大数据在高校绩效审计中的应用(2)

　五是设备等物资采购单价和工程（服务）定额数据库模块，能即时更新，便于多途径查询，以满足绩效审计的事前和事中审计需要。
　　
　　六是系统管理模块，包括用户管理、权限管理、报表管理、专家知识管理等功能。用户和权限管理确保系统的安全性。报表管理包括报表内置所需的一些公式、函数等。专家知识管理主要是对专家经验进行更新和补充。
　　
　　3.大数据在高校绩效审计中的应用实例
　　
　　以高校固定资产管理绩效审计（不含基建投资）为例，审计的内容主要有如下方面：（1）审查固定资产配置的合规性。（2）审查固定资产配置的合理性。（3）审查固定资产采购的合规性。（4）审查固定资产采购的经济性。（5）审查固定资产管理的效率性。（6）审查固定资产购置的效果性。（7）审查固定资产的完整性。（8）有关规章制度是否建立健全，制度执行的效果等。审计部门在确定审计内容后，应建立固定资产管理绩效审计评价指标体系，设置一系列的审计评价指标，并参照国家、教育主管部门、有关行业标准、各高校达到的水平、本校的历史水平、专家测评等确定评价指标的标准，然后通过实地审计，对各种实际数据抽样并进行综合分析，得出达到的指标统计数值，对照绩效审计指标标准计算出分项分数，最后汇总得出审计评价总分，做出综合评价，这就是高校绩效审计实施的全过程。
　　
　　而在大数据的背景下，建立高校绩效审计信息系统后，首先可以将通过系统的“法规模块”和“数据管理模块”较快地收集到有关固定资产管理的全面信息资料。其次，审计人员需对“审计分析模块”进行有关操作，通过各种分析方法对收集到的固定资产管理的数据进行分析，从中找出有关的结果。第三，审计人员通过“审计工作底稿模块”,对分析后自动形成的审计工作底稿进行综合和修改，最后形成固定资产管理绩效审计报告。因此，建立高校绩效审计信息系统，通过利用外部信息资源和校园网的高校内部信息资源，借助于大数据，可以较快地从多方面对学校各项经济活动的绩效进行审计监督，从而提高审计的针对性、时效性和综合性。
　　
　　四、大数据时代高校绩效审计的发展趋势
　　
　　1.从事后审计向持续性审计发展
　　
　　传统的审计模式主要是事后审计，不利于经济活动风险的防范。而在大数据时代下的信息化审计，使得高校可以常态化地开展对高校整体及部门绩效审计，并对被审部门进行持续性的关注和持续性的监测相关审计内容，能够持续性地进行专项分析和项目跟踪，动态掌握被审计单位业务开展的情况，发现其业务活动中存在的风险等问题，突出了审计的同步性、时效性和协同性。实现了从事后查处向事前预防、事中控制转变，也将使持续性审计模式成为现实。
　　
　　2.从抽样审计模式向总体审计模式发展
　　
　　传统的审计由于无统一的规范，加之受支持审计所需数据量的限制，只能采取抽样审计的模式，这种模式是指从被审计总体中抽取一定数量的样本进行评估，以此评估结果来推断得出被审计单位的审计的结论。因此，抽样审计存在一定的审计风险，如果审计人员专业判断错误，设计不得当，就会影响到审计的结果。而在大数据技术支持下，审计人员可以随时随地地获取审计项目的整体数据，通过审计信息系统对取得数据进行处理，把握项目各方面的总体情况，从而得出的审计结论更加客观和准确。
　　
　　3.从单一审计报告向综合审计成果应用发展
　　
　　由于绩效审计不仅对被审计单位的财务收支进行检查，而且对其所有的管理活动进行检查，对公共支出的经济性、效率性和效果性进行全面的评价。因此绩效审计报告也就不再是单一的财务审计报告，而是综合的审计报告。审计部门不仅要将综合性的审计报告提交给学校和被审单位，而且还要对该报告进行综合的应用。首先，审计报告揭示的问题以及提出改进的建议，将促进被审计单位加强管理，以确保组织目标的实现；其次，大数据技术的应用，审计人员可以挖掘广泛性、共同性、偏向性的问题，分析出这些问题与数据的相关性，从而全面发现被审计单位的各种问题，然后将问题规则化并进行智能化处理，自动计算或判断问题的发展趋势，向被审计单位预警。最后，信息化处理审计成果，即将审计结果与被审计单位关联，为下次审计提供比对，提高审计工作的效率。同时将审计结果在社会上或者高校内部公开，促使被审计单位完善自身的管理机制，提高高校治理的整体水平。
　　
　　4.从精确的数字审计向高效的数据审计发展
　　
　　目前许多高校审计技术建立在只能获取“小数据”的环境下，被审计单位的业务被精准数字量化，审计人员通过对数据收集和分析，得出审计结论。而随着大数据技术的应用，通过系统收集到的已不是一般有限量的精准的数据，而是海量的杂乱的各种数据，审计人员需要通过对海量数据的分析，探寻数据之间的相关性，从而认清事情的真相。大数据存储、处理和检索方法使应用超大数据体量和占相当比例的半结构化和非结构化数据进行绩效审计成为可能。在审计实践中，审计人员对大数据时代存在的数据模糊性和混乱性要有充分的认识，明白获取的数据可能存在错误并对错误的数据进行分析，从中找出被审计单位信息系统在控制、管理方面存在的问题，确定绩效审计的方向，定位疑点，找到绩效审计的关键性问题。
　　
　　5.从重数据轻安全向注重信息完整性和安全性发展
　　
　　传统的审计对数据的完整性和安全性也有明确的要求，但基于审计方式和技术的不同，其要求尚未如大数据技术下的绩效审计那么显得重要。基于大数据技术的绩效审计，其可以处理的所有数据不再依赖于随机抽样，而是从学校信息平台上调用，不仅有财务数据、业务数据和管理数据等结构化数据，也有可研报告、会议纪要、项目立项审批文件、项目实施过程记录、政策法规等非结构化或者半结构化数据，既需要学校的内部数据，也需要主管部门等外部数据。总之，基于大数据的审计注重的是数据的完整性和混杂性，能从被审单位大量的、杂乱无章的海量数据中发现潜在的有用信息，从而得到正确的绩效审计结论。数据的产生和存在依赖于学校的信息化以及信息系统的安全。可见，基于大数据的审计对数据的要求已向注重数据的完整性和安全性发展，从而也要求对大数据的使用流程和使用权限等进行规范化处理，加大监管力度。
　　
　　参考文献：
　　[1]张健。高校绩效审计标准研究[D].长春：东北师范大学，2006.
　　[2]陈晓芳。高校绩效审计若干问题思考[J].财会通讯（学术版），2008,（9）。
　　[3]蒋乐仁。高校绩效审计方法初探[J].科技创业月刊，2009,（7）。
　　[4]周庆西。高校管理审计研究[M].天津：天津人民出版社，2010.
　　[5]张存彦，周少燕。高校内部绩效审计指标体系构建---基于三维结构模型的实证研究[J].会计之友，2012,（14）。
　　[6]郑玉洁。对地方普通高校绩效审计的思考[J].东华理工大学学报（社会科学版），2012,（3）。
　　[7]邹建生，李彩霞。我国高校学科建设经费绩效审计存在的问题及原因分析[J].现代经济信息，2011,（17）
　　[8]刘骏。高校学科建设经费绩效审计探析[J].老区建设，2008,（11）。