它或许应该是未来审计一项重要技能之一...

一个数据泛滥的时代，增长速度惊人，下一秒便会被更多的数据包围。数据的目的是什么，需要问问自己。

近几年经常听到的“大数据审计”，“机器人审计”，“智能化审计”“审计数字化转型”等等，但这些都是建立在业务过程中的数据信息上的。

无论是所谓的“传统审计”还是“现代审计”，其实在审计过程中都在采用数据分析，只是更多的是描述性分析：收集数据、整理、制表、制图以及描述所审计事项的特征而形成报告。描述性分析也许非常有用，但很多时候被用来解释某种发生的现象，未能解释某种现象出现的原因或可能发生的事情。而审计需要呈现的是问题原因和可能会发生的事情，就需要对数据信息做预测分析、规范性分析数据深度挖掘。

审计采用数据分析是识别问题原因和可能发生的事情(风险)，并提供有效的建议和改善对策。是否存在这样的一个逻辑关系：识别问题—>解决问题—>建议和改善对策执行。时常听到：“审计不能只是发现问题，要提出有效的建议和改善对策解决问题才能体现审计的价值。”那么此处想问：“审计发现的问题，是真正的问题吗？还是说：“在问如何烹饪一道菜肴，回答却是用什么盘子装。”

面对信息数据快速发展的现今，审计如何利用数据分析提供管理者或决策者有价值信息，为企业内部管理优化和迭代，满足企业发展，同时适应外部变化呢？

一．构建问题

无论审计过程中使用那种数据分析方法，构建问题，首先要识别问题。基于常识或对事物的观察、工作相关的经验。这都是在业务本身的理解基础上。只有充分理解问题是什么和这个问题为什么重要，才能清楚解决问题能够达到什么目的。

构建问题中有一个不能忽略的因素就是利益相关者，若数据分析不考虑分析结果最终呈现给谁看，决定根据分析结果采取行动的“决策者”。虽然数据分析是说服决策者的方法，若决策者将分析结果束之高阁，不采取任何行动话，最终会变得毫无用处。

在构建问题过程中，刚开始对问题都有广泛的定义，更需要要聚焦，让问题缩小到一个需要解决、需用通过数据以及明确可能出现的结果的确切问题，便于提供制定的决策，以及如何用数据传达分析结果，表达想要将的故事。

在识别问题的早期，是广泛的思考，但是在末期应该对问题形成有清晰的判断，对于项目变量有明确的定义。知道想要的什么。于此同时需要对构建问题中的信息进行咨询并对定义进行修正。

二．解决问题

当问题构建完成之后，需要的就是解决问题。建立模型：模型假设—>模型构成—>模求解—>模型分析—>模型检验—>模型应用。这是建立模型的基本步骤，当模型检验出问题时，需要回到模型假设中去，修改变量。在建立模型时需要使用逻辑、经验、目的、收集的信息资料来假设变量。这也是我们常说的底层逻辑。需要想象、洞察、判断、创新意识。

在模型建立完成之后，收集数据并测试选定的变量。收集什么数据？这个问题的思考应该在维度上，它是有别于目前用来解决问题的数据。如果使用了访问数据，那么增加支付数据。

数据本身不会告诉任何信息，需要分析它，破译出它之间的意义和含义。也就是数据中变量之间的关系——因果关系(也可以这样理解)。

三、传递结果并采取行动

在构建问题中说过，当没有根据分析结果采用行动，最终会变得毫无用处。结果呈现越清楚，数据分析才越可能促成决定和行动。也是分析的意义。如何呈现？有过这样的一句话：文不如表，表不如图（当今貌似对视觉化效果推广有点喧嚣，而忽略了底层逻辑的重要性）。PPT制作也是一门技术活(抽时间看看那几家终端电子产品新品发布会就能有所收获和发现差距)。

当呈现出分析结果之后，更重要的是如何用数据讲故事，我想大多数观众不会关心所谓技术术语和分析的过程，而在乎结果和影响。才能促成行动。

数据的乐趣或许是变量之间因果关系的涟漪产生不同的结果，在信息化时代的今天，数据已经变得非常的重要。然而数据分析其实一直都是审计工作的一项重要的技能。