羅苑瑋 李春友 邱晨煒

【摘 要】大數(shù)據(jù)時代，數(shù)據(jù)分析和數(shù)據(jù)挖掘技術(shù)應(yīng)用于各行各業(yè)已成為趨勢。為提高審計工作的效率和質(zhì)量，有效且清晰的數(shù)據(jù)信息顯得尤為重要。因此，文章探討如何利用Python技術(shù)在大數(shù)據(jù)分析中的各種優(yōu)勢，實現(xiàn)審計數(shù)據(jù)的采集并快速分析數(shù)據(jù)結(jié)果。同時，為進一步展示數(shù)據(jù)挖掘的實際應(yīng)用效果，文章以對數(shù)字資產(chǎn)進行審查的相關(guān)工作為案例，為研究大數(shù)據(jù)審計的應(yīng)用與發(fā)展提供支持。

【關(guān)鍵詞】python;大數(shù)據(jù)審計;數(shù)據(jù)挖掘

【中圖分類號】TP311.13 【文獻標識碼】A 【文章編號】1674-0688（2021）04-0086-03

0 引言

大數(shù)據(jù)時代的到來，使各行業(yè)的發(fā)展走向信息化，審計工作涉及行業(yè)廣泛，被審計單位的運行越來越依賴于信息化，審計工作也由原來傳統(tǒng)的以賬簿查賬為主的方式逐步向數(shù)據(jù)化、信息化、無紙化方向發(fā)展。大數(shù)據(jù)時代如何提高審計效率、降低審計風險是一個非常重要的命題。近年來，國家出臺了相關(guān)的政策，2015年中共中央辦公廳、國務(wù)院辦公廳正式印發(fā)《關(guān)于完善審計制度若干重大問題的框架意見》及配套文件中明確提出“構(gòu)建大數(shù)據(jù)審計工作模式，構(gòu)建國家審計數(shù)據(jù)系統(tǒng)和數(shù)字化審計平臺，探索建立審計實時監(jiān)督系統(tǒng)，實施聯(lián)網(wǎng)審計”?！凹哟蟠髷?shù)據(jù)技術(shù)的應(yīng)用，創(chuàng)新審計方法，更好地發(fā)揮審計作用”的觀點，也在2016年金磚國家最高審計機關(guān)領(lǐng)導(dǎo)人會議上被提出。2018年，習近平總書記也在中央審計委員會第一次會議上指出，要堅持科技強審，加強審計信息化建設(shè)。

在這樣的背景下，如何與時俱進地改變現(xiàn)有審計模式，在審計過程中通過大數(shù)據(jù)技術(shù)獲取相關(guān)審計數(shù)據(jù)深入分析，降低審計風險是審計部門和審計機構(gòu)面臨的挑戰(zhàn)之一。大數(shù)據(jù)時代，如果能將被審計對象原有無序的、零散的、體量巨大的數(shù)據(jù)以數(shù)據(jù)清洗和數(shù)據(jù)整理的方式將其結(jié)構(gòu)化、集中化，讓其成為易于讀取的審計信息，最后通過審計程序發(fā)現(xiàn)數(shù)據(jù)中更加清晰和有效的線索。獲取高質(zhì)量數(shù)據(jù)可以更有效率地幫助審計師發(fā)現(xiàn)風險點，提高審計效率。目前，基于數(shù)據(jù)挖掘的審計盡管有專家學者提出了相關(guān)概念，但是沒有形成既定的理論體系，而實務(wù)中的應(yīng)用并未廣泛展開，但是基于審計技術(shù)發(fā)展的迫切需求，該領(lǐng)域無論是在大數(shù)據(jù)審計分析框架、多種技術(shù)應(yīng)用于審計方法等方面都仍然有很多值得深入研究的方向。Python開源式語言的出現(xiàn)，使得數(shù)據(jù)挖掘更具效率。本文將從Python語言的視角入手，探索Python在大數(shù)據(jù)審計中的應(yīng)用，對大數(shù)據(jù)時代下提高審計監(jiān)督職能和審計工作效率具有重要的理論意義和社會價值。

1 大數(shù)據(jù)審計的特征分析

大數(shù)據(jù)的概念于2008年首次在《Nature》雜志上被提出。麥肯錫（2011）將大數(shù)據(jù)定義為大小超出常規(guī)數(shù)據(jù)庫工具獲取、存儲、管理和分析能力的數(shù)據(jù)集，并認為大數(shù)據(jù)包含大量、迅捷、多樣性和真實性幾個特點[1]。在眾多關(guān)于大數(shù)據(jù)審計的研究成果中，大多數(shù)的研究學者認為大數(shù)據(jù)審計是大數(shù)據(jù)技術(shù)在審計方式方面的延伸和創(chuàng)新，主要包括兩個方面：電子數(shù)據(jù)審計和計算機信息系統(tǒng)審計。王會金、劉國城（2017）提出了大數(shù)據(jù)審計的構(gòu)建思路，按照采集、預(yù)處理、分析和可視化4個子平臺組成大數(shù)據(jù)審計平臺。在大數(shù)據(jù)環(huán)境下，被審計單位有大量非格式化數(shù)據(jù)，如何處理這些非格式化數(shù)據(jù)并在這些非結(jié)構(gòu)化數(shù)據(jù)中尋找疑點信息，是眾多研究的重點。大數(shù)據(jù)的4大特點給大數(shù)據(jù)審計帶來新的審計思路和審計方法，同時也帶來一些新的挑戰(zhàn)。

在數(shù)據(jù)來源方面，在如今的審計過程中，雖然被審計單位提供的數(shù)據(jù)類型主要是以結(jié)構(gòu)化的數(shù)據(jù)為主，但是半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)的占比也在不斷增加。不易于分析的半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)與結(jié)構(gòu)化數(shù)據(jù)相比，具有高價值、大體量、多樣化等特點，這就對審計模型的處理能力提出了更高的要求。

在數(shù)據(jù)采集方面，主流的大數(shù)據(jù)的采集方法包括直接拷貝讀取、開放數(shù)據(jù)互聯(lián)、中間文件采集等，但是這些用于挖掘和收集大數(shù)據(jù)的方法，要求被審計單位有一定的數(shù)據(jù)庫基礎(chǔ)，并且所獲得的這些數(shù)據(jù)也大多來自被審計單位。在大數(shù)據(jù)審計的環(huán)境下，審計人員的目光不能僅限于被審計單位的內(nèi)部，還應(yīng)該更多地關(guān)注網(wǎng)絡(luò)中公開的海量信息，只有這樣，才能更加全面且完整地了解被審計單位。所以，為了獲取高質(zhì)量的審計數(shù)據(jù)，對審計手段的多樣化提出了更高要求。

在應(yīng)用實踐方面，深度挖掘?qū)徲嬀€索是具體的表現(xiàn)之一，對跨部門、多行業(yè)、深層次采集到的海量數(shù)據(jù)進行清理轉(zhuǎn)化，以審計業(yè)務(wù)需求為導(dǎo)向，依托清理轉(zhuǎn)化后的信息數(shù)據(jù)，構(gòu)建標準化和可操作的審計分析模型，進而在模型中發(fā)現(xiàn)審計疑點，最終通過核查這些疑點得出審計結(jié)論。

大數(shù)據(jù)技術(shù)在助推實現(xiàn)審計全覆蓋的同時也推進了現(xiàn)行制度的完善和改革，即通過挖掘某種社會現(xiàn)象的潛在規(guī)律，作為政策制定的依據(jù)，針對問題進行大數(shù)據(jù)分析、不斷完善政策，推動國家治理現(xiàn)代化[2]。

2 Python技術(shù)的工作原理與優(yōu)勢

2.1 Python的工作原理

Python是一種面向?qū)ο蟮挠嬎銠C程序設(shè)計語言，它具有簡單、解釋型、交互式和可移植的特點。Python最大的功能是可以按照程序員設(shè)計的程序或者腳本自動抓取語言。意味著可以從網(wǎng)絡(luò)上標準資源額地址中，以匹配的方法實現(xiàn)網(wǎng)頁中信息的抓取，使用戶持續(xù)不斷地獲得自己想搜索的信息。

在審計過程中Python可以切入被審單位的數(shù)據(jù)庫，通過Python爬蟲技術(shù)爬取底層數(shù)據(jù)，比如發(fā)票、合同等原始憑證信息，探究被審單位各項財務(wù)數(shù)據(jù)的真實性;還可以利用當今強大的大數(shù)據(jù)關(guān)聯(lián)信息，從外部網(wǎng)站獲取第三方證據(jù)，如“瑞幸咖啡事件”中，調(diào)查人員利用了大數(shù)據(jù)信息搜集瑞幸咖啡所有門店的日流量以作為調(diào)查結(jié)論的佐證。從被審計單位外部獲取的審計數(shù)據(jù)，相比于被審計單位提供的更充分、可靠，能幫助審計人員獲得更高質(zhì)量的審計證據(jù)。

審計人員可以利用Python的爬蟲技術(shù)獲取各類相關(guān)審計數(shù)據(jù)，主要有如下幾個步驟：？譹？訛確定目標，根據(jù)審計目標確定想要獲取的目標數(shù)據(jù)，明確數(shù)據(jù)所分布的url網(wǎng)頁位置。？譺？訛網(wǎng)頁分析，主要對目標網(wǎng)頁的數(shù)據(jù)訪問路徑和邏輯進行分析。？譻？訛獲取數(shù)據(jù)，基于對網(wǎng)頁的結(jié)構(gòu)分析，抓取數(shù)據(jù)。？譼？訛數(shù)據(jù)的篩選和清洗，對所獲得的數(shù)據(jù)進行可視化的呈現(xiàn)，通過編輯建模分析語言，可以呈現(xiàn)出Excel分析結(jié)果，同時借助SQL查詢，獲取最終的審計數(shù)據(jù)。

2.2 優(yōu)勢

盡管能應(yīng)用于大數(shù)據(jù)挖掘與分析的軟件有很多，但是Python編程語言的通用性、擴展庫開源性及使用的簡便度相較于其他軟件具有一定的優(yōu)勢。對于審計數(shù)據(jù)的基礎(chǔ)工作，Python都可勝任。

Python相比其他的數(shù)據(jù)分析軟件，具有如下優(yōu)勢（如圖1所示）。

2.2.1 語法簡單，功能強大

Python語言最大的優(yōu)勢之一就是語法簡單清晰，通俗易懂，對軟件使用者的編程水平門檻較低，操作人員能很快學會使用，獲得想要的結(jié)果。Python還具有強大的語法功能，由于Python內(nèi)置中有很多常見網(wǎng)絡(luò)協(xié)議，能夠支持Socket、urllib等端口，兼容性較強，因此可以應(yīng)用到圖形處理、數(shù)據(jù)挖掘、網(wǎng)絡(luò)開發(fā)等應(yīng)用控制中。Python數(shù)據(jù)分析及信息獲取中具有較強的資源優(yōu)勢，并進行信息分析和利用。

我們在審計過程中經(jīng)常需要從Word、Excel文件中獲取指定的內(nèi)容，應(yīng)用Python內(nèi)置函數(shù)讀取文件內(nèi)容可以實現(xiàn)對既定要求的數(shù)據(jù)和文本的準確抓取。Python的數(shù)據(jù)庫接口適用性較強，審計人員可以鏈接底層數(shù)據(jù)庫，根據(jù)需求下載不同的數(shù)據(jù)包，通過執(zhí)行SQL語句等方式完成數(shù)據(jù)查找和存儲。例如：Pandas是Python的一個數(shù)據(jù)包，只需要不到 10 s即可完成審計數(shù)據(jù)的函數(shù)處理和數(shù)據(jù)分析。

2.2.2 開源通用

由于考慮到成本問題，很多軟件并非開源，因此限制了軟件的可使用范圍，使得軟件應(yīng)用的廣泛性受到影響。Python的開源特性使得多個計算平臺和操作系統(tǒng)都可以兼容Python編寫的數(shù)據(jù)分析代碼。例如：Windows、MacOS、Linux、Andorid、iOS等。并且，在云服務(wù)平臺中，Python能夠與C語言很好地兼容，能在各類庫工具中快速滿足平臺服務(wù)的要求，減少項目開發(fā)周期及成本，從數(shù)據(jù)抽取、數(shù)據(jù)收集整理、數(shù)據(jù)分析挖掘到數(shù)據(jù)展示的整個過程中，不需要其他輔助工具或資源庫的幫助[3]。

Python是一門真正的通用設(shè)計語言，很多數(shù)據(jù)分析軟件設(shè)計的初衷是為交互使用，想要這些數(shù)據(jù)分析軟件實現(xiàn)完全自動化是不太適合的，但Python的代碼可用于整個數(shù)據(jù)分析過程，實現(xiàn)完全自動化，可以不受限制地重復(fù)使用。相比JAVA、C+、Matlab等軟件，Python的腳本語言應(yīng)用更廣;可以加載很多組件和擴展包;能兼容多個平臺的操作系統(tǒng);并且，軟件所占空間小，在一個簡單的編輯器上就能完成操作。

2.2.3 兼容性較強，可快速實現(xiàn)數(shù)據(jù)可視化

Python具備人工智能、神經(jīng)網(wǎng)絡(luò)等各種資源，在數(shù)據(jù)調(diào)取、挖掘、整理和分析整個過程，能在Python中一并完成，無須其他輔助工具。這就避免了開發(fā)程序的切換和數(shù)據(jù)分析轉(zhuǎn)化，提高了數(shù)據(jù)分析的效率。相比傳統(tǒng)的開發(fā)語言，Python具有較強的學習能力，使網(wǎng)頁運轉(zhuǎn)系統(tǒng)建設(shè)和程序開發(fā)的效率大大提升。除此之外，Python還能實現(xiàn)可視化，無論是2D還是3D圖表，使得數(shù)據(jù)結(jié)果可以更科學、直觀地呈現(xiàn)出來。例如：Matplotlib可視化模塊就能很好地運用在審計過程中。審計人員可以利用該模塊，繪制象散點圖、柱狀圖等二維圖片，把復(fù)雜的數(shù)據(jù)轉(zhuǎn)化成直觀的圖片分析數(shù)據(jù)，提高信息使用者決策的速度。

在大數(shù)據(jù)審計中，Python一般會應(yīng)用Pandas、Matplotlib、Numpy等模塊。Pandas主要用于金融和財務(wù)數(shù)據(jù)分析;Matplotlib用于實現(xiàn)數(shù)據(jù)可視化;而Numpy是一個提供矩陣運算的科學計算庫，適合進行數(shù)據(jù)清洗和整理。對于大數(shù)據(jù)審計，Python完全能滿足大數(shù)據(jù)審計數(shù)據(jù)挖掘和分析中對軟件的需求且極具推廣性。

3 基于Python技術(shù)的大數(shù)據(jù)審計案例與應(yīng)用

對于各大娛樂公司來說，流量明星自帶的“流量”，即在各社交媒體中的粉絲數(shù)量和發(fā)出動態(tài)后所獲得的點贊和評論數(shù)量，其實也是公司的數(shù)字資產(chǎn)。一位熱度高的流量明星除了能獲取更高的知名度、廣告代言費用和片酬，還能夠給其經(jīng)紀公司帶來豐厚的經(jīng)濟利益。所以，各大經(jīng)紀公司投資方、廣告商、電影或電視劇的出品方，甚至是部分粉絲，就會利用一些技術(shù)手段對大量點贊和評論的數(shù)據(jù)進行造假。海量的粉絲與評論數(shù)據(jù)難以被傳統(tǒng)的方式所記錄，更是難以用傳統(tǒng)的審查手段對“流量”資產(chǎn)進行全面或抽樣驗證。數(shù)字資產(chǎn)的出現(xiàn)，使審計內(nèi)容與模式發(fā)生改變。

3.1 審查方法設(shè)計

流量明星在登上微博熱搜或在微博發(fā)表動態(tài)后，其大部分的真實粉絲都會進行評論、轉(zhuǎn)發(fā)或點贊;而另一部分的評論（通過非常規(guī)渠道購買的評論數(shù)），在每條微博下多數(shù)會使用重復(fù)ID多次評論;通過分析重復(fù)用戶ID的情況，作為虛假流量而去除，這樣就可以辨別真實粉絲的數(shù)量和實際評論和點贊量。

通過使用爬蟲軟件，選取微博某流量明星的3個熱搜事件的微博（A、B、C）進行相互對比分析。為盡量避免用戶反復(fù)進行評論提高熱度行為，使用Python軟件分別剔除掉微博評論下一級與次級評論重復(fù)的用戶，就能得出實際評論的用戶;再將經(jīng)過篩選的結(jié)果與相對應(yīng)的3條微博下的非重復(fù)評論用戶進行對比，最終得出重復(fù)活躍的用戶數(shù)量。

3.2 實施步驟

隨機抽取某流量明星2020年1月至12月的3條高熱度微博，分別命名為A、B、C。代碼設(shè)置隨機爬取該微博下的一級評論和次級評論，爬取數(shù)量分別設(shè)置為1 000。引用Pandas數(shù)據(jù)集，進行數(shù)據(jù)篩選。根據(jù)篩選結(jié)果，所爬取的A微博下的“一級+次級”評論中，在剔除重復(fù)評論的用戶后，實際有效用戶占所有用戶的比重約77%。用相同方法分別爬取B微博與C微博下的評論后，所得出的結(jié)果分別約62%和69%?？傆嬙u論的非重復(fù)用戶占總評論用戶的比重約75%;而重復(fù)活躍的用戶數(shù)占審查總用戶數(shù)的比重約7%。

3.3 結(jié)果與分析

通過上述的對比可看出，在統(tǒng)籌隨機抽取流量明星所發(fā)的熱門事件的3條微博下的用戶評論數(shù)后，到設(shè)定的審查截止時間期間，通過數(shù)據(jù)爬取與分析，出現(xiàn)的總有效用戶數(shù)占總評論用戶比重約75%;重復(fù)活躍的用戶數(shù)占審查總用戶數(shù)的比重約7%。管中窺豹，可見一斑?？梢栽O(shè)想，在眾多社交媒體上坐擁千萬粉絲的流量明星，也許其背后真實的活躍粉絲數(shù)遠低于其平臺上所反映的粉絲數(shù)量，其背后的網(wǎng)絡(luò)流量是否與其背后的數(shù)字資產(chǎn)價值相等也許也要打上一個問號。流量明星作為互聯(lián)網(wǎng)時代的“熱銷商品”，他們本身也是公司的資產(chǎn)，在眾多互聯(lián)網(wǎng)、娛樂公司中也有著顯著的商業(yè)意義，對于會計、審計而言，如何監(jiān)督并識別這些資產(chǎn)十分必要[4]。

4 結(jié)語

本文通過分析大數(shù)據(jù)審計的特征，針對Python的工作原理和優(yōu)勢，引入案例研究Python在大數(shù)據(jù)審計的應(yīng)用，為大數(shù)據(jù)審計中的應(yīng)用技術(shù)研究提供了支持。不同于以往的審計模式，Python技術(shù)使審計從驗證性分析變?yōu)橥诰蛐苑治?，提高了?shù)據(jù)搜集的效率，彌補了數(shù)據(jù)收集的缺陷;有利于風險預(yù)判，使審計從事后控制轉(zhuǎn)向了全過程控制。但是，Python在使用過程中也存在一些技術(shù)壁壘，需要審計人員加強自身學習，更新審計技術(shù)與方法。大數(shù)據(jù)的運用必將是未來趨勢。大數(shù)據(jù)不僅代表的是數(shù)據(jù)集、是技術(shù)的革新，更是一種新的思維方式。審計人員不僅要對數(shù)據(jù)技術(shù)充分利用，更應(yīng)具備大數(shù)據(jù)思維，才能在審計過程中發(fā)現(xiàn)數(shù)據(jù)的價值，提升審計質(zhì)量。

參 考 文 獻

[1]陽秋林，唐倩倩.大數(shù)據(jù)環(huán)境下對審計的探究[J].中國管理信息化，2020（1）：72-75.

[2]孫夢蝶.基于Python的大數(shù)據(jù)審計方法探討[J].現(xiàn)代企業(yè)，2018（4）：38-39.

[3]胡曉燕.基于Python的可視化數(shù)據(jù)分析平臺設(shè)計與實現(xiàn)[J].信息與電腦，2018（17）：96-97.

[4]杜云.基于python的流量明星數(shù)字資產(chǎn)真實性審查方法初探[J].全國流通經(jīng)濟，2020（29）：165-167.