财务共享服务模式的大数据审计研究范文

摘要：

大数据时代，企业积极探索和建设的财务共享服务中心为大数据审计的开展提供了良好的基础。本文在分析企业财务共享服务模式下的大数据采集、大数据清洗和大数据存储等大数据审计数据预处理过程的基础上，建立了基于财务共享服务模式的大数据审计实施流程框架，阐述了大数据审计流程中各个环节的具体内容，为财务共享服务模式下实施大数据审计提供理论指导。

关键词：

财务共享服务；大数据；大数据审计；云会计；预处理

一、引言

大数据、云计算、移动互联网等技术的快速发展，使得大数据审计作为一种新的审计手段开始得到审计人员和会计师事务所的重点关注。大数据审计是以企业业务为审计对象，围绕业务收集、处理和审计业务相关大数据的一种审计手段，从而评价会计信息系统是否能够有效做到保护资产、维护数据完整并最经济地使用资源。大数据拥有数据规模大、数据种类多、数据处理速度快、数据价值密度低的4V特点，这使得大数据审计相较于传统审计手段拥有很多不同之处。同时，大数据、云计算、移动互联网等技术也使得财务共享服务模式（FSSC）作为一种新型的企业财务管理模式得到很多大型集团企业的积极关注与应用。财务共享服务模式即通过对集团企业内部的财务流程进行评估，结合大数据和云计算技术，将企业日常的、共同的、分散的、大量的、重复的、可标准化的财务会计流程从集团分公司剥离出来，交给财务共享服务中心云会计AIS进行统一处理的模式，其本质是打破企业按职能设置部门的管理方式，以业务流程为中心重新设计企业管理过程，从整体上优化企业的作业流程。在该模式下，企业财务数据被集中在云会计平台上，集团下属分子公司可根据实际业务需求选择相应服务，提高业务的动态性、敏感性和可靠性。财务共享服务模式下的大数据审计是对财务共享服务中心处理的财务流程所反映的企业业务进行审计的一种审计手段，需要在对财务共享服务中心和业务流程数据的审计过程中形成审计疑点，获取审计证据并以此得出审计结果，最终完成审计。大数据、云计算技术的发展对审计产生了诸多影响。程平（2013）等认为云会计将对审计环境、审计对象、审计证据、审计风险和审计人员等因素产生影响，并基于影响分析的结果给出了相应的对策。大数据、云计算对审计产生的影响间接促进了大数据审计的诞生与发展，丁璐（2015）等以地税征管审计为例，从审计数据的取得、组织方式以及审计数据分析等方面阐述了大数据对审计的影响。顾洪菲（2015）从数据量、数据结构、数据处理方式三个方面分析了大数据对审计数据分析的影响，并从分析学和使用者的角度阐述了大数据环境下的审计数据分析方法。许金叶（2013）等以物联网建设为应用背景，对大数据审计的目标、审计的依据、审计对象以及企业三层审计制度进行了描述。综观现有研究，大多数文献都是基于传统财务核算模式对大数据时代的审计或大数据审计进行研究，鲜有文献基于财务共享服务模式的大数据审计方面的探讨。财务共享服务模式诞生于20世纪80年代中期的美国，目前在中国得到了广泛关注与积极应用。企业财务共享服务中心的建立为实施大数据审计提供了良好的基础条件，鉴于此，本文对财务共享服务模式下的大数据审计进行研究，结合财务共享服务模式的特点对财务共享服务模式下的大数据预处理过程进行分析，并阐述了基于财务共享服务模式的大数据审计流程。

二、基于财务共享服务模式的审计大数据预处理

（一）审计中的大数据流向大数据审计的基础是企业经营业务产生的大数据，在对大数据进行预处理之前必须明确财务共享服务模式下的大数据流向。由于财务共享服务模式下建立了统一处理企业财务数据的财务共享服务中心云会计AIS，并实现了企业下属分子公司ERP、SCM和CRM等系统的无缝衔接，使得整个审计过程中大数据的流向和传统财务核算模式有了很大区别，具体流向如图1所示。财务共享服务模式下的大数据流向可以有效地避免传统财务核算模式下进行大数据审计时所面临的问题：（1）数据采集工作量大。传统财务核算模式下企业下属分子公司的数据存储在各自的会计信息系统中，在进行审计时其数据由各个分子公司流向审计数据仓库，导致数据采集工作量很大。在财务共享服务模式下，审计人员只需要在财务共享服务中心采集财务数据，通过ERP等其他业务系统采集业务数据，极大地减少了数据采集工作量。（2）数据清洗工作量大。传统财务核算模式下，企业下属分子公司的会计信息系统没有实现无缝衔接，可能存在数据接口不同等问题，在采集和业务相关的数据时，需要进行大量的数据清洗工作以提高数据质量。在财务共享服务模式下，会计业务得以标准化，可以与图1财务共享服务模式下的大数据流向ERP、SCM和CRM等其他业务系统实现无缝衔接，能够有效减少数据清洗工作量。（3）无法有效利用外部数据。传统财务核算模式下，外部数据的采集难度大，分子公司的会计信息系统和其他业务系统在实现集成前很难从庞大的外部数据中获取到对审计有价值的信息，进而无法有效利用外部数据。财务共享服务模式为企业有效利用外部数据创造了条件，能够建立起有效的外部数据采集机制，极大地降低外部数据的采集成本。

（二）大数据预处理在明确大数据流向的基础上可以对大数据进行预处理，主要包含大数据采集、大数据清洗和大数据存储三个步骤。1.大数据采集财务共享下的大数据采集的来源主要有三个：第一个大数据来源是财务共享服务中心云会计AIS，包括共享财务数据、业务财务数据以及战略财务数据，不仅有预算管理、费用报销以及资产核算等资金管理数据，还有全面预算、投融资和经营分析等战略管理数据。第二个大数据来源为企业的其他业务系统，如ERP、SCM和CRM等系统。这部分大数据主要是来自企业采购管理、生产管理以及销售管理等业务流程的业务数据。在财务共享服务模式下财务数据得以标准化，企业的ERP、SCM和CRM等系统和财务共享服务中心云会计AIS实现系统无缝衔接，使得大数据的采集变得更加容易。第三个大数据来源为企业外部数据，和企业业务相关的外部数据能够从另外一个维度反映出企业业务中可能存在的问题。2.大数据清清洗数据清洗是为了检测、剔除和改正数据中存在的错误和不一致，以提高数据质量。在财务共享服务模式下实现了财务数据录入的标准化，可以极大地减少数据清洗工作量，但为了更好地利用外部数据，数据清洗仍然是必不可少的大数据预处理流程。3.大数据存储采集到的大数据经过数据清洗后，应当予以集中管理和分级存储，建立审计数据仓库，以方便审计人员进行大数据审计时寻找或形成审计证据。

三、基于财务共享服务模式的大数据审计实施流程

（一）大数据审计的流程框架审计人员完成对大数据预处理后，就可以开始形成审计疑点并收集审计证据以完成审计目标。财务共享服务模式下的大数据审计流程分为制定审计目标、风险评估、制定审计计划、设计审计程序、执行审计程序和出具审计结果六个步骤，其流程框架如图2所示。

（二）大数据审计的实施流程

1.制定审计目标大数据审计是一种审计手段而非审计业务，在不同审计业务当中，大数据审计有不同的侧重点，因此审计人员必须结合实际情况来制定审计目标。从审计对象来看，财务共享模式下的大数据审计可以用于对企业业务的审计，也可以用于财务共享服务中心云会计AIS的信息系统审计。从审计人员来看，财务共享模式下的大数据审计可以用于企业的内部审计，也可以用于会计师事务所对企业财务状况和运营成果的社会审计。在进行业务审计时，大数据审计应当更加侧重于反映该业务的业务流程和资金流动是否正常，资源是否得到合理运用；在进行信息系统审计时，大数据审计应当侧重于证实财务共享服务模式下的云会计AIS是否能够有效做到保护资产、维护数据完整并最经济地使用资源；在进行内部审计时，大数据审计应当侧重于反映财务共享服务模式是否能够向管理层提供财务决策支持；在进行社会审计时，大数据审计应当侧重于反映在财务共享服务模式下企业是否向投资者提供了高质量的会计信息。

2.风险评估财务共享模式下大数据审计的审计风险不仅与重要性程度负相关，还与大数据预处理的流程与结果是否满足一定的处理规则有着密切联系。一旦大数据的预处理过程不符合相关规定或处理结果不满足审计要求，那么审计风险就会增加。同时，财务共享服务中心云会计AIS的可信性对审计风险也有关系，云会计AIS的可信性过低不仅会影响最终的审计结果，也会极大地增加审计风险。为了控制审计风险，审计人员应当对大数据预处理的全过程进行监控，同时通过第三方专家获得对被审计业务所处财务共享服务中心云会计AIS与ERP、SCM和CRM等其他业务系统的内部控制和可信性评估结果。在考虑审计业务自身重要性程度的基础上，结合第三方专家给出的财务共享服务系统的评估结果，最终得出可能存在的审计风险，并根据风险的种类和指标对风险进行评估定性。

3.制定审计计划在财务共享服务模式下，大数据审计的审计计划应当规划出包括审计时间、审计范围和审计人力资源在内的审计日程表，特别是大数据审计中大数据预处理过程所需的时间和人力应当在审计日程表中得到体现。其中，大数据审计的审计范围和传统审计手段相比变得更大，经过大数据预处理后形成的审计数据仓库中存储的各类数据，包括企业的业务数据和外部数据，只要与审计业务相关，审计人员都可以在其中选取审计证据，而不是只注重数据与业务的因果关系。

4.设计审计程序财务共享服务模式下的大数据审计作为一种审计手段，其审计程序主要分为三个步骤，分别是数据分析、建立中间表和形成审计疑点。（1）数据分析数据分析是大数据审计流程中最为重要的步骤，目的是找出审计疑点，并围绕审计疑点收集审计证据。在数据分析的过程中，财务共享服务中心云会计AIS与ERP、SCM和CRM等其他业务系统的无缝衔接情况需要得到审计人员的重视，同时审计人员还需要对财务共享服务中心云会计AIS稽核、结算管理、凭证制证、电子影响和档案归档等业务操作的内部控制进行审计，以确保数据分析的有效性。大数据预处理的结果在该步骤得到运用，审计人员进行大数据分析的方法主要有以下三种：大数据挖掘。大数据挖掘是排除人为因素而通过自动的方式来发现数据中新的、隐藏的或不可预见的问题的过程，主要是通过数据挖掘算法对审计数据仓库中的大数据进行进一步处理，目的是在大数据中找到或形成审计疑点。在财务共享服务模式下，大数据审计中的数据挖掘一方面是指找到财务数据和业务数据中存在的异常，另一方面是在审计数据库中将财务共享服务中心云会计AIS的财务数据和ERP、SCM和CRM等其他业务系统中的业务数据结合起来，建立起财务数据与财务数据、财务数据与业务数据、业务数据与业务数据之间的勾稽关系，形成审计疑点，发现业务当中存在的问题。多维分析。在大数据分析过程中还经常使用多维分析的方法，即通过在审计数据仓库中形成多维的数据集合体，让审计人员能够从多个角度对数据进行汇总、关联、聚类和分类等分析。在这种方法下能够更加容易发现业务中存在的问题，形成审计疑点，然后以数据集合体为基础形成审计证据。SQL查询。SQL查询是目前数据审计中最常用的数据分析方法，在大数据审计中也能得到广泛运用。通过SQL语句可以完成模糊查询或多表之间的交叉查询，从而帮助审计人员发现问题，形成审计疑点。（2）建立中间表通过大数据分析得到了能够为形成审计疑点提供帮助的数据，下一步就应当在此基础上形成审计疑点，收集审计证据以达成审计目标，完成审计。中间表是为了形成审计疑点而诞生的中间产物，是审计人员根据审计分析模型对数据标准表进行处理后形成的步骤表。根据勾稽关系或业务数据的复杂性等实际情况的不同，在形成审计疑点的过程中可能会出现一级或多级中间表，这些中间表是审计疑点形成过程的体现，也是审计人员查证审计疑点时的重要依据之一。为了获得审计疑点和可信的审计证据，审计人员必须按照一定的标准和规范来建立中间表，并通过多级中间表的处理最终形成审计疑点。在建立中间表的过程中，一般采用“投影”和“级联”的方法。（3）形成审计疑点审计疑点是通过大数据分析、中间表比对核查后找到的企业业务中可能存在问题的数据。审计人员在形成审计疑点之后，需要收集审计证据对审计疑点进行查证，并根据查证的结果得出最后的审计结果。对审计疑点的查证主要是对相关数据的真实性的检查。在财务共享服务模式下，审计人员对审计疑点的查证不需要函证，能够通过财务共享服务中心云会计AIS、企业ERP、SCM和CRM等其他业务系统以及外部数据直接进行，可缩短审计时间，增加审计效率。

5.执行审计程序按照设计好的审计计划执行审计程序，对大数据的获取、清洗和存储过程进行全程监控，结合第三方专家或机构对财务共享服务中心云会计AIS和其他业务系统的综合测评，充分发挥财务共享服务中心云会计AIS与企业其他业务系统对接带来的、财务数据和业务数据相结合的优势形成审计疑点，寻找审计证据并得出审计结果。对在大数据审计过程发现的问题应当及时向企业管理层反馈，同时还需要对这些问题进行复核和评估。

6.出具审计意见和管理建议汇总通过实施大数据审计得到审计结果，并结合大数据审计所处审计业务的业务背景和最初制定的审计目标得出最后的审计意见，然后根据审计过程中所发现的问题向被审计单位管理层提出管理建议，在与管理层进行沟通后取得其对管理建议的相关回复，最后出具审计报告。

四、结束语

越来越多的大型集团企业开始建设财务共享服务模式，如何发挥大数据和云计算技术优势在财务共享服务模式下进行高效率的审计成为审计人员和会计师事务所关注的热点问题。本文简单阐述了财务共享服务模式下的大数据流向，在此基础上对大数据预处理流程进行了分析，最后阐述了财务共享服务模式下的大数据审计流程，以期对财务共享服务模式下大数据审计的实施提供理论支持，促进大数据审计方式的普及和财务共享服务模式的发展。

作者：程平 白沂 单位：重庆理工大学