专栏名称: 四大新鲜事儿

有关国际四大最新资讯第一分享平台！本平台发布国际四大会计师事务所(PwC, KPMG ,DTT, EY)的最新资讯，行业监管、业务动态，职场心得、招聘信息、专业交流信息！

安永：如何通过“轻量级数字化审计”解决企业内审转型痛点？

四大新鲜事儿 · 公众号 · · 2021-05-05 14:16

正文

国家“十四五”规划明确加快数字化发展、推进产业数字化转型，近些年来，“数字化转型”也被很多企业列入战略目标，在此基础上，审计工作数字化成为了必然的趋势。数字化审计能有效提升审计的效果和效率，不少企业的审计相关部门都启动了数字化审计的进程。但在对企业的走访过程中，我们了解到大多数企业在数字化审计的过程中都遇到了程度不一的困难，本文将通过介绍“轻量级数字化审计”来为企业内审相关部门的数字化审计转型提供一些思路。“轻量级数字化审计”即要求所有审计人员均具备数字化审计思维，把数字化思维和方法运用到日常审计项目中，通过积累和沉淀达到提升整体数字化审计能力的目标。

企业数字化审计遇到的困难

缺乏经验，无从下手

大多数企业的审计部门已经认识到数字化转型的迫切性，但苦于企业本身审计人员配置有限，数字化审计人才的缺口大、招聘难，数字化审计队伍不成熟，导致数字化难以落地。部分企业直接依赖于第三方供应商提供数字化审计相关的产品或者服务，但供应商很难在短时间内完全了解企业的业务风险和审计需求，最后提供的成果并不能很好契合企业的审计需求。

数据混乱，无法分析

数字化审计的一个核心前提就是获取审计所需且满足数据质量要求的数据，而企业常常因为系统老旧、系统间数据不一致、系统部分数据缺失、内外部数据不一致等问题而无法获得审计所需要的数据，或者所获取的数据无法直接使用，这为数字化审计制造了很大的困难，导致审计人员需要花费大量的手工工作才能整理成符合要求的数据。例如需要通过系统前台少量多次导出数据、手工调整各系统中无法匹配的数据以完成跨系统的指标分析等，数据质量已经成为制约数字化审计的重要因素。

投入巨大，灵活性弱

很多企业的数字化审计是通过聘请专门公司提供数据化指标咨询、编写需求说明书、进行系统采购或者自开发，周期长、投入大。当对应的数字化审计系统上线后，企业却仍会发现新增需求的难度大，迭代开发流程也比较长，难以支撑临时性的数据分析需求。这种大型的数字化审计系统对企业的审计无疑是有很大作用的，能识别重要风险，及时发出监控预警信息，但其灵活性较弱。业务风险会随着时间推移而不断变化，审计人员也会在不同的项目中不断发现潜在风险，因此就需要以灵活的数字化审计方式来进行有机的配合。

轻量级数字化审计的重要原则

轻量级数字化审计将数字化融合到日常的工作中，使用简单的工具达到数字化审计的目的，可以解决企业在数字化审计进程初期所遇到的问题，哪怕最开始只是进行简单的汇总、趋势等分析，或者使用简单的工具来实现“碎片化”的数字化审计，而不是一蹴而就建立庞大的数字化审计系统。以下介绍“轻量级数字化审计”的方法，为企业推进数字化审计进程提供方向和思路。

业务审计人员也可成为数字化专家

企业数字化审计过程中经常会提出缺乏具有数字化经验的人员，但其实企业现有的业务审计人员就可以成为最资深的数字化专家。数字化审计的核心不是技术，而是数字化审计思维。企业现有的审计人员熟悉企业的业务，深知各业务流程的风险点，只是需要将传统审计思维转化为数字化审计思维，将风险点进行数字化，再通过简单的技术进行固化，即可实现自动化审计或者实时监控。审计人员无需觉得这些技术是数字化审计的壁垒，其提供的关于业务和风险的经验才是数字化审计的灵魂。企业可以安排一些数字化审计的培训，让审计人员了解什么是数字化，如何进行数字化，有条件的企业可以由咨询公司带着企业的审计人员实施专项审计，学习如何在日常的审计项目中使用数字化，并不断进行经验的分享和积累，在企业内部形成一种数字化审计的良好氛围，循序渐进地实现数字化审计思维转化。

不惧怕数据质量问题，以审促建

数据质量问题往往是企业数字化过程中最常遇见的问题，面对不同时期上线的各类系统，如果企业没有建立一套完善的数据治理机制，或者在建立机制后并未对历史数据问题进行修正，都有可能导致数据质量问题。常常听到企业的人员抱怨说，各类管理报表的数据无法跟业务系统匹配，但却不知道原因，久而久之花费重金建立的数据仓库、BI报表平台等系统都流于形式、少有人问津。近几年，数据中台的概念和方案随着数字化转型的需求应运而生，如果数据治理没有做到位，数据中台很可能在几年内也会成为被遗弃的对象。数据质量问题虽然给数字化审计带来了很大的障碍，但是在数字化审计的过程中却能有效识别到企业的数据质量问题及根源，让管理层了解这些问题会阻碍整个企业的数字化转型，推动企业进行有效的数据治理，夯实数字化转型基础，真正做到以审促建。

轻量级的工具，轻松建立数字化审计模型

使用轻量级数字化审计，并非是搭建沉重的数字化审计系统。常用的轻量级数字化工具有：机器人流程自动化工具、数据可视化工具、数据分析工具等，这些工具能在很短时间内建立数字化审计模型，并能根据分析的结果随时调整思路进行模型的快速重建和迭代。我们在本文下一章节会介绍这些工具的应用场景，这里并非要求所有审计人员都要学会使用这些工具，但需要了解这些工具的功能和用途，这将有利于审计人员了解将风险转换成数字化审计模型执行的思路，提升审计人员提出和转化数字化审计需求的能力。这些工具对于有计算机相关基础的人员来说较易上手，可以在审计部门中安排少量专门提供数字化技术支持的人员，也可以考虑通过公司的IT部门或者咨询公司的力量来实现。

轻量级数字化审计应用场景

机器人流程自动化应用场景

机器人流程自动化（RPA）是通过在电脑端建立程序模拟人工的操作，执行一些具有规则的重复操作，从而释放人力去执行更有价值的内容。RPA可以设置定时执行、重复执行，且无需人员值守，意味着可以24小时不间断工作，其执行效率远高于人力。RPA并不是一个新鲜事物，这几年很多企业都已经开始使用，并感受到了其带来的好处。RPA已经在财务和会计领域有了很好的表现，有预测2021年RPA将会深入到更多的领域，而审计领域对RPA的使用也将会是一个重要的方向。安永也已经给不少企业建立了审计机器人，这里简单列举几个在审计领域使用RPA的场景以供参考：

► 快速获取网络数据：在审计过程中常常需要使用外部数据来协助进行分析，靠人工逐个查询并记录，几乎是无法实现的。而RPA可以快速地从网络上批量获取所需数据，例如公司可以指定数百家企业甚至更多，由RPA自动到不同网站抓取这些企业的注册信息、董监高信息、违规违法信息、诉讼信息等；又如可以通过RPA抓取指定城市的所有二手房信息等。

► 快速抓取企业内部系统数据：RPA可以实现自动从系统前端批量获取数据，而无需每次都找IT人员获取；前文中提到企业通常会有很多老旧系统，无法从后台获取数据，而人工在前端获取数据会比较耗费时间，RPA能自动在前端不间断、快速地下载数据，并按要求整理成需要的数据格式。例如从系统获取公司过去一年的合同数据，人工的方式是需要从前端先查询过去一年的合同，然后点击每份合同，在合同展示界面截取数十个信息，并手工记录到本地表格中；而RPA却能自动完成这些枯燥的操作，一键启动机器人，倒杯水的功夫可能已经把数据下载完整理好了，也可以设定在系统访问量比较小的时候让机器人自动执行并关机。

► 自动进行数据分析及实现持续自动审计：将RPA的多种功能合并在一起，即可形成自动化的数据分析。从数据的多渠道获取、处理、分析、导出结果、形成审计底稿、生成报告等这一系列的工作都可以交给机器人完成。每次要进行类似的审计工作，只要输入审计覆盖的期间，一键执行，机器人就能直接输出需要的审计结果，也可以设定机器人每周或者每月定时自动执行审计，并将有异常的样本通过邮件等方式发送给审计人员，以达到及时监控的目的。RPA只是一个工具，最重要的是审计人员如何发掘数字化审计的场景，相关的功能实现则完全可以交给企业的IT人员或者咨询顾问。

数据可视化产品应用场景

数据可视化产品即通过链接企业内外部数据、本地数据表等方式进行数据的读取，通过简单拖拽的方式形成各类数据分析图表，也可以设置相关的审计指标进行图形化展示，在数字化审计领域有很大的用处，也是非IT背景审计人员较容易掌握的工具。下面介绍数据可视化产品在数字化审计中的几个常见应用：

► 将数据进行图形化、从图形中识别异常点：数据可视化产品最核心的功能就是将数据通过图形的方式进行直观的展示，例如对销售数据、采购数据、入库数据展示每日的趋势图，通过三表联合看趋势是否有异常点；又如自动抽取前十大产品进行产品的销售数量、金额等维度的分析；使用地图展示公司业务在全国或全球的分布情况，再点取一个地点后能关联展示该地点公司业务的具体情况。

► 进行实时指标预警：数据可视化产品可以实时连接数据库，通过在产品中设置各类指标，并将指标通过驾驶舱仪表盘的方式进行展现，实时展现各指标的情况，指标正常的为绿色，超过阈值的为红色，一目了然，让审计人员和管理层能实时监控这些重要指标。

► 审计风险地图选取审计重点：数字可视化产品可以进行指标的设计，接下来就可以对指标进行归集，选取重点的审计领域。例如：对一个有很多二三级子公司的集团性企业，年度审计计划怎么设定才更能有针对性呢？可以通过数字可视化产品建立审计风险地图，建立如现金流保障指标、经营质量指标、债务结构指标、行业对比指标等一系列指标，对所有子公司进行自动化指标分析，对超出阈值的指标亮红灯，识别出核心类指标亮红灯的公司，异常指标越多，则可能潜在风险越高，那么这些公司就应成为审计的重点，从而使得审计计划有了数据的支撑。

数据分析应用场景

数字化审计，尤其是轻量级的数字化审计，离不开数据分析工具。数据分析工具能根据审计人员的想法快速进行分析并输出结果，通过审计人员对分析结果的判断来决定是否需要调整或者增加更多的分析内容，这些灵活性让数字化审计做得更深更广。因此，建议审计人员掌握至少一项基础的数据分析工具。以下介绍数据分析工具在审计中的一些常见的应用场景：

► 使用常规模型分析寻找可疑点：最常见的分析方法包括汇总分析、按日或按月的趋势分析、按业务逻辑设计的不合理样本分析等，这些分析几乎在每个审计项目中都可以使用。例如互联网行业对用户的注册数据进行按日趋势分析，识别异常的注册高峰并寻找原因；对于零售药店会员销售审计，设计多种可疑的维度进行反常样本分析，如一张会员卡同一天在多家店大量采购药品，又如晚间大量采购药品等。

► 使用数据挖掘建模进行审计：大部分的数据分析软件都是自带数据挖掘模型包的，一个简单的语句或者按钮就能调用一个数学模型来进行分析。审计人员需要知道的是常用的模型有哪些、各种模型能达到一个怎样的目的，并不需要知道算法本身。常用的模型例如：使用回归分析对历史数据建模，识别出置信区间以外的样本，并进行预测；使用逻辑回归算法对历史违规样本进行学习，识别出其特征，结合BP神经网络算法对未来发生的样本进行违规识别等。

安永：如何通过“轻量级数字化审计”解决企业内审转型痛点？

正文

请到「今天看啥」查看全文