大数据技术正在深刻地改变审计环境和审计取证模式。ACCA和IMA联合发布的《数据革命》报告认为，与历史上历次产业革命一样，数据革命可能是人类发展历史上的一次重要转折的信号。在此背景下，审计人员要能运用大数据分析技术和方法，从高速增长、高速流动、变化无常、结构复杂、种类繁多但潜含价值的大数据中获取审计证据，否则可能再次面临“进不了门，打不开账”的窘境，甚至有被其他专业更加精通大数据技术的人员取代的风险。特别是伴随大数据而来的人工智能和区块链技术的兴起，一度使审计职业将大概率被计算机取代的言论甚嚣尘上。 目前，以“四大”会计师事务所为代表的审计职业界开始采纳并运用大数据技术，还融入了人工智能技术，可以完成部分审计判断任务。然而，对于如何在审计工作中对大数据进行分析，以及大数据分析会给审计工作带来何种影响，仍然知之甚少。当前具有审计专业背景的大数据分析人才极度稀缺，更是我们不得不直面的严峻现实，断言计算机将取代审计职业为时尚早。对此，IAASB、AICPA、CPA Canada和ICAEW于近年密集发布了一系列关于在审计中运用大数据分析的指南或实务提示。这些官方文件的发布，凸显了审计职业界对大数据分析的深切关注，也力证了大数据分析已是审计人员的必备能力。 然而，这些文件提示多是探讨大数据分析技术和方法及其应用于审计工作的可能性，以及大数据分析对审计模式、审计流程及审计准则的影响，并未对审计大数据分析（Audit Data Analytics，以下简称ADA）人才应具备的知识、能力和素质要求做出界定，也未涉及人才培养问题。学术界虽有研究探讨了大数据分析师应该具备的能力体系，以及应该如何将大数据分析内容融入现有的会计课程体系等问题，但也未论及ADA人才培养。那么，为何要培养ADA人才以及应该如何培养ADA人才是大数据时代亟待解答的课题。为此，本文在分析ADA特点及其人才需求动因的基础上，借鉴工程教育改革的CDIO理念，探寻可能的答案。 二、审计大数据分析及其人才需求动因 大数据之所以能够带来数据革命，得益于技术基础设施、数据存储、转换、操作和分析的工具及技术的发展。大数据分析为审计取证工作带来了强有力的技术支持，也在改变审计取证的方式和方法，传统审计人才已难以胜任，培养新型ADA人才已迫在眉睫。 （一）审计大数据分析 数据分析有Data Analysis和Data Analytics两种表达方法。Data Analysis指的是通过经典统计理论、技术、方法和工具来处理数据，借以获取有用的信息，可称为传统数据分析。进入大数据时代，传统数据分析已不再适应大数据需求，这时就需要新的理论、技术、方法和工具的支持。为与传统数据分析区分，Data Analytics被用来指代大数据分析。大数据分析是通过采集和准备大数据，综合运用统计及其他量化分析方法来开展描述性、诊断性、预测性和规范性分析，从大数据中获得知识和洞察，并用可视化方式将结果呈报给用户，以支持用户决策和行动。 在审计工作中运用数据分析由来已久。自审计模式从详细审计转向抽样审计之后，数据分析程序就成为审计取证环节中不可或缺的手段。不过，由于数据可用性和分析手段的局限性，审计分析程序长期停留在传统数据分析阶段。ADA是对现有分析程序的拓展和补充，其目的是充分运用大数据分析能力，让分析程序应用范围更广，覆盖的总体数据量更大、种类更多，数据分析更及时、全面、深入、科学、精准，获得的审计证据更加充分、适当，审计风险更低，审计效率和审计质量更高。 在ADA中，描述性分析使用最为广泛，它利用经典统计学方法来描述所使用的数据，从数据中发现“已经发生了什么”及“正在发生什么”。诊断性分析则被用于解答数据背后的原因，也即回答“它是如何发生的”和“它为什么会发生”的问题。预测性分析则是基于诊断性分析的结果，通过预测性模型对未来可能出现的问题进行预测和预报，也即“将会发生什么”。规范性分析是在前面三种分析的基础上，运用数学模拟模型或者运筹优化模型来提供解决该问题的若干行动方案，并推荐最优行动方案，也就是“应该怎么应对”及“怎样应对才最好”。 传统审计分析程序主要是描述性的，也有一定的诊断性和预测性分析功能，但它本质上还是一种对已经发生问题的“后知后觉”式分析。而且，传统审计分析程序通常是基于小规模的或者具有高度可操作性的数据样本，运用已有的审计知识提出假设，然后运用统计学方法进行参数估计和假设检验，并对统计推断结论进行解释。传统审计分析程序局限性很多，例如对超出已有认知水平的隐含问题不会纳入假设检验范围，也无法应对不确定性和非独立同分布的数据。ADA继承了传统审计分析程序的所有功能，但使用的是“全样本数据”，不再需要进行统计推断，转而直接从总体数据中发现规律并预测趋势，数据分析更全面、精准，还可实现传统审计分析程序无法企及的预测性分析和规范性分析。 预测性分析不只是对未来可能发生问题的“先知先觉”，更具数据分析发展里程碑意义的是其“未知先觉”的能力。也就是说，由于我们并不知我们所未知，也就不能明确提出我们所要分析的问题是什么。或者说，我们甚至对进行大数据分析的目的以及所期望获得的结果仍不清楚。所以，大数据分析主要的价值在于对海量数据进行“大海捞针”“盲人摸象”式的探索，通过数据驱动的机器学习来发现这些大数据中有意义的洞察，进一步依据规范性分析提供的行动建议做出决策，并将ADA结果和建议用可视化方式呈报给用户。
