大数据审计中审计主体心理的应对策略研究

      随着经济与科技的不断进步，大数据凭借其便捷高效的特征影响各行各业，提高了全社会的创新水平与生产效率。审计作为“经济体检”行业，为社会经济的平稳运行和健康发展保驾护航。但在大数据技术的影响下，审计工作模式发生转变，快速汲取新知识并适应新环境对审计主体来说尤为重要。为了辅助审计主体精准高效地完成审计任务，不少学者开始对审计心理学展开研究。近些年，我国关于审计心理学的研究主要围绕现场审计中被审计单位负责人的言行举止、眼神情绪等方面的共性和规律，帮助审计主体洞察企业的潜在风险和舞弊行为，为审计主体提供审查思路。但大数据审计模式不同于传统审计模式，本文基于大数据审计实践变化的角度，从个人因素和环境因素两方面研究大数据审计中审计主体的心理表现，并指出可能存在的心理误区和调节方案，以使审计主体快速适应大数据审计。

      一、研究现状

      审计心理学是运用心理学理论研究审计活动中审计双方心理状态的应用型学科。王会金于1992年首次提出将审计心理学作为一门学科，并针对学科特点、研究意义和发展趋势做出详细阐述。之后，学者陆续从不同角度对审计心理学展开研究，如商业银行舞弊案件中审计心理学的应用（吴青川等，2000）、审计心理学的应用实践（王小红等，2010）、舞弊审计中双方的心理研究（吴隽，2019）等。这些研究均基于传统审计模式，其理论成果已不适用于大数据审计实践模式。

      袁野（2020）提出，大数据审计不仅是信息、数字、网络、智能相关技术在审计中的应用，更是一种审计理念。胡洪斌（2012）结合大数据的特征，研究了数据式审计的可行性和重构方法。聂蛟、王文星等人（2020）研发了大数据审计分析监管平台这一科技成果，为大数据审计的实施提供了现实技术支持。该平台已实现成熟运用，说明大数据审计不是纸上谈兵。根据前人研究，本文对大数据审计的特点做出归纳，如表1所示。

      大数据的引用将从各方面为审计提供便利，如数据相对透明化后企业内控好转，数据的搜集更便利、来源更广、真实性更高等。数据中除传统的财务数据、业务数据等结构化数据外，还有图片、视频、音频、地理位置等非结构化数据，海量数据使因果性关系分析转换为相关性关系分析，有利于降低串通舞弊的几率。同时，年终事后审计变为全年实时审计，审计主体同时对几十家被审企业开展业务，大大提高了审计效率。大数据审计以远程数据分析为主，针对疑点搜集证据，使传统审计模式中的现场审计成为辅助手段。审计活动紧随企业的经济行为进程，不仅监督了企业经济活动的真实性、合法性，还结合企业制度、经济业务和资源配置等方面的潜在风险得出全面的审计成果，实现了审计“经济体检”的价值。面对审计模式的转变，审计主体要及时更新知识和调整工作方式，快速适应新环境。本文的预期创新之处在于，结合审计主体入职前后的能力和态度对其在大数据审计工作中的心理进行研究，能够丰富审计心理学的学科内容，同时为审计主体提供心理应对策略，以使审计主体快速适应审计模式的转变。

      

      二、审计主体心理的影响因素

      根据大数据审计模式的变化趋势，本文认为影响审计主体心理的因素主要包括审计主体的个体差异和大数据审计不同阶段的工作内容差异。

      1.审计主体的个体差异。大数据时代技术更新速度快，审计主体的理论知识要及时跟进，不仅要更新审计学理论，还要学习新的边缘学科知识。由于审计主体存在学习能力和工作态度等个体差异，面临的问题和心理状态也不尽相同。本文根据对工作表现影响最大的两个因素：入职前的学习能力和入职后的努力进取，通过二象限法将审计主体分为四类人群，如图1所示。

      入职前的学习能力能够代表审计主体的基础理论牢固程度，从侧面反映出其学习能力的高低；入职后的努力进取状态可以反映审计主体能否从工作中快速提升能力。由图1可以看出，第Ⅰ类审计主体拥有较好的理论基础和工作态度，学习能力强，面对新的理论知识，思维更加活跃，学习效果更佳，但长期地位优越易滋生自满情绪。第Ⅱ类审计主体基础好但工作态度欠佳，常常寻找捷径，避重就轻，易产生畏难心理，甚至放弃。第Ⅲ类审计主体工作积极进取，行事小心谨慎，性情坚毅，但基础差，不易变通，学习新知识较为吃力。至于第Ⅳ类审计主体基础差且不求上进，最终被激烈的社会竞争淘汰，本文不予考虑。

      

      2.工作阶段的内容差异。大数据时代下，审计工作主要分为非现场审计和现场审计，非现场审计包括知识储备、数据分析及得出审计成果。不同的工作内容会带给审计主体不同的问题，使其出现不同的心理状态，故本文按照大数据审计的大致顺序，分为环环相扣的四个阶段（知识储备阶段、数据分析阶段、现场审计阶段和得出审计成果阶段）进行研究，如图2所示。

      第一阶段是知识储备阶段，属于审计主体的“充电”阶段。本阶段的学习内容不仅包括审计学科知识，还有计算机科学、心理学、统计学、编程和建模等边缘交叉学科的内容。第二阶段是数据分析阶段，为了实现审计从查询验证型向挖掘型转换，数据分析是尤为重要的阶段。首先，审计主体利用计算机技术进行数据筛选、集成等预处理，运用编程将非结构化数据可视化呈现（如Python语言实现文本数据的相似度分析、标签云分析）；然后，利用人工智能搜索数据及文本，找出危险信号，“以审促采”，收集证据，对企业的风险等级做出评估并制定现场审计计划；最后，整合资料以便后续审查调阅。第三阶段即现场审计阶段，是大数据审计的辅助手段。结合数据分析疑点和搜集的线索证据，审计主体进行实地考察与询问，及时发现潜在舞弊行为，并针对企业的制度漏洞、潜在经营风险和财务风险与审计客体沟通交流，给出改进建议。第四阶段是得出审计成果阶段，即审计活动的终极目标。审计主体结合数据分析结果、现场审计意见整改状况等综合考虑，为被审计单位出具综合性的审计成果。