基于大数据技术的政府绩效审计
来源:用户上传
作者:
【摘 要】 绩效审计已成为国家综合审计功能的新兴要素。在以抽样数据为基础的传统绩效审计模式下，存在以事后审计和局部审计为主、绩效审计结果应用不足等局限性。在大数据的背景下，具有大容量、多样性、高速率和准确性特征的大数据技术，在一定程度上克服了传统绩效审计的局限性，主要表现为绩效审计周期延长、审计对象更加扩展、审计结果应用日趋深化。就未来发展而言，可从以下维度加以谋划：建立大数据审计平台，实现持续绩效审计;建立多元主体协同合作模式，实现绩效审计全覆盖;促进审计结果的综合应用。
【关键词】 大数据; 绩效审计; 预算绩效管理; 持续性审计; 前瞻性审计
【中图分类号】 F239.1 【文献标识码】 A 【文章编号】 1004-5937（2020）19-0108-06
一、引言
绩效审计作为近30年来快速发展的政策分析和评价手段，逐渐成为立法机构和审计机关开展工作以及政府制定相关政策的重要基础。绩效审计报告呈现出一种责任机制的性质，具体展示了公共部门的绩效，在某种程度上绩效审计已经超越了传统审计，成为国家综合审计功能的新兴要素[ 1 ]。由于政府审计规模的扩大和复杂程度的提高，传统审计技术仍以抽样数据下的审阅、抽查、分析、函证等为主[ 2 ]，使得审计部门在有限资源约束下的任务十分繁重，故审计行为大多集中于合规性审计，绩效审计被不同程度地忽略。在大数据时代到来之前，面对纷繁复杂的审计信息，审计机关（尤其是基层审计机关）往往采取传统的基于抽样数据的审计方案，这与大容量、多样性的大数据条件下以近似总体数据为基础的审计方案相比，显然存在一定的局限性。
在大数据时代，所有公共政策的实施都能够得到实时的记录与分析[ 3 ]，非结构化的网络财务数据能够与传统会计数据实现集成[ 4 ]，提高了数据处理效率，降低了数据处理成本，压缩了数据处理的时间与费用，使得合规性审计所耗费的时间大量减少，为审计人员实施绩效审计提供了相对充裕的时间与空间。就国际经验而言，英国国家反欺诈倡议（National Fraud Initiative，NFI）的绩效审计项目，收集匹配各部门电子数据，建立了大数据分析平台，绩效审计工作的开展卓有成效[ 5 ]，内阁部长克洛伊·史密斯宣称，通过NFI项目，英国政府节省了3亿多英镑[ 6 ]。然而，大数据技术在整个审计行业的应用发展还是较为迟缓。毕马威公司将大数据时代的审计工作描述为“基于数据分析（Data & Analytics，简称为D&A）的创新驱动”，而其合伙人之一O'Donnell则认为，“从一位审计人员的角度出发，D&A的崛起并不代表审计事务发生了根本性改变”。从O'Donnell对大数据的看法中，可以窥见大数据在审计行业的发展潜力尚未得到完全释放[ 7 ]。当前，大数据技术快速发展，其大容量、多样性、高速率和準确性的特征，对绩效审计的发展产生了巨大影响，充分发挥大数据技术在绩效审计方面的潜力无疑是十分必要的。
二、传统绩效审计的特点及其局限性
传统的基于抽样数据的审计，通过对部分数据的收集和转换、分析和验证、构造查询分析、多维分析等技术方法来建立数据分析模型[ 8 ]。该过程主要关注获得数据的代表性，存在“样本即总体”的固有风险，难以得到高度客观与准确的审计结果[ 9 ]。从统计学的角度来看，数据量越大，最终结果越有效，而大数据技术的引入与应用，提供了更多可选择的审计分析证据，在相当程度上克服了抽样审计方案的局限性。在使用抽样数据的情况下，传统绩效审计呈现出以下特点：
（一）以事后审计为主
抽样数据下的绩效审计更加注重事后的绩效结果，在一定程度上忽略了事前和事中的绩效表现。这与审计机关所偏好的抽样数据选择模式是分不开的，审计人员更倾向于剔除存在缺失的抽样数据。当前的绩效审计大多在事后开展，主要原因在于反映和证明项目执行情况或资金使用结果的审计证据在事后更加丰富，审计取证更加易于开展[ 10 ]。而事前和事中过程的项目立项、资金分配、具体执行等环节的审计证据，则往往有所缺失，完整性较低，使得审计取证过程中面临的阻碍更多。
以2018年保障性安居工程中央财政专项资金的绩效审计为例，从时间上看，审计署对这一专项资金的绩效审计开展时间为2018年12月至2019年3月，属于事后审计。从审计结果来看，确实存在资金使用绩效较低的问题，如“354个单位以前年度收到的安居工程财政资金158.06亿元未及时安排使用，截至2018年底已超过1年”[ 11 ]。如果引入大数据技术对其进行全过程的持续绩效审计，实时追踪资金来源与流向，事前就可以厘清以前年度的剩余资金，事中的绩效审计可以及时发现以前年度剩余资金的闲置，这样就可以有效提高资金的动态使用绩效。以事后审计为主这一特点，虽然保证了事后绩效结果的审计效率，但是事前审计预防警戒、事中审计及时修正改善的作用则难以发挥。
（二）以局部审计为主
局部审计是抽样审计的主要特点之一，这里的所谓局部包括两个层面：从宏观来看，传统绩效审计通常聚焦公共资金的审计，而对国有资产、国有资源和领导干部履行经济责任情况的绩效审计占比偏低;从微观来看，传统绩效审计更多地针对部分重要资金或重要项目，难以实现绩效审计的全覆盖。
在抽样审计的模式下，检查、函证、盘点、观察、询问、分析等审计程序多为现场审计，审计人员在查账、盘存、调取相关佐证资料上就耗费了大量的时间，更不要说实现审计全覆盖的高要求了[ 12 ]。以局部审计为主的特点与抽样数据分析有重要关联，在抽样绩效审计的情形下，数据局限是一个大问题，数据的完整性、全面性往往难以得到保障。
（三）绩效审计的结果应用不足 传统绩效审计的审计结果主要呈现在单一绩效审计报告中。通常情况下，绩效审计报告的形式较为固定，内容呈现较为单一，从单一报告中能够获得的信息并不充分，并且由于抽样数据下从局部推断整体的局限性，审计结果应用的进一步深化也存在问题。
此外，从各级审计机关公开的审计公告中可以看出，独立规范的绩效审计报告仍然没有得到推广，绩效审计结果的主要载体仍旧是审计公告，且形式不一，绩效信息量明显不足。
三、大数据时代绩效审计边界的拓展
大数据技术的发展，使得绩效审计的边界从时间、空间以及结果应用方面都得到了拓展与延伸。
（一）绩效审计周期的延长
从时间维度出发，大数据的实时性可以让持续审计变为现实，达到前后联动，从事后审计拓展到链接事前—事中—事后的审计，延展审计过程的逻辑链条，并且可以通过事前的前瞻性绩效审计来降低审计风险。
高速率（Velocity）是大数据的重要特点之一，它表现了新数据从产生到能够使用的频率，大数据环境下这种频率越来越高，而且速度非常快。因此，审计人员获取被审计对象的绩效审计数据，可以通过大数据技术实时提供的财务信息，而不用通过传统的季度或年度报告仅获得某一时间节点下的相关数据[ 7 ]。现有关于持续审计的大多数文献将其定义为一个连续的审计周期[ 13 ]，由于大数据技术可以实现快速分析和新数据的适应，连续的审计周期得以实现。某些大数据技术手段可以自动高效地处理新数据集，包括有着缺失值、不相关数据或高度相关数据等特征的新数据集。上述特征都是实时系统的重要特性，这类数据问题是无法人工去解决的[ 7 ]。
在美国，许多大型审计公司已经自动化了其审计过程，可以通过数字足迹进行审计跟踪。通过数字化的地图，告诉审计人员任何账户余额的数字来源是什么，从而真正识别账户余额中的风险，并持续向审计人员发布指导意见。审计人员遵循决策树（Decision Tree），决定在何处分析，使用哪种分析过程[ 14 ]。大数据时代下，审计机关可以持续性地观测和监督相关审计内容，实现对项目从立项到执行再到最后完成的持续跟踪与分析，及时发现与防范预算过程中存在的绩效风险，实现“事前防范—事中监控—事后问责”的全周期绩效审计。
此外，在绩效审计领域，对前瞻性分析的关注度不断提高。美国政府问责署（GAO）发布的《政府审计准则》中明确指出，前瞻性分析是绩效审计的重要目标之一[ 15 ]。前美国审计长沃克将审计机关承担的功能分为六层，其中最高一层为促进前瞻（见图1）[ 16 ]。早在20世纪90年代，美国就开展了前瞻性绩效审计，对拟议的提案、立法、法规可能出现的结果进行比较，以确定项目的优先序[ 17 ]。
通过大数据技术的发展，人们不仅能够快速分析和获取事物的发展规律，而且能够预测其后续的发展趋势，实现态势感知，以达到防患于未然[ 18 ]，这一特点显然能够更好地服务于前瞻性绩效审计。因此，大数据技术极大地推动了持续绩效审计和前瞻性绩效审计的发展，而要实现这一进步，大数据审计平台的搭建势在必行。此外，在大数据平台的建设过程中，考虑到大数据体量巨大的特点，还要格外注意信息垃圾的及时清理问题。
（二）绩效审计对象的扩展
从空间维度出发，大数据的整体性包含了各部门和单位的全部审计数据，而非抽样数据，有助于绩效审计全覆盖的实现。大容量（Volume）与多样性（Variety）是大数据的两个重要特征。顾名思义，大数据包含巨大容量的数据，以至于传统工具无法满足存储的需要;而多样性反映了大数据的不同数据格式，包括定量数据、文本数据和混合数据以及图像、视频和其他格式的数据。大数据可以跟踪数千个同时发生的事件，实时执行千万亿字节容量的结构化与非结构化信息存储。
在前文提到的英国NFI项目中，要求各部门使用数据文件上传工具（DFU）提交符合规格的数据至电子平台，NFI大数据分析平台涵盖了警察、消防等政府部门以及教育、医疗、养老等公共服务机构，几乎包括了全部的公共资金[ 5 ]。大数据的特点，使得分析全部数据的可能性越来越大，而不仅仅是一个小容量的、精心挑选的子数据集或样本，这有助于建立更具有说服力的审计模式。例如，一个审计人员若想要设置一些指标来表明日记账分录是错误的或有舞弊风险，则可以分析所有的日记账分录，并利用这些信息识别真正不寻常的日记账分录。在传统绩效审计的情况下，需要谨慎地消除不良数据，但当所有数据都可用时，某种程度的不良数据数量就是可以接受的。还有，如果绩效审计仅仅基于少量的观察，审计人员必须非常小心地确保数据是准确的，以避免使审计结论产生偏差;而如果能够基于大量的观察，那么审计人员则可以容忍一些错误，因为除非它们是系统性的，否则它们的影响将是微不足道的[ 19 ]。与传统绩效审计需要分析抽样数据不同，在大数据技术的支撑下，审计机关可获得的数据量大增，甚至可以获取全样本数据，从而得出更具客观性和准确性的结论。
大数据为绩效审计全覆盖提供技术支撑的同时，也需要建立大数据环境下的多元主体协同合作模式，尤其是与财政部门的协作和不同层级审计机关的相互配合[ 20 ]。同时，以大数据作为基础的多元主体协同合作模式，更需要注意数据的真实性以及数据的控制与保护，数据源篡改与数据泄露的风险不可忽视。
（三）績效审计结果应用的深化
从绩效审计结果的维度出发，审计结果在大数据时代下可以通过可视化技术显示出来，绩效审计数据随时间的变化显示，比单一报告更加人性化，也有助于审计结果的综合应用。同时，大数据的相关性分析可以进一步加强绩效审计报告的深度。
在大数据时代，被审计对象及其所处的环境、管理过程以及潜在风险都可以通过可视化技术更加直观地披露出来，这有助于推动绩效审计结果的后续应用和监测绩效问题的整改状况。同时，被审计对象以往季度或年度的绩效结果也可以同时呈现出来，能够更加直接地进行纵向对比，为后续决策制定提供依据。此外，审计机关不仅可以提供最终的绩效审计报告，而且可以将审计过程中挖掘的大量信息和数据，经分析整理后提供给被审计对象[ 21 ]，用于改善其绩效，发挥绩效审计成果的综合使用成效。 大数据技术的发展在某些方面改变了人们的传统思维：从试图理解复杂现象的根本原因，走向更加倾向于识别和利用相关性[ 22 ]，这在互联网公司中表现得尤为明显。最为典型的就是谷歌流感趋势（Google Flu Trends）和谷歌登革热趋势（Google Dengue Trends），这些工具通过监视与症状相关的搜索频率来检测流感和登革热的传播，从而为政府提供预警系统[ 23 ]。随着联网汽车可用传感器数据的增加，不少保险公司通过获取覆盖距离、经常旅行的次数、交通拥堵、平均速度等相关数据，更简洁地确定每个驾驶员所面临的保险风险等级[ 24 ]。这也类似于绩效审计，其中内部交易、会计欺诈问题等，与从相关文件和数据源获得的指标是具有相关性的。目前，国外已有许多国有企业开始使用大数据分析进行绩效审计来识别内部交易和会计欺诈[ 19 ]。通过大数据的相关性分析，审计人员将注意力从因果关系转移到相关关系。也就是说，审计人员不需要像传统思维那样，通过找寻导致绩效改善或下降的主要原因来得出审计结论，而是通过观察发生这些结果的影响因素，比如通过关注与可能发生的绩效结果相关的某几项指标来进行预测或是结果判定。
四、大数据时代绩效审计的发展思路
（一）建立大数据审计平台，实现持续绩效审计
大数据时代下，持续绩效审计和前瞻性绩效审计成为绩效审计进一步发展的新命题。为改变当前以事后审计为主的审计模式，大数据审计平台的建立必须提速。考虑到数据的移动、存储与备份，大数据审计平台需要由数据移动平台、数据分析平台、数据储存平台和数据备份平台共同构成。通过数据移动平台，被审计对象可以快速上传其相关审计数据，降低数据移动所产生的成本消耗。数据分析平台的构建，需要合适的绩效审计分析模型和分析软件来支撑，审计分析模型主要有查询型分析、多维分析和挖掘型分析。此外，由于政府绩效审计数据的多样性，生态学、地理学及心理学等不同领域的分析模型也要不同程度地引入使用。数据存储平台可以使用Rest Ful、Socket、Dubbo及Web Service等技术[ 25 ]，以Apache Hadoop为框架，运用Map/Reduce模式，实现审计数据的快速聚类和分类[ 26 ]，将审计机关通过不同途径收集到的大量审计证据分别储存起来，同时规定审计人员在获得授权情况下才能调取使用。为了防范操作失误或系统问题导致数据丢失风险，数据备份平台需要对较为重要的或调取频次较高的数据及时备份[ 27 ]。
大数据审计平台的建立，要突出绩效审计的实时性与预警性。审计机关在大数据审计平台的基础上，需要进一步开发持续审计系统，持续审计系统可以使用Storm、S4、SQLstream等实时分析工具[ 28 ]。通过持续审计发挥审计分析模型和审计软件的预警作用，也就是通过数字算法分析海量数据，进而预测风险发生的可能性。在持续审计系统中，记录风险数据、预警临界值指标，实现实时的风险预警[ 21 ]，尽早地通知被审计对象其存在的风险，从而避免财政资金低效与浪费的情况。
在通过大数据审计平台进行绩效审计的过程中，还需要注意信息过载的问题。大数据环境下的信息过载分为两种情况：一是对现有信息的利用率较低;二是收集到的信息成为绩效审计的阻碍而不是帮助。主要表现为区分相关信息较为复杂，难以理解细节与整体视角之间的相关性。出现信息过载的原因与信息的具体特征相关，如不确定性程度、模糊性、复杂性等[ 29 ]。因此，要格外重视审计数据的深度挖掘与分析。
（二）建立多元主体协同合作模式，实现绩效审计全覆盖
《关于实行审计全覆盖的实施意见》（中办发〔2015〕58号）明确提出“对公共资金、国有资产、国有资源和领导干部履行经济责任情况实行审计全覆盖”。为实现绩效审计全覆盖的目标，在大数据审计平台的基础上建立多元主体协同合作模式成为必然选择。然而，当前审计机关往往处于孤军奋战的状态，尤其是基层审计机关的技术资源较为匮乏，所以与其他政府部门（尤其是财政部门）的协作尤为重要，应推进财政部门的绩效评价信息系统同大数据审计平台的对接，并建立各层级审计部门在大数据审计平台基础上的协同合作模式。
绩效预算的实施需要财政部门事前确定绩效标准，事中进行绩效控制，事后开展绩效评价并出具绩效报告。财政部门事前确定的绩效标准和绩效目标构成了审计机关绩效审计的基础，财政部门事后进行绩效评价的部分内容也是审计机关开展绩效审计所考察的内容。由此可见，财政部门的绩效评价工作与审计机关的绩效审计工作，在某些方面存在交叉与重叠。从大数据的应用情况来看，当前，财政部门对基于大数据的绩效评价新模式也在积极探索中，部分省市已初步建立了绩效评价信息系统，这些绩效评价信息系统中包含的绩效目标、绩效标准、绩效指标以及绩效表现等大量数据信息，可以为大数据审计平台的数据收集进行补充与完善。事实上，早在2014年，《国务院关于加强审计工作的意见》（国发〔2014〕48号）就要求“推进有关部门、金融机构和国有企事业单位等与审计机关实现信息共享，加大数据集中力度”。因此，审计机关尤其应与财政部门开展进一步的协同合作，建立相关绩效信息的共享机制，有条件地开放财政部门绩效评价信息系统与审计部门大数据审计平台的端口，实现两个信息系统的对接。
此外，为实現绩效审计全覆盖的目标，同时考虑到熟悉大数据审计平台操作的专业技术人员较为稀缺的现实，还需要建立起各层级审计部门的协同合作模式。由省级审计部门发挥带头作用，建立协同中心，市、县级的审计部门相互协调，形成省、市、县三级机关为联合统一体的协同审计模式。从大数据审计平台的具体操作来看，首先要实现各级审计机关的协同数据采集，将全区域范围内的审计数据汇集到协同中心，由专业人员将多种类型的信息数据转换为标准格式后上传到审计平台;其次开展协同数据分析，发挥大数据审计平台的关联分析与异常检测作用，将初步检查出的绩效问题进行汇总;最后再进行分散查证，将协同数据分析过程中发现的问题，通过大数据平台分派给适合的基层审计机关，由基层审计人员对相关问题再次取证核查[ 30 ]。在这一过程中，需要注意加强信息共享，协同制定绩效审计战略，合理安排人力资源配置，提高审计效率。 在多元主体协同审计模式中，信息传播范围扩大，信息真实性与信息安全成为需要关注的问题。审计大数据的真实性是保证绩效审计结果的必要条件，因此对数据的质量控制必须重视，对异常数据需要查找数据源，进行关联分析，检验是否存在数据篡改的可能性。此外，网络攻击可能导致数据泄露问题，为防止这一现象的发生，需要做到对大数据审计平台包括数据上传、数据存储、数据分析等链接整个数据生命周期各个环节的定期维护与加密。
（三）促进审计结果的综合应用
绩效审计与合规审计存在一定的差异，绩效审计主要检查公共支出的经济性、效率性和效益性，对财政资金或项目进行全面的评价。为此，绩效审计报告不应限于单一的财务审计报告，审计结果的综合应用成为当前绩效审计的发展方向。
为实现这一目标，以独立规范的绩效审计报告作为基础是必须的。需要将各级审计机关发布的绩效审计公告常规化与制度化，并且建立绩效审计报告发布规范，确保绩效审计报告的规范性与完整性。在此基础上，可以考虑大数据环境下的可视化技术来提高绩效审计结果发布的透明度与可获取度。例如，利用Google's Dremel和Apache Drill等交互式工具[ 26 ]，受众可以通过图表的方式查看绩效审计结果，使得绩效审计结果的显示更加直观。
为增强绩效审计结果应用的综合性，需要发挥大数据技术的相关性分析功能，但也应注意到，大数据的非结构化特性可能会导致相关数据的选择困难，并且对审计人员来说，接触过多的信息会导致难以过滤掉不相关的信息[ 29 ]。为实现更高效的相关性分析和加强绩效审计结果的综合性：首先，在绩效审计过程中获得的大量数据资料，可借助大数据技术探究其内部规律、共性表现和发展趋势，得出合理的审计意见，提供给被审计对象，为其后续决策提供帮助。其次，将绩效审计结果留存系统，特别是将发现的审计问题规则化且固化到系统中，成为前瞻性绩效审计的实践经验与历史基础，对被审计对象进行预警。最后，审计机关将被审计对象、审计结果和审计问题关联起来，通过大数据技术实现相关关系的信息化，为相关性分析提供更为丰富的资料储备。
【参考文献】
[1] 杰瑞米·朗斯代尔，彼得·威尔金斯，汤姆·林.绩效审计：问责政府的利剑[M].北京：经济科学出版社，2018：13-14.
[2] 张荣.完善财政资金绩效审计的途径研究[J].会计之友，2015（4）：114-116.
[3] TITERA W R.Updating audit standard-enabling audit data analysis[J].Journal of Information Systems，2013，27（1）：325-331.
[4] O'LEARU D E.Big data，the internet of things and the internet of signs[J].Intelligent Systems in Accounting，Finance and Management，2013，20（1）：53-65.
[5] GOV.UK.Taking part in the national fraud initiative[EB/OL].https：//www.gov.uk/guidance/taking-part-
in-national-fraud-initiative.
[6] GOV.UK.Government saves ￡300m in two years by preventing fraud and error[EB/OL].https：//www.gov.uk/ government/ news/ government-saves-300m-in-
two-years-by-preventing-fraud-and-error.
[7] GEPP A， LINNENLUECKE M K， O'NEILL T，et al.Big data techniques in auditing research and practice：current trends and future opportunities[J].Journal of Accounting Literature，2018，40：102-115.
[8] BEI Z.Research on the application of big data in audit analysis program[C].2019 International Seminar on Automation，Intelligence，Computing，and Networking（ISAICN 2019）.UK：Francis Academic Press，2019：235-238.
[9] 劉国常，胡枫.大数据助推政府审计全覆盖路径研究[J].会计之友，2018（18）：98-101.
[10] 寇永红，吕博.财政扶贫资金绩效审计工作现状及改进措施[J].审计研究，2014（4）：19-22.
[11] 审计署.2019年第4号公告：2018年保障性安居工程资金投入和使用绩效审计结果[EB/OL]. http：//xinxi.audit.gov.cn：8888/gdnps/content.jsp？id=133109.
[12] 张亚丽.财务共享服务模式下大数据审计框架探究[J].会计之友，2019（21）：21-24.
[13] CHIU V，LIU Q，VASARHELYI M A.The development and intellectual structure of continuous auditing research[J].Journal of Accounting Literature，2014，33（1/2）：37-57. [14] SALIJENI G，SAMSONOVA-TADDEI A，TURLEY S.Big data and changes in audit technology：contemplating a research agenda[J].Accounting and Business Research，2019，49（1）：95-119.
[15] GAO. Government auditing standards 2018 revisions[R].GAO，2018.
[16] 沃克.提高政府绩效 增强政府问责和前瞻能力[J].审计与经济研究，2007（5）：5-8.
[17] GAO.Prospective evaluation methods：the prospective evaluation synthesis[R].GAO，1990.
[18] 薛一波.大数据的前世、今生和未来[J].中兴通讯技术，2014，20（3）：41-43.
[19] BYRNES P， CRISTE T， STEWART T， et al.Reimagining auditing in a wired world[R].AICPA，2014.
[20] 卓越，卢梅花.澳大利亚绩效审计发展新趋势[J].中国行政管理，2012（2）：91-94.
[21] 秦荣生.大数据、云计算技术对审计的影响研究[J].审计研究，2014（6）：23-28.
[22] MAYER-SCHOENBERGER V， CUKIER K. Big data：a revolution that will transform how we live，work，and think[M].Eamon Dolan/Houghton-Mifflin Harcourt，2013.
[23] ROSSI B. Causation and correlation：a big （Data） headache[EB/OL].https：//www.information-age.com/ causation- and- correlation-big-data-headache-123460611/.
[24] Why data correlation is essential to big data[EB/OL].https：// www.vidsys.com/ blog/ data-correlation-essential-to-big-data/.
[25] 刘国城，陈正升.大数据审计的发展态势、总体策划与流程分析[J].会计之友，2019（8）：30-35.
[26] 陈伟，SMIELIAUSKAS WALLY.大數据环境下的电子数据审计：机遇、挑战与方法[J].计算机科学，2016（1）：8-13，34.
[27] 刘佳黎.大数据背景下的国家审计变革研究[J].财政监督，2016（11）：64-66.
[28] CHEN C L P， ZHANG C Y. Data-intensive applications，challenges，techniques and technologies：a survey on big data[J].Information sciences，2014，275：314-347.
[29] HELEN B L，HUSSEIN I，LOMBARDI D.Behavioral implications of big data's impact on audit judgment and decision making and future research directions [J].Accounting Horizons，2015，29（2）：451-468.
[30] 魏祥健.大数据环境下政府审计模式转变[J].财会月刊，2016（22）：64-67.
转载注明来源:https://www.xzbu.com/3/view-15320829.htm
