党的十八大以来，国家不断深化改革审计监督体系，国有企业持续完善内部审计工作体制机制。但同时，国有企业内部审计工作还存在标准和尺度不一、质量参差不齐的情况，影响了内部审计作用的发挥。在当前数据资源日益受重视的背景下，具有标准化特征的数据能为解决此类问题提供解决方案。本文旨在分审计阶段研究数据在审计标准化建设方面的应用场景和措施，并提出数据式审计过程中的具体方法，以期通过数据应用提高审计标准化作业水平，进而提升审计工作质效。

从当前国有企业内部审计情况来看，审计非标准化现象较为突出，具体表现为以下几个方面：一是审计覆盖范围不一致，二是审计深度不一致，三是审计整改验收标准不一致。以上问题严重影响了审计工作质量，导致审计监督有死角，查错纠弊效能未能充分发挥；审计评价失之偏颇，没有做到拿同一把尺子去衡量审计对象，无法有效落实“三个区分开来”；审计成果运用不足，整改纠错工作存在“木桶效应”。

虽然大型国有企业的很多分、子公司业务类型相同，组织架构相近，但具体到生产经营的每个方面，个体之间又存在一定差异，呈现出不同的特点。面对非标准化的审计对象，即使是同一审计组实施同类型审计项目，识别出来的审计风险、判断的审计重点也不完全相同，所采取的审计手段、方法往往也不一致。

审计组内部的审计人员在审计经验、技术能力、专业背景等方面的综合能力，直接影响审计项目实施效果。比如，在经济责任审计中，项目组成员通常从各单位抽调，不同审计项目组抽调的审计人员并不相同；很多审计组除了抽调专职审计人员外，还会抽调特定领域的专家，这些专家在各自专业领域能力出众，但可能在审计经验方面有所欠缺，因此在选择审计措施、识别问题和风险时可能会存在偏差。这些个体性差异汇集到整体层面就形成了审计组之间能力、水平的差异，导致同类型审计项目的实际审计覆盖面、审计深度不一致。

在具体实施审计项目时，审计组拥有的人力、时间、手段等资源有限，无法针对所有领域全面深入地挖掘问题、风险。相反，受制于前述审计对象、审计人员能力的非标准化，审计组常常需要结合被审计单位本身特点，在尽可能做到审计全覆盖的前提下，选择高、中风险领域或环节配置更多审计资源、开展重点审计。最终，审计资源配置方式的不同会体现在审计报告形式、质量的差异上，即审计成果非标准化。

在大数据时代，企业运营过程中会产生海量数据。按照管理领域划分，除了常用的财务数据外，还包括生产数据、采购数据、人力资源数据等。随着办公软件国产化进程的加快，以及“业财融合”趋势的上升，国有企业内部各类信息系统都增加了兼容的数据接口，“信息孤岛”逐步被打通，不同板块间的数据按照内部控制流程建立了逻辑关系。

上述趋势为大型国有企业实施以数据为依托的审计标准化作业体系奠定了基础。企业内部审计人员可将非标准化的审计对象转换成标准化的数据，利用审计模型识别问题和风险、分析问题产生的原因，在统一标准的尺度上进行审计评价，进而提出合理的审计建议。审计实施过程中，由于利用了信息科技手段开展数据分析，审计效率将大大提高，审计覆盖面和深度也将得到拓展。

以统一、规范、成体系的数据为基础，将企业经营信息转化为标准化的数据并形成科学规范、涵盖全面的审计数据库，这是实现审计标准化的关键。内部审计机构可充分深度参与企业数据化治理过程，从内部审计视角提出数据规范化规则建议，推动企业各项要素数据化、标准化。在此基础上，内部审计机构应加强审计信息系统建设，对接人力资源、决策机制、生产建设、财务管理等各系统，接入企业经营管理各项数据，形成审计数据库。

国有大型企业内部数据具有以下特点：一是数据量庞大，二是数据之间可比性高，三是数据之间存在着勾稽关系。基于以上特点，内部审计机构可搭建风险识别平台，开展大数据挖掘分析，快速锁定审计线索。这一阶段可以通过对数据进行全景扫描，形成对审计对象的画像，摸清审计对象基本情况，初步识别审计风险，判断审计重点领域和关键环节。该阶段常用的数据关系包括以下几个方面。

一是数据联系。比如，一项重大投资按照制度规定必须经过总办会审议通过，如果该项目投资金额对应的“会议编号”字段或与其相关联的“决策文件”字段数据缺省，则表明该项投资可能未经过有效决策。

二是大小关系。比如，在扣除服役年限差异的因素后，被审计单位的火电机组单位煤耗显著高于其他同类型机组，且不同期间的煤耗数据波动较大，表明煤耗数据异常，需关注生产用煤管理或煤炭库存管理是否规范。

三是比例关系。比如，某单位管理费用占营业收入比例显著高于其他同业类型的单位，需分析该项异常背后是否有合理理由，如无，则应关注财经纪律是否得到严格执行。

四是分布关系。比如，被审计单位某种原材料的招标采购来源长期为同一供应商，而集团内其他单位的同种原材料供应商多元化明显，则应关注被审计单位招标采购是否存在舞弊。

五是趋势关系。比如，随着品牌知名度的提升，一段时间内被审计单位销售收入持续增长、销售费用稳定下降，但随后销售收入增长停滞、销售费用却大幅度增加，表明被审计单位在销售管理方面可能存在问题。

综上，在企业信息转化为标准化数据后，经营管理问题会以异常数据的形式暴露出来。内部审计机构可以借助以数据分析为基础的审计风险初步识别平台，迅速摸排数据异常，全面识别审计风险，进而明确审计重点和方向，提高审计工作效率。

在初步识别审计风险的基础上，审计组需要进一步开展数据审计。

一是开展数据质量审计。数据式审计的基础在于拥有大量存在逻辑关系的高质量数据，数据质量决定了审计质量。一般来讲，“信息孤岛”严重、依靠手工录入数据的系统，其数据质量相对较差，舞弊风险也较高，审计组需要测试信息系统，检查产生数据的系统流程，重点关注人工输入数据的准确性。

二是开展数据审计。建立健全以数据审计模型为基础，明确各领域的审计重点及数据审计方式、手段，为审计人员提供一套标准化的审计作业体系。数据审计模型可依据业务流程上下游的关联关系建立，其输入值通常是下一环节的标准化数据，通过下游环节数据倒推出上游理论值，如果输出的上游环节理论数据与实际数据存在偏差，则通常表明该环节可能存在问题，需要进一步分析偏差原因。

在结束现场审计工作并已获取充分的审计证据后，内部审计部门应按照规范化的标准体系，准确描述审计发现问题，客观评价被审计单位经营业绩、领导干部履职情况，提出科学可行的审计建议。

一是需要建立体系化的问题定性标准框架。针对审计发现问题，应结合审计掌握的事实和数据，按照业务和职能领域合理划分问题类别，依据性质和金额大小确定严重程度，做到定性清楚、准确。

二是需要建立统一的评价标准框架。综合利用定性指标和定量指标，制定出一套“用数据说话”的评价规则，拿“同一把尺子”去衡量审计掌握的数据。

三是需要建立规范化的审计建议标准框架。对于同类型问题的问题根源，提出的审计建议应类似，确保不同审计报告间的可比性、规范性。

在责任追究方面，针对审计发现问题，以对数据有实际影响的岗位范围为根据，科学确定责任人员；按照权责对应原则，明确领导责任、主管责任、直接责任的划分界限；结合问题的严重程度，合理确定责任人员的责任大小及承担方式。在整改落实方面，建立一套以数据指标为标准的整改验收体系，严格把控各类型问题的整改时间、整改方式、整改结果及相应验收标准，确保被审计单位之间对同类型问题整改效果的一致性，未彻底整改绝不销号。

在当前信息科技高速发展的背景下，国有大型企业积极推动经营管理数字化、智能化，促使经营管理数据日趋规范，数据量级急剧提升，加上“信息孤岛”问题的解决和“业财融合”理念的贯彻，企业各类信息系统数据之间建立了普遍联系，为内部审计机构实践“业审融合”、开展数据式审计提供了条件。在数据式审计的背景下，审计人员可以结合数理统计学原理和业务逻辑关系，开展标准化审计作业，迅速识别风险、查找问题、寻找根源，在有效配置审计资源的同时提高审计工作效率，最终实现审计质量提升。

为此，内部审计部门需要建立连接各条线系统的审计数据库，在此之上搭建以数据分析为基础的风险识别平台，助力快速定位审计风险；执行以数据审计模型为框架的审计实务指南，规范现场审计作业；以数据为要素规范审计报告阶段和后续审计阶段的工作，推动审计报告及审计成果运用的标准化。

以数据为依托推进审计工作标准化的原理清晰简单，执行效果也立竿见影。但在实务中，应谨防进入以下误区。

一是数据式审计仅停留在数据表面，未挖掘数据背后的原因。通过风险识别系统扫描出来的数据异常仅仅只是表象，并非真正的问题，还需要结合业务链条开展研究型审计。

二是重视数据分析技术甚于数据质量。完整、规范的数据才是数据式审计的基础，如果数据不完整、不规范，即使是数据分析能力卓绝的大师也将面临“巧妇难为无米之炊”的局面。

三是忽略其他审计方法的重要性。数据式审计在推动审计标准化方面具有独特的优势，但其仅是众多审计方法中的一种。其他审计方法，诸如观察、访谈、监盘等在审计工作中也各具优势。