孫夢蝶

隨著大數(shù)據(jù)技術(shù)的發(fā)展，各行業(yè)的信息化程度大大提高，審計工作涉及行業(yè)廣，這就要求審計工作必須發(fā)展大數(shù)據(jù)技術(shù)。近年來相關(guān)文件也做出了指示，如《國務(wù)院關(guān)于加強(qiáng)審計工作的意見》在2014年10月提出要在審計實(shí)踐中運(yùn)用信息化技術(shù)審查問題的能力，探索大數(shù)據(jù)技術(shù)的運(yùn)用。國務(wù)院2015年8月頒布的 《關(guān)于促進(jìn)大數(shù)據(jù)發(fā)展行動綱要》中的國家大數(shù)據(jù)戰(zhàn)略，促進(jìn)我國大數(shù)據(jù)發(fā)展。同年12月，構(gòu)建大數(shù)據(jù)審計工作模式的要求在《關(guān)于完善審計制度若干重大問題的框架意見》文件中被明確。劉家義提出：“推進(jìn)以大數(shù)據(jù)審計是實(shí)現(xiàn)審計全覆蓋的必由之路?！?/p>

在此情況和背景下，如何獲取、存儲和使用大數(shù)據(jù)技術(shù)進(jìn)行數(shù)據(jù)分析是審計部門和審計機(jī)構(gòu)面臨的重大挑戰(zhàn)。在審計研究領(lǐng)域，許多機(jī)構(gòu)和學(xué)者對大數(shù)據(jù)對審計的影響進(jìn)行了闡述。大數(shù)據(jù)環(huán)境下開展審計工作已引起了廣泛關(guān)注。因此，對大數(shù)據(jù)審計的展望也十分有研究價值，本文將重點(diǎn)分析Python語言在大數(shù)據(jù)環(huán)境下實(shí)施審計的可行性，為審計人員在大數(shù)據(jù)環(huán)境下實(shí)施審計，獲取數(shù)據(jù)和進(jìn)行數(shù)據(jù)分析挖掘數(shù)據(jù)價值提供理論參考。

一、大數(shù)據(jù)審計特征

維基百科把“無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合”稱為大數(shù)據(jù)。大數(shù)據(jù)環(huán)境下非格式化數(shù)據(jù)比例非常大，如何審計非格式化數(shù)據(jù)，發(fā)現(xiàn)審計線索，是值得研究的。大數(shù)據(jù)4V的特點(diǎn)給電子數(shù)據(jù)審計帶來機(jī)遇的同時又帶來了挑戰(zhàn)。

從數(shù)據(jù)層次來看，審計大數(shù)據(jù)涉及廣泛的數(shù)據(jù)來源，結(jié)構(gòu)化數(shù)據(jù)是當(dāng)前被審計數(shù)據(jù)的主要類型，但半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)越來越多。數(shù)據(jù)類型的多樣化與以往便于存儲、分析的結(jié)構(gòu)化數(shù)據(jù)相比，對大數(shù)據(jù)的處理能力提出了更難的挑戰(zhàn)。被審計單位的財務(wù)數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，數(shù)據(jù)不僅產(chǎn)生于組織內(nèi)部運(yùn)作的各個環(huán)節(jié)，也來自于組織外部。這些數(shù)據(jù)的價值對審計工作來說也是不可否認(rèn)的。因此，被審計數(shù)據(jù)作為各種數(shù)據(jù)集合，自然具有體量大、多樣化、價值高等大數(shù)據(jù)特征。

從技術(shù)層次來看，大數(shù)據(jù)審計技術(shù)是一系列具體的技術(shù)和方法，用于挖掘和呈現(xiàn)審計大數(shù)據(jù)，收集、存儲、分類和分析挖掘以及可視化來實(shí)現(xiàn)數(shù)據(jù)的價值，審計的多樣化使得審計數(shù)據(jù)更加復(fù)雜，不難想象與大數(shù)據(jù)應(yīng)用在單一行業(yè)相比，審計數(shù)據(jù)獲取，分配和存儲技術(shù)面臨的挑戰(zhàn)。

從應(yīng)用層次來看，大數(shù)據(jù)審計在應(yīng)用中的實(shí)踐主要體現(xiàn)在深度挖掘?qū)徲嬜C據(jù)，跨部門、多行業(yè)開展數(shù)據(jù)分析，關(guān)聯(lián)分析財務(wù)與業(yè)務(wù)數(shù)據(jù)、挖掘過去數(shù)據(jù)與實(shí)時數(shù)據(jù)的相關(guān)性，以發(fā)現(xiàn)審計問題、得出合理的審計結(jié)論。

大數(shù)據(jù)技術(shù)可以助推實(shí)現(xiàn)審計全覆蓋。并且大數(shù)據(jù)審計可以推進(jìn)制度完善，即通過挖掘某種社會現(xiàn)象的潛在規(guī)律，作為政策制定的依據(jù)，針對問題進(jìn)行大數(shù)據(jù)分析、不斷完善政策，推動國家治理現(xiàn)代化。同時，有部分政府審計領(lǐng)域的學(xué)者認(rèn)為大數(shù)據(jù)審計的目標(biāo)之一使政府審計揭示宏觀經(jīng)濟(jì)社會運(yùn)行風(fēng)險的能力和效率大大提高，以揭露重大違法違紀(jì)問題，最終實(shí)現(xiàn)審計全覆蓋、維護(hù)國家經(jīng)濟(jì)安全的目的。大數(shù)據(jù)審計的應(yīng)用，十分符合推行現(xiàn)代審計綜合模式的要求，符合數(shù)字化審計方式的特征。

二、Python的特點(diǎn)及其優(yōu)勢

Python是一種面向?qū)ο蟮挠嬎銠C(jī)程序設(shè)計語言，它具有簡單、解釋型、交互式和可移植的特點(diǎn)，在數(shù)據(jù)分析領(lǐng)域正在得到越來越多的應(yīng)用（官網(wǎng)：https：//www.python.org）。隨著其數(shù)據(jù)科學(xué)計算庫的升級，Python程序設(shè)計語言越來越適用于分析數(shù)據(jù)科學(xué)。Python是一門真正的通用設(shè)計語言， Python編程語言的通用性，腳本語言應(yīng)用的廣范性，有眾多組件、擴(kuò)展庫的支持，并且適用于多種平臺的操作系統(tǒng)，從這些方面來看Python都優(yōu)于科學(xué)計算領(lǐng)域最流行的商業(yè)軟件Matlab。雖然目前Matlab中的某些高級數(shù)據(jù)分析功能Python還無法替代，但是對于基礎(chǔ)性、前瞻性的審計數(shù)據(jù)處理工作，完全可以用Python來完成。

大數(shù)據(jù)審計需要用到的Python主要包括：Numpy，Scripy，Pandas，Matplotlib等。Numpy是一個科學(xué)計算的庫，提供了矩陣運(yùn)算等功能；Scripy工具包包括統(tǒng)計，優(yōu)化，整合，線性代數(shù)模塊，常微方程求解器等，可以和Numpy數(shù)組一起工作，并提供許多像數(shù)值積分、優(yōu)化這樣的對用戶友好的和有效的數(shù)值例程；Pandas是Python的一個數(shù)據(jù)分析包，最初作為金融數(shù)據(jù)分析工具被開發(fā)出來。因此，提供了能使審計人員便捷處理數(shù)據(jù)的函數(shù)和方法。

Pandas建立在Numpy之上，使以Numpy為中心的應(yīng)用變得簡單，并且非常適合進(jìn)行數(shù)據(jù)清洗和整理。Matplotlib是Python的一個可視化模塊，審計人員可以利用該模塊更方便的制作線條圖、柱狀圖等專業(yè)圖形。Python有著像Matlab一樣強(qiáng)大的計算工具包Numpy，有Matplotlib繪圖工具包能夠?qū)?shù)據(jù)進(jìn)行可視化，有科學(xué)計算工具包Scripy，Pandas可以像SQL對數(shù)據(jù)進(jìn)行控制，對于大數(shù)據(jù)環(huán)境下的電子數(shù)據(jù)審計而言，使用Python可以實(shí)現(xiàn)數(shù)據(jù)獲取、分析和可視化，非常有發(fā)展?jié)摿Α?/p>

1.Python數(shù)據(jù)獲取研究。使用Python內(nèi)置函數(shù)讀取文本和數(shù)字，打開審計文件讀取文件內(nèi)容，獲取word、excel文件指定行的內(nèi)容，以實(shí)現(xiàn)從鍵盤、文本文件、Office 文件獲取。

Python的標(biāo)準(zhǔn)數(shù)據(jù)庫接口支持多種數(shù)據(jù)庫。接口定義了必須的對象和數(shù)據(jù)庫存取方式，以便為各種底層數(shù)據(jù)庫和數(shù)據(jù)庫接口提供一致的訪問接口，審計人員可以根據(jù)適合審計項(xiàng)目的數(shù)據(jù)庫下載不同的模塊，聯(lián)接數(shù)據(jù)庫后，可以通過執(zhí)行SQL語句等方式完成查找和存儲。

隨著大數(shù)據(jù)時代的到來，大量的信息從網(wǎng)絡(luò)中涌出，爬蟲像蜘蛛一樣在網(wǎng)絡(luò)中穿梭，自動收集有價值的信息，使用簡單的Python腳本就能夠抓取網(wǎng)頁信息，滿足數(shù)據(jù)分析的需求。爬蟲前期可以使用Google Chrome的檢查功能，查看網(wǎng)頁的URL、請求方式、狀態(tài)碼和網(wǎng)站地址代理名稱等特定信息，了解網(wǎng)頁的構(gòu)成，以便于進(jìn)一步通過編寫Python腳本，實(shí)現(xiàn)爬蟲。

2.Matplotlib繪圖工具包。Matplotlib是Python一個可視化模塊，一個 2D繪圖庫。審計人員寫幾行代碼，便可以完成直方圖、條形圖、散點(diǎn)圖等基礎(chǔ)繪圖，根據(jù)圖像的趨勢判斷數(shù)據(jù)的合理性，以進(jìn)一步做出正確的審計結(jié)論。

3.Jieba和PyTagCloud實(shí)現(xiàn)中文標(biāo)簽云。Jieba是Python的一個中文分詞組件，支持多種分詞模式。PyTagCloud是Python的一個擴(kuò)展庫，可以生成一個標(biāo)簽云，當(dāng)前它可以輸出圖片和網(wǎng)頁兩種格式。通過Jieba組件對被審計的文檔分詞，去除標(biāo)點(diǎn)符號、“的”、“地”、“了”等停用詞，通過設(shè)置參數(shù)提取文檔內(nèi)權(quán)重大、詞頻高的詞語。Jieba分詞的結(jié)果結(jié)合PyTagCloud的標(biāo)簽云可視化功能，可以實(shí)現(xiàn)對審計文件進(jìn)行充分的理解。在被審計單位提供審計數(shù)據(jù)，或已通過爬蟲技術(shù)獲取的數(shù)據(jù)的基礎(chǔ)上，可使用標(biāo)簽云技術(shù)實(shí)現(xiàn)可視化分析。

4.使用gensim進(jìn)行文本相似度計算。文本相似度計算的需求始于搜索引擎，它需要計算用戶查詢和爬下來的眾多網(wǎng)頁之間的相似度，從而把最相似的排在最前返回給用戶。使用的主要算法是tf-idf（詞頻-逆文檔頻率）。文本相似度計算主要的步驟有，首先導(dǎo)入jieba和gensim庫，使用jieba對文章進(jìn)行分詞，然后建立TF-IDF模型，通過模型計算文本與query文本的相似度即可。

三、總結(jié)

本文研究了在大數(shù)據(jù)審計方法方面Python語言的數(shù)據(jù)獲取方式，包括從文件獲取、從數(shù)據(jù)庫獲取，介紹了利用網(wǎng)絡(luò)爬蟲技術(shù)抓取網(wǎng)頁信息，獲取外部數(shù)據(jù)以滿足數(shù)據(jù)分析的需求方式；然后介紹了幾個實(shí)用的Python模塊，Matplotlib繪圖工具包、Jieba分詞組件等，以實(shí)現(xiàn)審計工作的基本繪圖、中文標(biāo)簽云和相似度分析功能。

值得思考的是，在“4V”的定義下，政府掌握的數(shù)據(jù)資源不太符合“價值密度低”的界定，并且審計工作中接觸到的非結(jié)構(gòu)化數(shù)據(jù)還是很少，看起來不應(yīng)歸為“大數(shù)據(jù)”，審計人員通過使用基本的數(shù)據(jù)處理技術(shù)就能夠?qū)φ當(dāng)?shù)據(jù)進(jìn)行分析處理。但從另一個角度看，大數(shù)據(jù)不僅代表的是具有其特征的數(shù)據(jù)集，更是一項(xiàng)技術(shù)的集——能夠采集、存儲和關(guān)聯(lián)性分析數(shù)量巨大、來源分散、格式多樣的數(shù)據(jù)，更是一種大數(shù)據(jù)思維，審計人員利用這種創(chuàng)新的思維模式，得以從審計數(shù)據(jù)中發(fā)現(xiàn)疑點(diǎn)，從而提升審計人員發(fā)現(xiàn)數(shù)據(jù)價值、獲取知識和更新認(rèn)知領(lǐng)域的能力。在大數(shù)據(jù)審計模式下，審計人員不僅要對大數(shù)據(jù)技術(shù)充分利用，而更應(yīng)該具有系統(tǒng)化大數(shù)據(jù)的思維。

為有效解決當(dāng)前現(xiàn)象，可采取以下措施實(shí)現(xiàn)對大數(shù)據(jù)審計發(fā)展的推動：首先，構(gòu)建審計大數(shù)據(jù)信息資源平臺，通過建設(shè)大數(shù)據(jù)信息資源平臺，實(shí)現(xiàn)資源共享和關(guān)聯(lián)分析各被審計單位、行業(yè)、地方等多個系統(tǒng)間的數(shù)據(jù)。其次，創(chuàng)新數(shù)據(jù)分析方法，審計人員從簡單的匯總、統(tǒng)計數(shù)據(jù)，向運(yùn)用各種深度挖掘、智能學(xué)習(xí)算法、可視化等技術(shù)實(shí)現(xiàn)的大數(shù)據(jù)分析。審計人員可以通過學(xué)習(xí)Python等技術(shù)，將豐富的審計工作經(jīng)驗(yàn)與前沿分析技術(shù)相結(jié)合，在審計過程中實(shí)現(xiàn)大數(shù)據(jù)技術(shù)的應(yīng)用，以進(jìn)一步提高審計能力和效率。再其次，完善審計制度體系，在審計數(shù)據(jù)的標(biāo)準(zhǔn)方面，設(shè)定統(tǒng)一標(biāo)準(zhǔn)，規(guī)范數(shù)據(jù)、統(tǒng)一接口，制定大數(shù)據(jù)審計工作規(guī)范，建立健全符合我國國情且系統(tǒng)化的準(zhǔn)則體系。

（作者單位：南京審計大學(xué)）