数据是开放式的且数量巨大，大数据审计中引入发散性思维能解决复杂的数据运算问题。推进大数据审计是实现审计全覆盖的必由之路，可以破解审计力量不足等难题，引入发散性思维能提高大数据审计工作效率。审计环境新变化促成思维新变化。推进大数据审计是应对大数据时代挑战的重要法宝，由于原始数据可以是结构化的、非结构化的，还有半结构化的混合型数据，发散性思维能解决复杂的数据关系，引入发散性思维谋划大数据审计更有现实意义。 发散性思维要求重视数据的基础及形成全过程。发散性思维要求重视数据基础问题。必须树立数据先行思想，数据是基础，电子数据具有高度概括性、模糊性、关联性等。必须做好数据清洗整理工作，通过数据整理为数据挖掘分析创造基础条件。发散性思维要求重视数据形成全过程。对于海量数据不能就数据看数据，不仅需要审计的“平面扫描”，更要“立体透视”，开拓视野，要对数据形成行为的各个环节或所涉及的过程进行检查，对制定、执行的相关公共政策的运行机制进行评估等，纵深推进“全面审计，突出重点”。 发散性思维要求数据分析模型必须满足实际需要。根据审计人员经验对结构性数据建立审计数据分析模型，通过编写结构化查询语句（SQL）或审计软件来检索，查询出可疑的数据，并深入核实、排查，来判断、发现问题。建立审计数据分析模型。利用现有电子数据、结合审计目的进行审计需求分析。再借助审计经验判断、审计软件或计算机语言所能表达的，建立审计分析模型。分析审计数据模型。根据已建立的审计分析模型，确定待用的基础表，并且要对具体的数据进行研究，确定各字段、代码和业务数据具体内容代表的含义等。建立分析性“中间表”。从被审计单位基础数据中选择出所需要的数据，生成能完成审计分析的数据表，即“中间表”，往往有多个。再对其进行整合，将分散于各表的字段组合到一张表内。完成审计模型分析。根据数据、模型和应用软件、计算机语言的掌握等方面的具体情况，采用一定的方式、方法，对数据进行具体的分析，得出具体结果。 发散性思维要求对数据的分析方法全面可操作。发散性思维与逻辑思维、分析性思维是不可分割的数学思维，逻辑思维主要是根据数据的勾稽关系建立全数据概念的关联查询模型，分析性思维针对审计数据分析模型进行具体分析。一是对数据库数据要求全数据思维模式。数据是从局部到整体，全数据概念不是随机抽样数据而是所有数据。通过跨领域的全数据分析，对重大违法违规行为进行精确打击。同时通过多方数据的关联分析，实现数据的有效利用。各级审计机关正加快数字化审计平台建设，在此基础上通过建立全数据概念的关联查询分析模型，逐步实现审计线索分析智能化和自动化。二是根据业务处理逻辑推断数据勾稽关系。被审计单位的业务具有特定性，业务运行具有固定性，经济指标相对固定。在各类会计账簿和报表中，各经济指标体系中的各个数据都有明确的经济含义，并且数据间往往存在着某种明确而固定的对应关系，这就是勾稽关系。审计人员应寻找、利用业务处理逻辑关系，进行相互查核、复算，达到分析问题、发现线索的目的。三是针对具体情况采用具体分析方法。第一是统计分析。对数据进行分类和预测，包括回归分析、因子分析和判别分析等。通过分类挖掘对被审计数据库中的各类数据挖掘，比对财务或业务历史数据，发现审计疑点。第二是聚类分析。把一组个体按照相似性归成若干类别，组成不同类别的信息集。如审计人员可运用该方法识别密集和稀疏的区域，从而发现被审计数据的分布模式，寻找差异性，如其变动异常，则表明异常点可能隐藏了重要的信息，反映了被审计数据可能存在虚假成分。第三是关联分析。利用关联规则从数据库的操作细节或事务中抽取频繁出现的模式挖掘隐藏在数据间的相互关系。政府审计可进行大量的数据分组和表间关联，发现存在异常联系的数据项，审查审计疑点。
