大数据技术体系包括数据获取、数据存储、数据查询、数据分析挖掘和数据可视化等核心内容，对智能审计取证模式将产生以下影响。

（一）大数据与业务承接

标准审计流程的第一步是初始业务活动。注册会计师需要初步了解被审计单位以决定是否承接该项审计业务。传统智能审计取证模式在信息收集方面存在较大的局限性和滞后性。在大数据条件下，注册会计师可以利用数据库大规模地收集被审计单位的信息，包括往年的审计结果、行业数据、历年财务报表等，利用大数据挖掘技术对数据进行预处理和分析。

（二）大数据与计划管理、风险评估

注册会计师对被审计单位进行风险评估时，需要了解被审计单位环境及内部控制，通过项目组讨论，找出风险点并制订审计计划。此时，利用大数据技术可以在很大程度上增大数据量。按照数据结构的不同，可分为结构化数据、非结构化数据以及半结构化数据。大数据获取技术如日志采集的大数据获取工具、网络爬虫技术、MEMS传感器等，可以为采集不同类型的数据提供基础。通过导入被审计单位数据，实行实时审计，由此形成大数据库。在数据收集过程中，及时处理不准确、不完整或者不合理的数据，并对处理后的数据进行整理分类。在使用分析程序时，注册会计师利用大数据挖掘技术可以更好地发现影响风险水平的相关关系，更大概率地找出舞弊等特别风险。^[1]

（三）大数据与风险应对(www.daowen.com)

注册会计师一般需要实施控制测试和实质性程序，将检查风险降低至可接受水平。在大数据技术条件下，确定控制测试时间时，注册会计师通过建立接口，连接被审计单位业务和数据系统，即可持续获取被审计单位信息，无须在被审计单位完成业务后再进行审计程序。根据实时建立的审计工作底稿，注册会计师更可能选择在其中进行控制测试，大大提高工作效率，有利于更好地进行工作统筹。在确定控制测试范围时，传统智能审计取证模式采用审计抽样技术，即使当今抽样审计技术较为成熟，但仍存在一定的抽样风险。在大数据技术条件下，注册会计师可采用总体审计策略，利用大数据的收集和挖掘技术高效高质地收集审计证据并实施审计程序。

在确定细节测试的范围如函证的范围时，注册会计师可以选择对所有相关对象进行函证，而非对高风险对象进行函证。对于管理层凌驾于控制之上的风险，注册会计师可以测试所有日常会计核算过程中的会计分录以及其他调整。在实施实质性分析程序时，注册会计师可以灵活运用大数据挖掘与分析技术。大数据挖掘技术的前提是大数据计算平台，只有基于大数据计算平台如Hadoop Map reduce框架以及云服务等，才能有效地解决分布式数据挖掘问题。不同类型的数据运用不同的挖掘技术。结构化数据主要采用数据挖掘和统计分析方法；文本类型的数据主要采用文本表达，自然语言处理、信息提取、摘要、分类聚类、问答系统和观点挖掘等方法；网页类型的数据主要采用网页内容挖掘、网页结构挖掘、网页用法挖掘方法；多媒体类型的数据主要使用照耀、标注、索引检索、推荐和事件检测方法；社交网络类型的数据主要使用链接预测、影响分析、关键词搜索、分类聚类和迁移学习方法。利用大数据挖掘分析技术对被审计单位相关信息进行实质性分析程序，能更好地发现有价值的相关关系，形成证据链并进行三角验证。与此同时，能增加预期的准确性，从而降低检查风险。

（四）大数据与审计报告

注册会计师可以利用大数据技术建立智能决策系统辅助进行报告。大数据环境下，审计报告的对象不变，但是报告所利用的信息量在很大程度上有所增大。信息量的增大可以降低审计风险，提高审计质量。智能决策系统能通过相关算法，进行粗略判断，初步得出审计意见。依据能否获得审计证据和财务报表中是否存在重大错报等，智能决策系统能够自动得出相应的审计报告。此后，注册会计师只需利用职业判断，结合相关审计证据，对审计报告意见进行验证与修改。