基于Python的大数据审计方法探讨.docxVIP

?

?

基于Python的大数据审计方法探讨

?

?

孙梦蝶

随着大数据技术的发展，各行业的信息化程度大大提高，审计工作涉及行业广，这就要求审计工作必须发展大数据技术。近年来相关文件也做出了指示，如《国务院关于加强审计工作的意见》在2014年10月提出要在审计实践中运用信息化技术审查问题的能力，探索大数据技术的运用。国务院2015年8月颁布的《关于促进大数据发展行动纲要》中的国家大数据战略，促进我国大数据发展。同年12月，构建大数据审计工作模式的要求在《关于完善审计制度若干重大问题的框架意见》文件中被明确。刘家义提出：“推进以大数据审计是实现审计全覆盖的必由之路。”

在此情况和背景下，如何获取、存储和使用大数据技术进行数据分析是审计部门和审计机构面临的重大挑战。在审计研究领域，许多机构和学者对大数据对审计的影响进行了阐述。大数据环境下开展审计工作已引起了广泛关注。因此，对大数据审计的展望也十分有研究价值，本文将重点分析Python语言在大数据环境下实施审计的可行性，为审计人员在大数据环境下实施审计，获取数据和进行数据分析挖掘数据价值提供理论参考。

一、大数据审计特征

维基百科把“无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合”称为大数据。大数据环境下非格式化数据比例非常大，如何审计非格式化数据，发现审计线索，是值得研究的。大数据4V的特点给电子数据审计带来机遇的同时又带来了挑战。

从数据层次来看，审计大数据涉及广泛的数据来源，结构化数据是当前被审计数据的主要类型，但半结构化数据、非结构化数据越来越多。数据类型的多样化与以往便于存储、分析的结构化数据相比，对大数据的处理能力提出了更难的挑战。被审计单位的财务数据和业务数据，数据不仅产生于组织内部运作的各个环节，也来自于组织外部。这些数据的价值对审计工作来说也是不可否认的。因此，被审计数据作为各种数据集合，自然具有体量大、多样化、价值高等大数据特征。

从技术层次来看，大数据审计技术是一系列具体的技术和方法，用于挖掘和呈现审计大数据，收集、存储、分类和分析挖掘以及可视化来实现数据的价值，审计的多样化使得审计数据更加复杂，不难想象与大数据应用在单一行业相比，审计数据获取，分配和存储技术面临的挑战。

从应用层次来看，大数据审计在应用中的实践主要体现在深度挖掘审计证据，跨部门、多行业开展数据分析，关联分析财务与业务数据、挖掘过去数据与实时数据的相关性，以发现审计问题、得出合理的审计结论。

大数据技术可以助推实现审计全覆盖。并且大数据审计可以推进制度完善，即通过挖掘某种社会现象的潜在规律，作为政策制定的依据，针对问题进行大数据分析、不断完善政策，推动国家治理现代化。同时，有部分政府审计领域的学者认为大数据审计的目標之一使政府审计揭示宏观经济社会运行风险的能力和效率大大提高，以揭露重大违法违纪问题，最终实现审计全覆盖、维护国家经济安全的目的。大数据审计的应用，十分符合推行现代审计综合模式的要求，符合数字化审计方式的特征。

二、Python的特点及其优势

Python是一种面向对象的计算机程序设计语言，它具有简单、解释型、交互式和可移植的特点，在数据分析领域正在得到越来越多的应用（官网：https：//）。随着其数据科学计算库的升级，Python程序设计语言越来越适用于分析数据科学。Python是一门真正的通用设计语言，Python编程语言的通用性，脚本语言应用的广范性，有众多组件、扩展库的支持，并且适用于多种平台的操作系统，从这些方面来看Python都优于科学计算领域最流行的商业软件Matlab。虽然目前Matlab中的某些高级数据分析功能Python还无法替代，但是对于基础性、前瞻性的审计数据处理工作，完全可以用Python来完成。

大数据审计需要用到的Python主要包括：Numpy，Scripy，Pandas，Matplotlib等。Numpy是一个科学计算的库，提供了矩阵运算等功能；Scripy工具包包括统计，优化，整合，线性代数模块，常微方程求解器等，可以和Numpy数组一起工作，并提供许多像数值积分、优化这样的对用户友好的和有效的数值例程；Pandas是Python的一个数据分析包，最初作为金融数据分析工具被开发出来。因此，提供了能使审计人员便捷处理数据的函数和方法。

Pandas建立在Numpy之上，使以Numpy为中心的应用变得简单，并且非常适合进行数据清洗和整理。Matplotlib是Python的一个可视化模块，审计人员可以利用该模块更方便的制作线条图、柱状图等专业图形。Python有着像Matlab一样强大的计算工具包Numpy，有Matplotlib绘图工具包能够对数据进行可视化，有科学计算工具包Scripy，Pandas可以像SQL对