑水的工作模式之后，不难发现，那就是他们多方调查取证，充分利用大数据的思维来发现目标公司所存在的问题。

（一）收集详尽的数据资料，形成大数据资源

浑水一般从目标公司及其关联方、供应商、客户、竞争对手、行业专家等方面搜集数据，形成大数据资源。

第一，在选定疑似财务造假公司后，浑水必对其各种公开资料做详细研读；这些资料包括招股说明书、年报、临时公告、官方网站、媒体报道等，时间跨度常常很大。第二，浑水还要对关联方进行详细的调查；关联方包括大股东、实际控制人、兄弟公司等，还包括那些表面看似没有关联关系，但实际上听命于实际控制人的公司。第三，为了解公司真实经营情况，浑水多调研上市公司的供应商，印证上市公司资料的真实性。第四，浑水很重视对客户的调研，包括网络调查、电话询问、实地访谈等；通过这些调研核实客户的实际采购量、采购价格以及客户对上市公司及其产品的评价。第五，浑水很注重参考竞争对手的经营和财务情况，借以判断上市公司的价值，尤其愿意倾听竞争对手对上市公司的评价，这有助于了解整个行业的现状，不会局限于上市公司的一家之言。第六，浑水尤其重视请教行业专家来加深对行业的理解，该行业的特性、正常毛利率、某种型号的生产设备市场价格等问题都能从行业专家那里得到更好的解答。

（二）基于大数据资源识别造假行为、挖掘造假证据、验证调研结论

浑水充分利用大数据所具有的种类多、容量大和流速快的特点，识别目标公司的财务造假行为，挖掘造假证据，验证调研结论。

浑水极少运用复杂的模型去识别一家公司的造假行为，而是充分利用大数据所能提供的信息来识别。通过对多个调查案例进行关联分析和分类比较，浑水基本总结了中国概念股造假的一些规律：包括设立壳公司、拟假合同、开假发票等，这些都成为浑水关注的重点，也成为了他们识别造假行为的切入点。由于浑水的调研体系全方位覆盖了被调查对象的情况，如果想彻底蒙骗过去，那得把所有涉及的方面都做系统的规划，这不仅包括不计其数的公开资料都口径一致，也得和所有客户、供应商都对好口供，还得把工商、税务、海关等政府部门圈进来。如此造假，成本极其高昂，绝对不比做个真实的公司去赚钱来得轻松。因此，浑水利用大数据所提供的社会对账功能，屡屡获取成功。

基于大数据所蕴藏的巨大信息量，浑水能够客观地判断整个行业的情况，然后根据相关数据估算上市公司真实的业务情况。再将实际调研的所见所闻与公司发布的信息相比较，其中逻辑矛盾的地方，就是上市公司被攻击的软肋，也是浑水挖掘造假证据的起点。如对东方纸业浑水重估了存货的价值，并且拍摄工厂照片和DV，请机械工程专家来评估机器设备的实际价值，还观察工厂门口车辆的数量和运载量来评估公司的实际业务量，从而得到了该公司财务数据造假的可靠证据。

在整个调研过程中，浑水常会利用大数据环境所提供的便捷的信息通道来验证调研结论。浑水非常注重利用先进的信息仪器和设备观察工厂环境、机器设备、车辆运载情况。浑水甚至假扮客户去给供应商打电话，了解供应商的产能、销量和销售价格等经营数据，以及供应商对上市公司的评价，以此作为与上市公司公开信息对比的基准，去评判供应商是否有实力去和被调查公司进行符合公开资料的商贸往来。依赖多种多样便捷的信息渠道，浑水能够准确地验证所得出的调研结论。

四、结语

我们的社会已进入大数据时代，数据资源将成为人类认识和改造世界所能利用的一种新型资产。在审计领域，基于大数据思维的财务报告审计方法能够提高审计工作的效率和效益。本文从大数据的特点出发，提出了基于不同类别数据之间的关联性有效甄别财务报告的重大错报风险和检查风险，基于体量庞大的数据样本挖掘可靠的审计证据，基于高速流动的数据验证审计结论的新型财务报告审计方法的设计思路，旨在抛砖引玉，促进大数据在审计工作中的应用。

【参考文献】

[1] Big data：Science in the petabyte era[EB/OL]. http：//www.nature.com/news/specials/bigdata/index.html[2008-09-03/2015-02-21].

[2] MICHAEL A， MIKLOS A V. Thick data： adding context to big data to enhance auditability [J].International Journal of Auditing Technology，2014（2）：95-108.

[3] ALEXANDER K，MICHAEL G A，MIKLOS A V. Design and evaluation of a continuous data level auditing system[J]. Auditing： A Journal of Practice and Theory，2014，33（4）.

[4] CASSIDY M. Big data is yielding to thick data and that's a good thing，Bloomreach[EB/OL].http：//bloomreach.com/2014/05/big-data-is-yielding-to-thick

-data-and-thats-agood-thing/（accessed 10/5/2014）.

[5] About Muddy Waters Research[EB/OL]. http：//www. Muddy waters-research.com/，2016-03-03.