审计师的数据分析事关审计质量的提升。尽管实务操作中关于数据分析对实务的影响存在不同观点，但审计质量是审计师、监管者和准则制定者共同追求的目标。高质量、重点明确、有效的审计与被审计企业管理数据及运营方式相契合。在大型审计项目中，数据分析为审计师如何管理IT系统的某些重要方面提供了实用方法。上市公司审计激烈的投标竞争使得数据分析更被关注，目前审计委员会通常会询问潜在的继任审计师如何在审计中运用数据分析。 每个对审计感兴趣的人都有机会（或许是难得的机会）来重新思考我们对审计的诉求，以及如何利用数据分析作出改变。本文探讨的是可能性，其目的不仅在于提出根本性问题，探讨数据分析能为行业、监管者、准则制定者、投资者和学术界带来何种可以重新思考和彻底改造审计的机遇，从而实现社会整体利益，还在于提升各方对数据分析这一议题的认知与关注度，把外部审计中使用数据分析的最新进展，向企业、审计师、投资者以及其他相关各方进行反馈。 对审计师来说，数据分析是一门新的学科，要求在硬件、软件、技能和质量控制等方面进行大量投入。在大中型会计师事务所对大型企业审计市场需求作出的响应中，数据分析居于重要地位，不仅是应用于审计中，也可广泛应用于其他鉴证业务中。 数据分析使得审计师能够掌控完整的数据——总体中100%的交易数据，也使得非专业人士可以轻松、快速地实现审计结果可视化。这些都是数据分析的典型特征。 数据分析有助审计师改进风险评估流程、实质性程序和控制测试。它通常包括非常简单的程序，但也包含能够生成高质量预测的复杂模型。运用此类模型的审计师需要了解这些模型，并就何时使用以及如何使用作出重要判断。 二、数据分析的作用及其在改进审计质量方面的应用 （一）数据分析工具 数据分析是通过基础数据结构的字段而非记录的格式来提取数据。简单举例来说，Excel内设工具PowerView可以在电子数据表中筛选、排序、切分和突出显示数据，然后以气泡图、条形图、饼状图等形式予以可视化呈现。 可视化效果取决于基础数据的质量，由此所进行的数据分析质量取决于基础数据是否以正确方式来提取、分析并形成关联。 这些工具可以用于风险分析、交易及控制测试以及分析性程序等领域，协助判断并形成见解。例如，可利用第三方估值等外部市场数据对投资进行重新估值。利率、汇率、ＧDP变化以及其他增长指标都可以被运用到分析程序中。 现在，许多数据分析程序可以在很少甚至没有管理者介入的情况下轻松完成操作。独立完成这些分析是一项非常重要的能力。许多程序都可以进行详细分析和汇总分析。粗线条的程序可用于风险分析，以发现问题，而更详细的分析则可用来锁定重点，提供审计证据和/或见解。 普遍执行的数据分析程序 （1）比较一件物品的最后一次购买价格和出售价格，以分析成本/可变现净值（NRV）。 （2）存货账龄，以及各项存货在库天数。 （3）应收账款和应付账款账龄，以及按客户划分的逾期应收款项随着时间推移的减少。 （4）按产品或地区分类的收入趋势分析。 （5）毛利和销售额分析，找出负毛利的货品。 （6）订单与现金、采购与付款的匹配。 （7）“能做什么及做了什么测试”—用不同用户代码来测试职责划分是否恰当，交易过程中是否存在不恰当的用户组合。 （8）采用近似值（比如，假设处置和购买固定资产均发生在月中）或确切完整的数据，对固定资产折旧按项目重新进行详细计算。 （9）资本性支出与维修和保养的分析。 （10）采购/销售订单、收货/发货记录以及发票的三单匹配。 对于计算会计估计所用方法恰当性的判断，有些程序能够提供审计证据支持。 （二）数据分析如何助力审计质量 开发数据分析工具的目的旨在提升审计质量。审计质量并不在于工具本身——尽管它的实现显然离不开适当的工具，而在于分析的质量和由此形成的判断。其价值并不在于数据转换（无论多么令人印象深刻），而在于从这些分析中引发的讨论和询问中提取的审计证据。例如风险评估可以引入对“日记账平台”的复核，图1是普华永道的示例。
该平台的信息可能被用于年度间及不同企业间的比较。如果自动和手工的对比指标显示手工日记账使用较多，可能表明系统使用低效，流程复杂，或者在某些情况下意味着舞弊风险。与个人用户相关的指标也可能突出显示一些异常的活动，需要进一步调查。 很清楚的是，如果运用得当，数据分析的以下独特属性能大幅提升审计质量： （1）用图表将结果可视化的能力：目前，数据可视化本身已是一门独立的学科； （2）审查手段的深度和广度； （3）非专业人士使用上的便利性； （4）规模和速度。 对某些人而言，高质量的可视化带来的高水平询问能够产生更高的质量。对另一些人而言，通过加快数据处理的速度和增加处理的数据量使得数据分析更加全面和精准，这一点尤为重要，但是：“审计准则最终会跟上数据分析工具的发展，但此刻，它基于的假设是：重要的是如何在干草垛里找针。数据分析工具缩小了干草垛，未来将是找到针后如何处理。”
