崔竹 李培培 李璨融

【摘要】非现场数字化审计是“十四五”时期国家审计落实党中央、国务院要求， 坚持科技强审、加强审计信息化建设的重要内容。 本文通过全面梳理非现场数字化审计现状， 剖析其与现场审计之间的协同问题， 构建数据、人员和项目管理三个维度的非现场数字化审计与现场审计协同治理影响因素分析框架， 其中数据因素是首要因素， 人员因素次之， 项目管理因素的影响较小。 基于此， 提出应用非现场数字化审计平台、统筹非现场数字化审计模式和管控非现场数字化审计程序的政策建议， 以期对促进数字化环境下审计组织协同创新和国家审计高质量发展提供有益参考。

【关键词】数字化转型；非现场数字化审计；大数据审计；协同治理

【中图分类号】F239.1      【文献标识码】A      【文章编号】1004-0994（2022）21-0086-7

信息通信技术创新驱动着审计的数字化转型。 面对数字技术变革带来的机遇与挑战， 国家审计不断在审计理念、审计组织管理（包括人员管理、数据管理等）、审计技术方法等方面进行变革， 现已初步形成了“总体分析、发现疑点、分散核实、系统研究”的数字化审计模式， 数据审计理念基本确立。 近年来随着环境的变化， 传统的现场审计方式面临一定挑战， 非现场数字化审计的实践进一步深入， 其已成为新时期国家审计高质量发展的重要着力点。 数字化背景下的管理活动呈现出高频率实时、全周期交互、跨组织整合、多主体协同等特征， 线上线下行为日益走向全面融合、广泛联系和高频互动[1] 。 适应数字化环境下的管理特征变革要求， 将现代信息技术与传统审计业务有效结合， 构建非现场数字化审计与现场审计协同的组织模式变革路径， 具有重要的现实意义。

一、非现场数字化审计发展现状及其与现场审计协同面临的问题

（一）非现场数字化审计的界定

按照审计人员开展审计工作的地点或场所， 审计组织方式可分为现场审计和非现场审计。 现场审计是指审计人员到被审计单位所在地开展监督检查的审计实施方式， 可方便实施调查、观察、询问、判断、查账等传统审计方法。 非现场审计是相对于现场审计而言的， 有广义和狭义之分。 广义的非现场审计包括送达审计、联网审计、持续审计、远程审计、大数据审计等多种方式。 本文所涉及的是审计数字化转型背景下狭义的非现场数字化审计， 它是指审计人员在被审计单位或被审计工程项目实地之外， 即主要在审计机构自身的数据分析環境下， 利用审计机构以往日常采集的数据和围绕特定审计项目最新采集的数据， 开展数据分析， 并据此对现场审计提供支撑[2] 的审计实施方式。

与传统现场审计相比， 非现场数字化审计在国家审计领域的运用体现出“5M”特征（具有更多环节， 关注更多主体、更多关系、更多目标和更多行为）[3] 。 在功能作用发挥方面， 非现场数字化审计有利于突破资源限制， 扩大审计监督覆盖面， 是实现审计全覆盖的必由之路； 有利于突破时空局限， 提升国家审计对经济社会风险的预警能力， 是发挥审计常态化“经济体检”功能的重要途径； 有利于突破局部视野， 充分发挥国家审计宏观管理职能[4] 。

（二）非现场数字化审计的理论研究和实践

在理论研究层面， 美国会计学会主办的《会计新视野》杂志曾于2015年6月出版特刊， 从不同层面论证了将数据分析纳入审计工作的重要意义[5] ， 利用审计信息标准框架评估了数据技术应用于审计工作的可行性[6] ， 分析了审计大数据与持续审计的开展[7] 以及将大数据技术应用于审计工作的促进因素和阻碍因素[8] 。 在国内， 云计算、大数据对会计、审计的影响不断深入， 从数据采集、处理、分析、组织和风险等方面给国家审计带来了挑战[9] 。 有学者提出了面向审计数字化平台的审计组织能力成熟度模型[10] ； 从成本效益角度和需求供给角度分析了审计模式改进的可行性， 从逻辑流程、网络架构和应用架构角度规划了大数据审计模式的路径及评价指标[11] ； 提出了审计领域的大数据价值链框架， 从审计大数据价值发挥的角色职责出发， 阐述大数据审计组织模式的创新[12] 。 但鲜有学者从系统论或协同论的角度研究非现场数字化审计的组织困境。

在实践应用层面， 近年来各级审计机关开展非现场数字化审计工作的情况较普遍。 从审计机关来看， 85%的审计机关开展过包括审前数据分析在内的非现场数字化审计工作； 从审计项目来看， 各级审计机关开展审前数据分析的项目占总体审计项目比重的均值在50%以上； 从审计人员来看， 61%以上的审计人员参与过数据分析工作[13] 。 审计署2020年初组织全国审计机关开展的疫情防控资金和捐赠款物专项审计以及近年来承担的联合国审计任务等， 都大量应用了非现场数字化审计。 山东省审计厅开展的省市县三级联动模式、河南省审计厅的“五个关联”工作思路、天津市审计局的大数据字联网审计等， 也是数字化审计组织模式的典型代表。

根据开展数据分析工作的主要场所、时间安排和人力配置等因素， 非现场数字化审计与现场审计之间的协同关系可以分为以下三种模式。

1. 以非现场为主模式。 数据分析组或数据分析部门利用审计机关日常采集的数据开展非现场数字化审计。 对数据分析疑点较多或问题性质较严重的审计对象， 通过新设审计项目的方式开展现场审计； 对数据分析疑点较少、问题性质较轻微的审计对象， 通过现有审计项目核查， 或者反馈审计对象自我核查并报告。 该模式主要适用于审计机关日常数据采集基础较好的审计领域。 例如， 天津市审计局搭建联网实时审计系统， 通过非现场数字化审计方式， 每年实施一次16个区财政决算、100余家市级部门预算， 并实现市属国有金融类企业、公共资金和民生资金、重大公共投资项目、市属国有非金融类企业（每两年）等数据审计项目全覆盖。

2. 非现场与现场相结合模式。 搭建非现场与现场两套数据分析环境， 组建大兵团作战的非现场数字化审计组， 利用审计机关日常采集的数据和围绕该审计项目最新采集的数据， 在审计组进驻现场前即开展集中的数据分析， 在审计组进驻现场后结合现场数据分析结果进行核查取证。 该模式主要适用于审前数据采集较充分的审计项目。 例如， 天津市滨海新区审计局2015年起在投资项目审计中， 运用无人机遥感测绘（RS）、激光扫描等技术进行现场地形地貌地物数据采集处理分析， 使用网络实时动态差分技术（RTK）完成激光点云数据坐标系转换， 在非现场借助基础测绘资源、利用地理信息系统（GIS）解决复杂环境下大范围绿化苗木数量、胸径和冠幅规格测量等问题， 建立了符合审计作业标准的数据采集和分析算法。

3. 以现场为主、非现场为辅模式。 以现场数据分析组为主， 主要在审计组进驻现场之后， 利用现场采集的数据开展数据分析， 同时根据分析需要将有关疑点反馈给审计机关， 与审计机关日常采集的数据进行关联分析。 现场数据分析环境可以分为单机/局域网独立分析、被审计单位数据库直连分析和审计机关数据库在线分析等。 该模式主要适用于被审计单位的数据不适宜全部采集到审计机关的审计项目。 例如， 审计署重庆办在信息化环境较好的金融机构， 利用金融机构已建立的数据分析平台与审计署存储的工商、税务、海关、财政和环保数据以及网络公开信息数据进行关联对比分析， 查找审计疑点， 并通过VISO、EXCEL等软件形成图形化的分析追踪和结果界面， 反映审计取证过程。

（三）非现场数字化审计与现场审计协同面临的主要问题

当前， 对于如何保证电子数据证据的可靠性和证明力尚没有具体的规定， 审计机关通过非现场数字化审计发现的疑点还不能直接作为审计证据， 需要审计现场核查证实。 而且， 非现场数字化审计虽然容易发现大量疑点， 但并不是所有疑点都值得现场审计延伸核查[9] 。 发现疑点与核查取证的分离带来了非现场数字化审计与现场审计的协同问题。

1. 非现场数字化审计发现疑点的准确率不高。 从审计机关来看， 各级审计机关非现场数字化审计发现的疑点质量差距较大， 经核实确认的疑点占比从10% ～ 90%不等， 平均仅为30%左右； 从审计人员的评价来看， 非现场数字化审计质量处于一般水平（准确率为20% ～ 50%）， 特别是基层审计人员反映的非现场数字化审计疑点质量较低（准确率为10% ～ 20%）。

2. 非现场数字化审计与现场审计的协同性不高。 具体而言， 从供给侧即非现场数字化审计的角度来看， 非现场数字化审计启动时间与现场审计进点时间间隔小、数据分析时间紧、数据分析人员少、数據采集汇总校验时间长、数据分析思路反复调整、疑点核查结果汇总时间长、难以及时分析现场审计新反馈的线索等， 导致数据分析形成疑点数量过多、下发时间晚， 难以满足现场审计需要等。 从需求侧即现场审计的角度来看， 现场审计时间紧、核查人员数量少、因怕“走弯路”导致核查积极性不高、因理解不到位而导致核查方向不准、向被审计单位调查取证的时间过长、与非现场数字化审计组反复沟通的时间长等， 使得部分疑点未核查、疑点核查命中率不高、反馈时间滞后， 难以与非现场数字化审计组有效协同等。

二、非现场数字化审计与现场审计协同的影响机理

协同论是通过复杂的非线性作用产生整体效果放大效应的过程， 它强调大系统中的诸多子系统有机会通过某些路径协同配合， 进而推演或创作出单个子系统不具备的新功能， 最终实现协同价值增值[14] ， 即协同后会发挥大于原来各子系统效应之和的扩大效应或倍增效应。 协同正成为当前数字化环境下政务管理的重点和亮点。

审计是一种群体智力工作， 天然具有构建计算机协同审计系统的基本特征， 如群体性、交互性、协作性、分布性等[15] 。 数字化时代审计变革的逻辑起点是审计取证模式的变革， 其核心思路是“开展数据分析后延伸取证”[16] ， 这蕴含着非现场数字化审计（数据分析）与现场审计（延伸取证）的协同问题， 对审计整体流程、技术方法、作业模式、规范体系以及人才需求都有着深刻影响。 当前非现场数字化审计在数据采集与管理使用、数据共享、技术应用、组织管理、人员能力、质量控制等方面存在制约因素[17] ， 需要逐步积累数据、技术和人才等资源并加强项目管理。 其中， 技术和平台是实施数字化审计的软硬件基础。 由于“金审工程”三期项目尚未在地方审计机关全面部署， 各地审计机关已有数据平台的技术基础与应用差异较大， 应用策略与审计人员的技术能力和经验密切相关。 为从审计机关整体视角系统研究数字化审计影响因素， 本文将技术因素归类为人员协同因素项下的分析人员分析能力和业务人员分析能力。 据此， 非现场数字化审计与现场审计协同质量的影响因素主要分为数据因素、人员因素和项目管理因素三个维度。

（一）数据因素是基础客观因素

数据是数字化审计的核心， 获得反映经济社会运行的主要数据是开展数字化审计的必要条件。 在数据采集得到保障的前提下， 数据的真实、完整、及时、共享是数字化审计质量的基础影响因素[2，18] 。 若对错误、缺失或过时的数据进行分析， 所得出的结果必然有所偏差， 甚至“差之毫厘，谬以千里”。 非现场数字化审计对数据质量的要求较高， 在数据真实性方面， 由于被审计单位有意隐瞒或修改数据， 或者数据传输转换过程中存在错误等情况， 导致“假账真审计”增加审计风险。 在数据完整性方面， 由于部分审计项目在计划阶段对审计对象的了解不全面， 难以一次性完整提出所需资料清单； 或者由于被审计对象的配合程度和信息化水平较低， 制约了数据的采集渠道等， 导致非现场数据采集不充分、覆盖面不全、类型范围不完整等， 影响数据分析的可行性。 在数据时效性方面， 审前数据采集不及时或现场数据获取、传回不及时等， 往往导致非现场数字化审计过多依赖过时的历史数据， 影响数据分析结果的时效性。 在数据共享方面， 受数据传输和数据安全等因素的影响， 审计机关采集的外部数据难以充分地在审计项目组之间以及各级审计机关之间共享； 税务、银行等垂直系统的数据呈现出向总部集中的趋势， 而基层审计机关存在相关数据获取渠道不畅等问题； 审计组内部也存在数据共享不充分的问题， 这些都会影响数据分析的质量。

（二）人员因素是关键主观因素

数字化审计工作是人才和技术的优化配置与有效融合， 人才培养是数据审计的关键。 在数字化审计模式下， 审计人员的知识结构和能力结构需要全面升级， 既懂审计业务又能进行数据分析的复合型人才供不应求。 在数据分析人员的审计业务能力方面， 由于数据分析人员未到审计现场， 缺乏对审计对象的感性认识或理性研究， 往往难以发现分析疑点与审计对象业务实际之间的偏差， 直接影响疑点分析的质量。 在审计业务人员的数据分析能力方面， 如果审计业务人员缺乏数据分析思维和分析技能， 就无法有效开展现场数据分析工作， 或者难以与非现场数字化审计人员进行充分沟通。 在数据分析高端领军人才方面， 非现场数字化审计所需高水平数据分析领军人才的不足， 往往会影响前沿数据分析方法的创新应用。 在人员衔接方面， 非现场与现场审计人员的信息交互反馈机制不充分、审计人员与被审计单位之间的信息传输存在较高沟通成本， 都会影响协同效应的发挥。 在现场审计人员方面， 审计机关特别是基层审计机关“人少事多”情况普遍， 现场审计人力不足和核查意愿不强是常态。

（三）项目管理因素是重要保障因素

审计项目管理方式的转变是审计技术方法创新的保障。 在数字化审计环境下， 审计项目的资源配置和审计规范体系也要进行相应的变革。 当前的审计项目管理模式主要依据审计机关内部层级和部门分工划分审计项目， 并据此配置审计资源， 在充分调动各方审计力量开展数字化条件下的审计工作方面还存在协同性不足的问题。 在项目计划方面， 常态化或宏观数据分析与现场审计项目的协同统筹计划机制未形成； 部分项目如实施方案多次调整、审计重点多次变换， 极易影响数据先行优势的发挥； 部分数据化程度低的审计项目不适合非现场数字化审计等。 在时间安排方面， 在审计项目时间安排过紧的情况下， 非现场数字化审计往往存在一定的滞后性， 大量可以在非现场数字化审计阶段完成的工作只能拖到现场阶段处理， 难以发挥总体分析的作用。 在人员配置方面， 在审计人力总体不足的情况下， 仍存在人力资源安排不够科学的问题， 审计项目对数据分析人员的配置及所需技术与资金等因素的预判是否充分、同步开展多个审计项目是否存在数据分析人力共用情况、将审计人员分割为现场和非现场两部分是否交流不充分不灵活、数据分析项目缺乏指挥中心是否存在现场与非现场同步作业等问题， 都是重要影响因素。 在制度建设方面， 在电子数据取证流程和规范不健全的情况下， 审计项目如果只求结果而忽略过程， 往往会影响审计质量； 常态化或宏观数据分析发现的疑点线索存在核查上的制度障碍， 特别是在审计对象没有现场审计组的情况下， 如何核查取证的问题尚无制度保障。

三、非现场数字化审计与现场审计协同影响因素指标体系

为研究非现场数字化审计与现场审计协同的影响因素， 本文在上述理论分析的基础上设计了影响因素指标体系， 并采用调研问卷的方式进行分析。

（一）影响因素指标及样本

非现场数字化审计质量的影响因素较多， 本文主要从数据质量、人员能力和项目管理3个一级影响因素及其下属13个二级影响因素进行分析（如表 1所示）。

为有效评价各影响因素的重要性程度， 本文设计了调研问卷， 问卷题目按13个二级影响因素分别设置5级量表（“1”表示不重要，“5”表示非常重要）。 调研对象主要为在各级审计机关从事审计数据分析工作的审计业务骨干和审计理论研究骨干。 共收回有效问卷154份， 调研对象在审计机关各单位层级、所在部门、职务级别和从业时间等维度上都有相应比例的分布， 具有一定的代表性。

（二）影响因素总体分析和结构分析

从一级影响因素来看， 重要性水平由高到低依次是数据因素（4.41）、人员因素（4.39）和项目管理因素（4.26）。 可见， 数据因素是首要因素， 人员因素次之， 项目管理因素的影响相对较小。 从二级影响因素来看， 数据因素中数据真实性（4.56）和完整性（4.51）的重要性水平较高， 数据时效性（4.37）和共享性（4.34）次之； 人员因素中最重要的是分析人员业务能力（4.53）， 其次是业务人员分析能力（4.47）和分析人员分析能力（4.47）， 再次是现场非现场沟通能力（4.36）， 疑点核实人员能力（4.12）的重要性相对较弱； 项目管理因素中最重要的是资源配置能力（4.44）， 其次是制度建设能力（4.21）、时间安排能力（4.19）和项目计划能力（4.14）。

（三）影响因素比较分析

1. 分机关层级。 由表2可知， 无论是地方审计机关还是审计署的调研对象， 对数据因素、人员因素、项目管理因素3個一级影响因素的重要性认识基本一致， 都呈下降趋势， 但存在量化认识差异。 地方审计机关对3个一级影响因素的重要性水平评价普遍高于审计署， 这可能与地方审计机关开展非现场数字化审计的需求更迫切有关； 其中人员因素的评价差异最大， 数据因素次之， 项目管理因素最小， 这可能与地方审计机关的人才需求更迫切、审计署对组织统筹需求更敏感的现实情况有关。

根据表3， 从二级影响因素来看， 地方审计机关认为分析人员业务能力和资源配置能力的重要性水平更高， 这可能是因为地方审计机关亟需提升分析人员业务能力和资源配置能力； 审计署评价的制度建设能力和时间安排能力重要性水平反超地方审计机关， 这可能是因为审计署亟需提升制度建设能力和时间安排能力。

2. 分部门性质。 由表2可知， 总体上数据部门认为人员因素更重要， 而业务部门认为数据因素更重要。 根据表3， 从二级影响因素来看， 数据部门更强调分析人员业务能力的提升、数据完整性、现场非现场沟通能力、疑点核实人员能力； 业务部门更强调数据共享性、时间安排能力、制度建设能力和项目计划能力。 这些可能是各部门在实际工作中面临的主要困难， 也是下一步提升非现场数字化审计能力的重点。

四、非现场数字化审计与现场审计协同的路径创新

为有效推进非现场数字化审计与现场审计协同， 本文建议不再严格区分现场与非现场的职责边界， 而是根据审计目标和项目计划， 统筹配置审计资源、管控审计过程、激发审计动力， 实现数据协同、人员协同和项目管理协同。

（一）应用非现场数字化审计平台， 实现数据协同

充分利用“金审工程”三期项目现场审计作业云、部分地方审计机关审计信息管理平台或联网审计系统等基础平台， 搭建非现场数字化审计信息平台， 实现数据资源的高效采集共享。 一是在安全保密的前提下提高数据共享程度， 对审计现场采集的数据及时进行标准化处理并传回审计数据中心， 同时根据审计现场需求申请调用审计机关掌握的历史数据和外部数据。 二是建立非现场数字化审计与现场审计实时沟通机制， 打通数据信息流转渠道， 强化数据分析与现场核查质量的线上记录追踪机制， 将现场审计情况及时反馈给非现场人员以对分析模型进行修正完善。 三是探索通过电子签名、可信时间戳、哈希值校验、区块链等技术手段固定非现场数字化审计与现场审计形成的电子数据审计证据。

（二）统筹非现场数字化审计模式， 实现人员协同

根据审计目标的不同， 以审计项目/计划制定为起点， 将非现场数字化审计模式分为审计项目数据分析模式、常态化数据分析模式和宏观数据分析模式， 并分类配置数据审计资源， 如表4所示。

1. 审计项目数据分析模式。 它是以提升审计疑点发现能力、服务审计项目实施为主要出发点的模式， 分为现场为主和非现场为主两种模式。 根据审前数据采集情况， 分别以审计组进驻现场前为主或进驻现场后为主开展数据分析工作， 将数据分析发现的疑点线索提供给现场审计组进行核查取证， 分析结果为审计项目组撰写审计报告服务。

2. 常态化数据分析模式。 它是以推动实现审计全覆盖和常态化经济体检为主要出发点的模式。 业务部门围绕本领域的全部或部分审计对象， 主要利用审计机关日常采集的本领域数据开展常态化数据分析， 通过数据分析发现重点审计对象或重点审计业务， 为制订审计计划、确定重点审计对象服务。

3. 宏观数据分析模式。 它是以履行审计机关经济安全“守护者”职能、加强宏观经济监督为主要出发点的模式。 数据分析部门围绕宏观经济运行风险隐患或国家重大宏观政策措施落实情况， 利用审计机关日常采集的与国民经济运行相关的跨领域数据， 开展宏观层面的分析， 分析结果为宏观经济管理提供决策支撑。 在审计项目实施上， 推行扁平化管理， 业务部门和数据分析部门高效协同， 业务人员与数据分析人员混合编组； 在制度层面， 出台常态化与宏观数据分析等分析模式的核查取证规定， 以及现场与非现场审计结合的方式和审计发现问题的整改督促机制等制度措施。

（三）管控非现场数字化审计程序， 实现项目管理协同

将非现场数字化审计过程嵌入审计业务程序， 有助于对数字化条件下的审计业务程序进行优化， 实现非现场数字化审计与现场审计的流程一体化（如图1所示）。 在具体实施步骤上， 可以选择数据基础较好的审计项目先行试点。

1. 审计计划阶段。 一是充分考虑常态化和宏观数据分析结果， 研究确定审计重点领域和重点审计对象， 为审计计划的制订提供科学依据； 二是开展数据分析可行性评估， 确定每一项审计项目/计划的数据分析模式， 据此统筹配置数据资源、人员力量和项目资源等； 三是对于审计对象信息化基础较薄弱， 不适合开展数据分析的审计项目， 鼓励开展基础性数据采集和常规分析等工作。

2. 审计实施阶段。 一是开展以信息系统调查和数据采集为主的审前调查， 据此编制审计实施方案， 进点开展现场审计； 二是充分论证信息系统审计的必要性， 对于信息系统依赖性较强的审计项目， 组织专业人员开展信息系统审计； 三是在充分挖掘分析已有数据信息的基础上构建数据分析模型， 对于发现的疑点线索， 在审计组内部充分论证后， 再与被审计单位进行沟通核实； 四是建立数据分析问题核实记录制度， 在审计工作底稿专门记录通过数据分析发现疑点的核实情况。

3. 审计报告阶段。 一是形成专门的数据分析报告， 为审计报告撰写提供依据； 二是在审计报告中单独陈述采用的数据分析方法及使用的电子数据情况； 三是对审计发现问题的整改情况开展数据分析， 确保问题整改取得实效； 四是建立数据分析后评价机制， 总结数据分析工作的经验和不足， 积累数据分析的经验和模型， 为持续提升数据分析工作水平提供依据； 五是研究制定数据分析相关疑点核查文书和核查业务流程等规范， 進一步明确数据分析结果复核、疑点线索延伸核查的反馈机制。

五、总结

如何基于数字化的管理机制开展审计组织协同创新， 构建非现场数字化审计与现场审计协同的组织模式变革路径， 是当前国家审计机关面临的重要现实问题。 非现场数字化审计与现场审计协同主要受数据、人员和项目管理三重因素的影响， 亟待实现数据协同、人员协同和项目管理协同。 本文基于协同治理理论构建了非现场数字化审计与现场审计协同的影响因素分析框架， 并通过调研问卷对各因素进行了比较分析， 提出了非现场数字化审计与现场审计协同路径创新建议。 随着审计信息化平台在各级审计机关的逐步建成和完善， 以及审计对象政务数据中心的建成和数据的逐步开放共享， 非现场数字化审计模式的数据治理、人员管理和项目管理的协同治理也将趋于复杂化， 是未来的研究方向。

【 主 要 参 考 文 献 】

［1］ 徐宗本，冯芷艳，郭迅华等．大数据驱动的管理与决策前沿课题［ J］．管理世界，2014（11）：158 ～ 163．

［2］ 王会金，陈伟．非现场审计的实现方法研究［ J］．审计与经济研究，2005（3）：36 ～ 39．

［3］ 章轲，张冬霁，梁轩瑞等．大数据审计中要做到的“三个把握”［ J］．审计研究，2018（5）：30 ～ 34．

［4］ 袁野．推进新时代大数据审计工作的思考［ J］．审计研究，2020（1）：3 ～ 6．

［5］ Vasarhelyi M. A.， Kogan A.， Tuttle B. M.. Big data in accounting：An overview［J］. Accounting Horizons， 2015（2）：381 ～ 396．

［6］ Yoon K.， Hoogduin L.， Zhang L.. Big data as complementary audit evidence［ J］． Accounting Horizons， 2015（2）：431 ～ 438．

［7］ Juan Zhang， Xiongsheng Yang， Deniz Applebaum. Toward effective big data analysisin continuous auditing［ J］． Accounting Horizons， 2015（2）： 469 ～ 476．

［8］ Alles M.， Gray G. L.. Incorporating big data in audits： Identifying inhibitors and a research agenda to address those inhibitors［ J］． International Journal of Accounting Information Systems， 2016（22）： 44 ～ 59．

［9］ 劉星，牛艳芳，唐志豪．关于推进大数据审计工作的几点思考［ J］．审计研究，2016（5）：3 ～ 7．

［10］ 牛艳芳，薛岩，邓雪梅等．审计大数据关联的网络分析平台构建及应用研究［ J］．审计研究，2018（5）：35 ～ 42．

［11］ 郑伟，张立民，杨莉．试析大数据环境下的数据式审计模式［ J］．审计研究，2016（4）：20 ～ 27．

［12］ 牛艳芳，冯占国，孟祥宇．大数据价值链视角下的审计工作创新与实践［ J］．审计研究，2017（5）：17 ～ 22．

［13］ 姜江华，李春兰，崔竹等．大数据驱动审计工作创新——数据分析技术方法在审计工作中的创新应用调研报告［R］．审计署审计科研所中国审计研究报告，2021．

［14］ 赫尔曼·哈肯著.郭治安译．高等协同学［M］．北京：科学出版社，1989．

［15］ 魏祥健．云平台架构下的协同审计模式研究［ J］．审计研究，2014（6）：29 ～ 35．

［16］ 刘杰，韩洪灵，陈汉文．大数据时代的审计变革：分析框架与实现路径［ J］．财务研究，2019（3）：42 ～ 53．

［17］ 刘誉泽．我国非现场审计理念及实践路径研究［ J］．审计研究，2017（2）：13 ～ 20．

［18］ 陈伟，Smieliauskas Wally．大数据环境下的电子数据审计：机遇、挑战与方法［ J］．计算机科学，2016（1）：8 ～ 13+34．

（责任编辑·校对： 喻晨  陈晶）