楚文光 胡為民 雷年楨 陳賽霞

[摘要]實施大數據智能審計是貫徹落實國家科技強審戰(zhàn)略、提高審計監(jiān)督效能、促進企業(yè)高質量發(fā)展的重要舉措。本文以五凌電力大數據智能審計應用實踐為例，闡述了大數據智能審計平臺建設背景、建設內容、應用成效、面臨的難點及下一步拓展思路，為實現(xiàn)數智賦能審計，構建智能化內部審計體系，推動企業(yè)高質量發(fā)展提供參考與借鑒。

[關鍵詞]內部審計? ?大數據? ?智能審計

一、大數據審計平臺建設背景

黨的十八大以來，黨和國家高度重視審計工作，審計監(jiān)督已成為國家治理的基石和重要保障。隨著企業(yè)管理規(guī)模越來越大、層級越來越多、經濟業(yè)務越來越復雜，內部審計對象、范疇、內容也較以往有了很大改變，對內部審計提出了更高的要求?，F(xiàn)代信息技術尤其是大數據和人工智能技術的發(fā)展，為企業(yè)加快推進審計信息化落地，轉變內部審計職能、提升審計效率，建設智慧審計奠定了良好的根基。

構建大數據智能審計平臺，是對科技強審戰(zhàn)略的積極踐行，對于提升審計效率，促進企業(yè)經濟高質量發(fā)展，充分發(fā)揮審計在國家治理體系和治理能力現(xiàn)代化中的職能作用也具有重要意義。在此背景下，五凌電力有限公司被選定為國家電力投資集團有限公司（以下簡稱國家電投）大數據審計試點單位，以“科技強審、智慧高效”為目標，構建大數據審計平臺，以有效解決傳統(tǒng)內部審計面臨的“無法打通系統(tǒng)信息壁壘、不能全量數據審計、數據分析深度不夠”等問題，拓寬內部審計人員視野，豐富內部審計技術手段，增強全量分析能力，提高審計效率和質量。

二、大數據審計平臺建設內容

（一）大數據審計平臺建設思路

大數據智能審計平臺框架構建遵循“一個平臺、兩個核心、三個目標、四個視角、五個要素、六個領域、七類應用”的建設思路，如圖1所示。

其中，一個平臺，即構建集中統(tǒng)一的大數據審計平臺;兩個核心，即以數據和審計為核心，向大數據要資源，向信息化要效率;三個目標，即通過大數據審計系統(tǒng)，提供更強大的平臺與技術支撐，更快速地發(fā)現(xiàn)和定位問題，進行更高質高效的審計應用;四個視角，即以風險和問題視角為導向，從大處著眼（領導視角），從小處入手（業(yè)務部門視角），綜合多方要素，構建審計模型;五個要素，分別為內外部數據、制度法規(guī)、智能技術、用戶角色、定位提示。通過企業(yè)內部數據與外部數據相互印證，結合企業(yè)及集團內部制度規(guī)定、外部法規(guī)、行業(yè)規(guī)范要求及機器學習等方法構建審計模型，并按照審計部門、業(yè)務部門等不同用戶角度，進行審計問題的精準定位與風險提示;六個領域，即按照分步驟、分階段實施原則，選擇成本費用、資金管理、合同管理、招標采購、往來賬款、資產管理六大重點審計領域，最終形成集指標看板、數據統(tǒng)計、問題清單、問題推送、核實整改、制度依據和模型管理于一體的七大應用。

在具體實施過程中，按照由淺入深、由少到多、由點到線、由線到面，循序漸進推進的原則，選取部分重點領域的關鍵環(huán)節(jié)作為一期大數據審計實踐的主要內容，通過分期實現(xiàn)，最終形成整個集團全組織、全業(yè)務、全過程的大數據智能審計系統(tǒng)。

（二）大數據審計平臺一期建設過程

五凌大數據智能審計項目一期建設始于2020年8月10日，從前期基礎信息收集到模型框架搭建，根據重要性和可行性進行模型篩選、細化和數據治理，再到模型配置、功能開發(fā)、模型驗證，直至最終大數據審計平臺正式上線，歷時100余天，于2020年12月1日通過驗收評審。因項目時間緊、任務重，在具體實施過程中，按照業(yè)務層面、系統(tǒng)層面、數據層面三條線并行開展工作。業(yè)務層面，通過廣泛深入調研確定了6大重點審計領域，篩選確認了46個模型、100個子模型，形成了高保真系統(tǒng)原型。技術層面，確立了大數據審計平臺的技術架構、數據及模型處理邏輯、形成業(yè)務化的模型設計和產品化的模型配置，并定制開發(fā)了20個審計模型專用算子。此外，構建了兼顧內網安全及外網接口的網絡架構，實現(xiàn)內外部數據的相互融合印證，并完成了大數據審計平臺與五凌大數據平臺、協(xié)同平臺、業(yè)務系統(tǒng)的集成。數據層面，基于審計分析需求進行了數據尋源，從分散在五凌電力財務共享系統(tǒng)、ERP系統(tǒng)、協(xié)同系統(tǒng)及線下的12萬張數據表中，尋找與6大業(yè)務領域審計需求相關的1200個指標字段。

（三）大數據審計平臺一期主要建設內容

1.大數據審計平臺系統(tǒng)架構。五凌電力大數據智能審計平臺，基于五凌電力公司審計及業(yè)務發(fā)展需要，應用迪博數智云平臺和五凌工業(yè)大數據平臺，通過大數據技術和機器學習方法，充分融合企業(yè)ERP、財務共享、協(xié)同平臺等系統(tǒng)內部數據，以及天眼查工商數據和迪博行業(yè)大數據，在招標采購、合同管理、成本費用、往來賬款、資金管理、資產管理等6大重點領域，構建百余個審計模型，覆蓋五凌本部及下屬64家單位。系統(tǒng)架構分為3層：數據層、應用層和展示層，如圖2所示。其中，數據層直接應用五凌工業(yè)互聯(lián)網大數據平臺，應用層和展示層使用迪博大數據審計系統(tǒng)。應用層包括十大模塊，并與企業(yè)內部的協(xié)同平臺、五凌通即時消息平臺以及外部的天眼查平臺和迪博行業(yè)大數據進行了對接。展示層包括PC端展示、協(xié)同平臺和移動端推送。

2.大數據審計平臺主要功能。（1）系統(tǒng)首頁：審計駕駛艙。駕駛艙以多種視圖形式對五凌電力及其下屬單位存在的審計問題、疑點及問題整改追蹤情況進行可視化呈現(xiàn)。如通過疑點分布圖，總覽五凌電力各區(qū)域的審計問題分布情況，同時根據問題數量和模型權重，用紅黃綠三種顏色代表問題的嚴重程度;板塊排行榜和公司排行榜，分別從業(yè)務板塊和下屬各單位維度展示大數據審計問題排行;問題跟蹤漏斗對發(fā)現(xiàn)問題數量、下發(fā)問題數量、核實數量、整改數量、關閉數量情況進行直觀呈現(xiàn);問題分類統(tǒng)計，按照領域統(tǒng)計問題的分布情況;消息和待辦用于顯示各種消息提醒和待辦通知。（2）成本費用審計。將五凌電力財務共享系統(tǒng)中的單據、憑證、科目匯總表、明細賬等從下至上分級別、分類型、分重點進行建模分析。以成本費用發(fā)生的場景為基礎，將費用立項、報銷、歸集、核算進行統(tǒng)一分析，突出重點、異常提示，形成對成本費用超標、超預算，核算口徑不一致，成本費用錯列，賬票不符，違規(guī)報銷等問題和疑點的重點審計。（3）資金審計。以五凌電力ERP系統(tǒng)為主要依托，對其資金管理涉及的資金支付、債務情況、賬戶情況進行分析，對資金使用的授權審批問題、資金使用與計劃偏離、融資結構問題、貸款利息問題、賬戶余額問題、僵尸賬戶等問題進行異常提示。（4）資產審計。主要關注固定資產、在建工程兩類資產，其中固定資產因量大、類多、分布廣泛，導致固定資產管理相對復雜，可能存在因分類不準確導致的折舊計提不準確，或者因保管部門、歸口管理部門、財務部門之間的賬、卡、表不一致導致的管理混亂、資產丟失、賬目不明等，而到期資產清理不及時導致的長期掛賬可能增大賬目、盤點的難度。在建工程轉固不及時直接影響了公司成本費用歸集、資產折舊不準確等。從資產管理關注的重點出發(fā)，對資產權屬、資產分類、賬卡表對比、到期清理，以及在建工程的轉固及時情況進行模型構建與異常提示。（5）往來賬款審計。根據往來款項性質，對往來款項涉及的應收、應付、其他應收、其他應付、預收、預付等科目進行款項性質、賬齡和壞賬計提情況進行分析，提示往來催收不到位、清欠不及時等異常情況。（6）招采審計。主要關注招標采購各環(huán)節(jié)的外部合法、內部合規(guī)、注重效益、兼顧質量與成本。從組織單位來看，企業(yè)招標采購主要分為集團集中采購、公司層面采購、二級單位自采，各層級招標采購在采購范圍、限額標準、采購方式、審批層級方面應遵循相應的規(guī)章制度。從招標采購的各環(huán)節(jié)出發(fā)，對采購計劃環(huán)節(jié)的計劃合理性、限額以上采購計劃上報;對采購實施環(huán)節(jié)的組織單位、采購方式、供應商、打捆方式與范圍，定標決標基本信息，以及合同簽訂與評價的時間、內容、評價結果等各環(huán)節(jié)、各流程進行分析;對采購方式異常、規(guī)避招采、采購單價異常、異常供應商及違規(guī)等情況進行異常提示。（7）合同審計。以合同管理流程為線索，對五凌電力及下屬單位合同管理過程中的簽訂、執(zhí)行、結算等環(huán)節(jié)進行持續(xù)監(jiān)控，并對存在的合同簽訂異常、量價異常、結算異常、超期合同、倒簽合同等情況進行提示。（8）疑點管理。針對各模型發(fā)現(xiàn)的疑點，集中進行疑點管理，包括疑點下發(fā)、疑點核實、問題整改、整改確認、問題關閉、疑點導出等環(huán)節(jié)，形成閉環(huán)管理，動態(tài)監(jiān)控問題疑點整改進展。（9）模型管理。運用迪博首創(chuàng)大數據分析平臺分層技術，進行模型的數據對象管理、指標管理、因子管理、統(tǒng)計分析管理、框架管理等，支持審計人員快速配置審計模型，不需要專業(yè)的技術背景和復雜的開發(fā)過程，也能夠靈活進行審計模型的創(chuàng)建、調整、優(yōu)化等操作，大大簡化了模型的設計和開發(fā)程序。

三、大數據審計平臺應用效果

（一）大數據審計平臺一期模型應用案例

1.內外部數據結合：供應商圍標模型。五凌電力大數據智能審計平臺一期通過接入天眼查程序接口，可直接查詢兩家及以上公司之間是否存在關聯(lián)關系;通過接入迪博數據資訊接口，可進行某個細分領域業(yè)務或產品的對標，快速發(fā)現(xiàn)問題或短板。以供應商圍標模型為例，供應商圍標主要存在供應商一致抬高或壓低投標報價進行投標，導致公司采購成本大幅度提高，經營利潤減少。傳統(tǒng)審計中，因無法及時準確地獲取關聯(lián)關系或疑似關聯(lián)關系信息，導致招采過程中供應商圍標情況時有發(fā)生，嚴重損害企業(yè)自身利益。在審計模型構建時，利用大數據手段將企業(yè)的供應商信息與天眼查數據相結合，對同一項目的投標/報價供應商，通過天眼查核查單位負責人是否為同一人或是否存在控股、關聯(lián)關系，提示招標采購過程中是否在供應商圍標，并輸出供應商圍標疑點清單。

2.依據制度法規(guī)：會議費用違規(guī)報銷模型。以會議費報銷為例，按照國家電投和五凌電力相關制度規(guī)定，洗漱、煙、酒、休閑、娛樂、照相、攝影、風景、旅游、景區(qū)、會所、花草、綠植、水果等均不屬于會議費報銷范疇。傳統(tǒng)人工審計利用抽檢方式，因人力有限無法對會議費用報銷明細與發(fā)票內容進行一一核查，會議費超范圍報銷情況時有發(fā)生。大數據審計模式下，可通過計算機視覺技術對企業(yè)發(fā)票、費用報銷單等紙質票據進行快速掃描，獲取發(fā)票類型、發(fā)票號碼、開票日期、金額、銷售方名稱等關鍵信息，實現(xiàn)對企業(yè)發(fā)生所有費用報銷情況進行全面排查，依據銷售方名稱判斷是否存在會議費用報銷明細、發(fā)票內容包含制度規(guī)定不能報銷的事項，進而生成會議費報銷超范圍疑點清單，極大提高了審計效能。

3.機器學習技術：成本費用類型與科目列支不一致模型。對于沒有明確規(guī)則，無法通過傳統(tǒng)的規(guī)則集和專家系統(tǒng)進行構建的審計模型，可以通過機器學習方法，利用已有數據來訓練計算機形成自己的判斷邏輯，而且隨著訓練集的越來越大，訓練的模型越來越精確。五凌電力大數據智能審計項目運用機器學習方法，構建了成本費用類型與科目列支不一致模型、資產管理領域固定資產分類不準確模型、往來賬款同類項目預付款比例不一致模型、同類項目質保金比例不一致模型、招標采購中同類型外委未打捆采購和拆分、肢解項目規(guī)避招標模型六大類審計模型，有效解決了無法通過傳統(tǒng)規(guī)則和經驗判斷實現(xiàn)的審計模型構建。

以成本費用類型與科目列支不一致為例，采集五凌電力財務共享系統(tǒng)中33，067條生產數據作為機器學習訓練數據，分別采用K近鄰算法、邏輯回歸、互補樸素貝葉斯等不同的機器學習算法進行模型訓練，最終根據邏輯回歸機器學習分類算法，得到訓練精度和測試精度均在90%以上的模型。

此外，本項目采用系統(tǒng)驗證與項目驗證雙向驗證形式，對大數據智能審計模型使用效果進行驗證評估。其中，項目驗證主要選擇五凌電力下屬新能源公司和力源公司兩家企業(yè)，對審計專項發(fā)現(xiàn)的問題與數據模型交叉部分共計8項進行驗證，均驗證通過;系統(tǒng)驗證主要依托ERP系統(tǒng)和財務共享系統(tǒng)數據，選取其中定位型和提示型子模型共計68項進行驗證，驗證結果均為通過。

（二）大數據審計平臺一期應用成效

五凌電力大數據智能審計項目的應用，為審計工作帶來了模式的創(chuàng)新與轉變，項目成果得到五凌電力及國家電投的高度認可，獲得了公司內部技術創(chuàng)新二等獎和突出工作獎，成為國家電力投資集團的大數據審計標桿。

1.五大轉變。（1）實現(xiàn)人工抽樣審計向大數據全量審計轉變。傳統(tǒng)審計主要通過人工抽樣抽查業(yè)務單據，并將檢查結果記錄到底稿上。受限于項目周期、項目人手等條件，一般抽樣比例在10%—20%左右，而且不同的抽樣方式、抽樣頻率，得到的最終抽樣結果可能不同，而大數據審計平臺可實現(xiàn)業(yè)務記錄全覆蓋，有效避免發(fā)生漏查漏檢以及人為疏忽導致的錯漏。（2）實現(xiàn)不定期分散式審計向定期集中式審計轉變。以往的審計模式以項目為單位，3年才能完成一輪全覆蓋，對于某個被審計單位而言，2—3年才有可能被審計一次。通過大數據審計平臺，可以每月完成一次全覆蓋的數據式審計，在月底或月初進行集中整治新發(fā)現(xiàn)的問題，審計監(jiān)督更加及時，可更有效地發(fā)揮對企業(yè)經營和管理的保障作用。（3）實現(xiàn)批量報告式整改向逐條精細化整改轉變。以往的整改工作都是等審計報告或審計問題清單下發(fā)以后，被審計單位才著手安排整改，再定期批量反饋整改完成情況。而通過大數據審計平臺可以隨時發(fā)現(xiàn)問題，隨時下發(fā)整改，有整改進展隨時反饋整改情況，使問題整改更加及時、整改處置和跟蹤更加精細化。（4）實現(xiàn)經驗式專家審計向規(guī)則化智能審計轉變。以往審計更多地依賴審計人員的經驗和專業(yè)判斷，審計質量和效率與人的因素相關性較大，受審計人員個體差異影響也較大。通過大數據審計平臺，將審計人員的專業(yè)經驗梳理成可復用的規(guī)則，內置到審計模型中，使審計平臺具有專業(yè)判斷力，成為不知疲倦、鐵面無私、火眼金睛的審計“專家”。（5）實現(xiàn)單純依靠內部數據檢查向內外部信息整合發(fā)現(xiàn)問題轉變。以往審計主要檢查內部各種業(yè)務單據，有時也通過一些渠道進行相關信息驗證，如通過工商系統(tǒng)進行信息查詢，但這種外部信息使用方式不夠便捷。而通過接入第三方數據接口，效率更高、功能更強。如通過接入天眼查程序接口，可直接查詢兩家公司之間是否存在關聯(lián)關系;通過接入迪博數據資訊的接口，可以進行某個細分領域的業(yè)務或產品對標，快速發(fā)現(xiàn)問題或短板。

2.三大成效。（1）實現(xiàn)審計全覆蓋。五凌電力共有64家下屬單位，在審計部人力有限的情況下，只能做到3年全覆蓋。通過大數據審計平臺可以對全部64家下屬單位進行實時審計監(jiān)督，提高了審計檢查的頻率。（2）實現(xiàn)精準識別。以往的人工審計作業(yè)方式，往往要查閱大量資料和底稿，猶如大海撈針。而通過大數據審計平臺，可以對疑點和問題進行精準識別，將審計人員從煩瑣的資料查閱中解放出來，使審計人員的工作更具針對性，專注于更有價值的審計活動，提高審計效率和效果。（3）“網絡+現(xiàn)場”模式。五凌電力目前的下屬單位分布于11個省，未來還有海外分支機構，傳統(tǒng)現(xiàn)場審計難以覆蓋。通過大數據審計平臺，可以便捷、全面、多渠道地獲取審計數據，對公司各項經濟活動進行全景式聯(lián)網審計，同時結合現(xiàn)場審計，形成網絡+現(xiàn)場的新型“O2O”審計模式，線上高效快捷搜集審計線索，定位高風險單位;線下深入調查研究，充分發(fā)揮各自優(yōu)勢，相得益彰。

3.六方面成果。（1）業(yè)務數據資產化。本項目梳理了招采、合同、資金、資產、成本費用、往來賬款6個領域的業(yè)務數據，最終形成一批數據資產，包括56張表、88個數據對象、1233個字段的中英文對照。（2）審計發(fā)現(xiàn)自動化。通過大數據智能審計平臺，固化了100個審計模型，包括80個精準定位型和提示型模型，可自動篩選出審計疑點，每個模型會根據大數據平臺每天同步的增量數據，自動計算最新疑點。（3）核實整改日常化。通過大數據智能審計平臺，可隨時發(fā)現(xiàn)隨時下發(fā)審計模型輸出的審計疑點，及時進行整改，使審計發(fā)現(xiàn)和整改成為日?；ぷ?，大大提高問題發(fā)現(xiàn)和整改的及時性，使問題一經發(fā)現(xiàn)就能得到有效管控。（4）信息溝通社交化。實現(xiàn)了與五凌通的對接，可在問題下發(fā)時通過五凌通將信息推送給被審計單位的對接人，對接人及時聯(lián)系審計部下發(fā)人，針對問題進行深入溝通，共同探討問題原因，設計整改方案，及時反饋整改情況，使審計溝通更加高效、透明，更具社交化。（5）模型設計簡單化。本項目利用大數據平臺的數據對象功能和模型管理功能，可快速配置審計模型，不需要專業(yè)的技術背景和復雜的開發(fā)過程，就能夠進行審計模型的創(chuàng)建、調整、優(yōu)化、激活等操作。（6）審計管理體系化。通過大數據智能審計平臺，不僅可以顯示審計模型的計算結果，還內置了相關制度依據。同時，可進行問題下發(fā)、核實、整改、關閉，形成從制度規(guī)定到疑點篩查，再到整改關閉的完整管理體系。

四、大數據審計平臺建設的重點難點

在整個五凌電力大數據智能審計平臺一期建設過程中，數據是最為關鍵的環(huán)節(jié)，也是項目實施的重點難點所在。此外，進行審計模型構建和真正實現(xiàn)審計范圍全覆蓋也是本項目實施的難點。

（一）數據采集難：數據從分散到集中

五凌電力的數據大多分散在財務共享系統(tǒng)、ERP系統(tǒng)、協(xié)同系統(tǒng)等不同系統(tǒng)中，而且即使是同一系統(tǒng)中的數據，也存在以不同存儲方式分散于不同存儲位置的情形。在ERP系統(tǒng)和財務共享系統(tǒng)中，還存在部分臨時數據，要經過持久化處理才能進行自動采集。此外，少量數據未在相關信息系統(tǒng)中存儲，只存在于線下文件中，只能通過手工填報或導入方式采集。上述情形給數據采集工作帶來較大的難度。

（二）數據尋源難：數據資產清理

目前大部分企業(yè)和五凌電力一樣，各類數據往往分散于多個系統(tǒng)中，數據的集中度和數據資產的質量等情況也難以保障。大數據審計的范圍往往涉及多領域、多系統(tǒng)、多模塊和功能點，甚至需要從數萬張表、數十萬個字段中尋找出項目需要的字段，雖然從數量上看，可能僅占全部字段的1%，但是從項目投入上，數據尋源可能會投入項目組30%—50%的時間和精力，這是目前實施過程中最大的瓶頸。因此，在項目初期和項目過程中，要確保有足夠的資源和技術保障，實現(xiàn)所需數據應尋盡尋、應采盡采。

（三）數據一致難：主數據管理與數據標準化

在實施大數據審計項目前，一般單位都沒有系統(tǒng)地進行數據管理，有的數據存在多系統(tǒng)中，且數據不一致。比如，五凌電力信息化環(huán)境中有多套組織機構數據、多套用戶數據、多套財務科目數據，這些不一致的主數據對模型的計算和數據檢索造成了一定的困擾。所以，在項目啟動前或項目初期，要提前進行主數據管理和數據標準化工作。

（四）審計建模難：抽絲剝繭理邏輯

大數據審計模型的設計過程，涉及多個環(huán)節(jié)，包括業(yè)務梳理、審計關注點分析、數據和技術可行性評估、業(yè)務模型設計、技術模型驗證等，對建模人員的專業(yè)要求較高。此外，在審計模型構建過程中，需要對大量信息進行篩選和甄別，需要與多個部門及人員進行溝通協(xié)作，需要橫跨業(yè)務的多個領域和多個系統(tǒng)，需要熟悉各種數據分析技術和審計建模技術，對于沒有明確判定規(guī)則和結構化數據的審計模型，還需要使用機器學習、圖像識別、自然語言處理等技術，建模難度更大。建議在建模過程中，綜合考慮數據基礎、邏輯清晰度、技術難度、預期效果等多方面，進行模型的取舍，優(yōu)先選取可行度高的模型上線。

（五）全面覆蓋難：點線面循序漸進

五凌電力大數據審計項目是國家電投首次組織開展的大數據審計應用和平臺建設試點項目，在項目實施過程中沒有歷史經驗可循，且當前企業(yè)的審計標準化基礎和數據基礎也難以支撐實現(xiàn)全面的審計模型覆蓋，只能先選取部分重點領域的關鍵環(huán)節(jié)進行實踐，再逐步由淺入深、由點到線、由線到面，循序漸進，最終形成集團全組織、全業(yè)務、全過程的大數據審計系統(tǒng)。該過程可能貫穿今后3—5年，是一個持續(xù)建設和優(yōu)化的過程。

五、大數據智能審計平臺下一步拓展思路

在高度上，要圍繞一個目標、兩個體系（SPI、JYKJ），從財務審計和專項審計向經營審計、戰(zhàn)略審計、績效審計邁進。在深度上，要進一步向行業(yè)縱深、業(yè)務縱深、問題縱深、技術縱深，最大限度挖掘數據和技術潛力。在廣度上，要進行應用的拓展和整合。一方面，要將大數據技術，從審計領域擴展到風險管理、內控、合規(guī)、監(jiān)察、管理對標等多個管控領域，構建大監(jiān)督平臺;另一方面，要將大數據審計平臺與監(jiān)控預警系統(tǒng)、其他管理系統(tǒng)、業(yè)務系統(tǒng)進行融會貫通，快速查看異常單據及事中、事前審計，實現(xiàn)審計關口前移。

（作者單位：五凌電力有限公司? 深圳市迪博企業(yè)風險管理技術有限公司，郵政編碼：518000，電子郵箱：huweimin@dibcn.com）

主要參考文獻

[1] 李云香，周成軒，張鋮怡，等.基于深度學習的智慧審計系統(tǒng)[J].中國內部審計， 2020（12）：12-19

[2] 劉國城，王會金.大數據審計平臺構建研究[J].審計研究， 2017（6）：36-41

[3] 王文博.大數據審計的應用和探討[J].中小企業(yè)管理與科技， 2021（3）：14-15

[4] 張玉嶺.智能審計在企業(yè)內部審計中的運用分析[J].財會通訊， 2019（4）：87-91