随着科学技术的进步，数据信息处理技术更加成熟，信息涉及面愈加广泛和全面。信息大爆炸的时代，迎来的不仅是审计方式的改变，也给审计行业的发展带来契机。大数据本身是一个相对抽象的概念，不仅包括数据的挖掘，而且还包括数据技术及其应用；大量的各种类型的数据，如何快速访问并处理有价值的信息是其重要内涵。因此，大数据是指由人、工具和机器创建的动态的、大型的、不同的数据，需要通过新技术及可扩展的技术收集，然后进行托管和分析处理，以获得与消费者、绩效、生产力管理和提高股东价值相关的实时业务信息。 当前，大数据已成为新的生产资料，是提高生产力的核心力量，在商业、经济等领域，决策的制定将越来越依赖于数据和分析。大数据迅速成为互联网信息技术产业追捧的流行概念，数据量越大，处理越困难，但挖掘可能更有价值，这就是大数据越来越多被研究和实践所青睐的原因。大数据的研究和应用迅速传播到社会的各个领域，绩效审计也不例外。将大数据分析集成到审计中不仅可以帮助降低合规性风险和声誉风险，还可以提高洞察力并带来更好的财务报告，最终在组织内做出正确的决策和行动，从而创造战略价值。绩效审计是对企业的运营、计划、活动或组织是否按照经济、效率和有效性原则运作以及是否有改进的空间等一系列活动的客观性和可靠性的监督和评估。大数据背景下的绩效审计能更好地利用数据、处理数据，得到更多的潜在信息并加以利用，因此研究大数据背景下的绩效审计具有较大的实践意义。 二、大数据背景下绩效审计应用现状 大数据时代背景下，绩效审计不仅运用于各个部门，比如政府、高校、事业单位，还应用于各行各业的生产经营活动和项目，包括环境审计、精准扶贫审计、PPP项目审计等等，涉及范围之广、程度之深是传统审计难以达到的。首先，大数据的开发和使用能在一定程度上重新配置审计人员与其客户之间关系的证据，从而改变财务和其他信息的存储、分析和利用的方法。其次，审计公司内BDA的投资可以改变审计方法，即审计人员在审计过程中从规划到证据收集、分析和报告等等的方式。另外，绩效审计可以对具有跨行业、跨领域、跨层级等特点的大数据，实现快速定位和精准计算。《中国科学院科学数据管理与开放共享办法》明确指出科学数据是国家科技创新的战略性资源，可以预见未来大数据在审计行业的应用将会越来越成熟和广泛。此外，审计署“十三五”规划中指出，我国将推进以大数据为核心的审计信息化建设，到2020年实现对经济社会各类主要信息数据的全归集，建成大数据综合分析平台和综合服务支撑系统。 随着大数据产业的快速发展，审计专业开始着眼于如何利用大数据进行审计，并对尖端数据分析进行大量投资，这可能会大大加深外部审计人员对公司账簿和记录的影响。大数据下的绩效审计对传统审计的影响主要表现为：审计资料将会涵盖更多的电子数据，涉及审计范围扩大，相比传统审计的纸质版抽查，绩效审计更加全面和具体；审计思路拓宽，不只是简单的财务审计，还包括对被审计单位的经济性和效益性检查，属于综合审计；相比传统的事后审计，大数据下的绩效审计时效性更强，可以实时获取被审计单位的数据资料，进行云传输，迅速获得相关资料；审计覆盖面更广更全面。总之，大数据绩效审计旨在将“数据孤岛型、业务封闭型、模式单一型”向“数据一体化、业务一体化、模式一体化”的方向推进发展。然而大数据在应用于绩效审计的过程中，依旧存在许多问题亟须解决，本文将对其进行进一步探究。 三、大数据背景下绩效审计存在的问题 （一）数据捕获困难 将大数据分析成功整合到审计中存在许多障碍，首先是数据捕获，如果审计人员不能经济有效地挖掘被审计单位的数据，就无法进行下一步的审计工作。审计数据特点一是数据来源系统复杂，被审计单位按业务划分部门，部门之间又会存在部分业务重合，这些业务部门自主运行并利用不同的系统，使数据采集变得尤为困难。当被审计单位的系统数据整合不够充分时，就会出现数据重复或遗漏，不仅增加工作量而且容易导致审计结果无效；二是数据类型样式多，传统数据分析方法主要是对结构化数据的分析，而大数据带来的包括网页、电子邮件、影音文件等多种数据类型，我国对这些类型的数据处理尚处于摸索阶段；三是数据获取难度大，许多企业会通过多层审批流程和技术保障对保护公司相关的数据资料进行大量投资，因此，审计人员获取被审计单位的数据资料的过程可能非常耗时。在某些情况下，公司会以信息的安全问题为由拒绝提供数据，此外，审计人员会面对各种各样的会计系统，在许多情况下，甚至要面对同一公司内的多个系统。长久以来，数据的提取能力容易被审计行业忽视，也很少作为核心竞争力，同样的，企业也缺乏这种数据提取能力，这导致公司和审计人员之间在数据捕获方面会进行数次谈判，不仅浪费时间，更容易打击审计人员工作的积极性。 （二）数据分析困难 审计标准和法规如何与数据分析的使用保持一致是当前审计工作面临的普遍问题。一般而言，审计行业会根据传统的标准进行数据管理，很少考虑利用大数据进行分析。开展审计工作时需要很多数据分析程序对财务报表项目中关系的合理性进行检查和预测，但是，传统的标准没有包含基于实际数据分析获得的“实质性证据”，在构造审计标准时，大数据分析技术尚未出现，因此在作为审计证据方面存在性较弱，且审计人员也未将其考虑进去，这种差距造成了审计结果的实际适用性和确定性的偏差。分析数据并生成可操作的信息是公司面临的主要挑战和机遇，正确利用这些信息将成为前瞻性公司与其他公司相比的一个差异化因素。随着数据流入企业的每个角落，可用数据分析工具的数量和类型得到扩展。在许多情况下，内部审计人员试图调整业务合作伙伴已在使用的分析工具，进而开展自己的监控和分析活动。这些分析工具变得更易于使用且功能更强大，但是审计分析功能通常需要与业务部门合作进行公司治理、技术改良等活动。随着更先进的数据分析和持续监控功能被开发出来，审计人员需要弄清楚如何将新技术作为日常活动的一部分进行整合和维护，而这一点尚处于起步阶段。
