數據資產審計研究——基于內容、方法與難點問題的探討

隨著人工智能、大數據、智能終端等新技術新應用的迅猛發展，數字經濟發展和數字化轉型的加速推進，數據已成為現代企業和組織的核心資產之一。近年來，黨中央、國務院及相關部門高度重視數據要素市場建設和培育工作，陸續發布了《中共中央 國務院關于構建數據基礎制度更好發揮數據要素作用的意見》《企業數據資源相關會計處理暫行規定》《“數據要素×”三年行動計劃（2024—2026年）》等政策文件，明確了數據要素是數字經濟核心資源的地位，為數據資產管理提供了制度保障。數據資產審計作為保障有效利用數據資產的重要手段之一，其方法的研究和應用顯得尤為重要。

一、數據資產審計的內涵與工作難點

（一）數據資產審計的內涵

數據資產審計是一個新興領域，目前在全球范圍內，并沒有一個統一且被廣泛接受的權威定義。鑒于數據資產的虛擬性、動態性、復雜多樣性等特點，單純套用傳統財務審計的范式來界定數據資產審計，存在明顯局限。依據數據資產的特點，本文認為數據資產審計是一種技術驅動型的審計活動，旨在對企業或組織的數據資產進行全面、系統、客觀地識別和評估。數據資產審計不僅關注數據的物理存儲狀態，更側重于數據的來源、質量、完整性、安全性、合規性等方面，以發現數據資產在識別確認、估值、管理控制等方面存在的問題和風險，最終目的是為利益相關方的決策提供客觀依據。

（二）數據資產審計工作的難點

1.識別難。在數字化時代，企業單位的數據量呈指數級增長。海量數據需要進行信息篩選和整理，且往往分散在組織的各個角落，具有各種各樣的格式和類型，包括結構化數據（如數據庫中的表格）、半結構化數據（如XML、JSON文件等）以及非結構化數據（如文本、圖像、音頻、視頻等）。由于數據之間存在的依賴關系、關聯規則、時間序列等復雜關聯性，也是識別數據資產時需要考慮的因素。數據資產的產權界定也是識別復雜性的一個重要方面，在某些情況下，數據可能由多個組織或個人共同擁有或控制，增加了數據資產識別的難度。

2.質量評估難。詳盡的數據質量評估需要投入大量的資源和時間，特別是在數據量大、來源多、處理流程復雜的情況下。首先，確定數據源的可信度是一個主觀而復雜的過程，需要基于多個因素進行判斷，如數據源的歷史準確性、來源的權威性等。當存在多個數據源時，如何有效地進行比對以驗證數據的一致性是一個難題。其次，選擇合適的技術檢查數據的真實性和準確性也是一個挑戰，使數據評估復雜且耗時。此外，一些數據邏輯關系隱含在業務規則、操作流程或系統設計中，這些隱含的邏輯關聯也會導致評估結果的差異。

二、數據資產審計框架與主要工作內容

（一）數據資產審計框架

英國聯合信息系統委員會（Joint Information Systems Committee,JISC）于2008年、2009年資助英國格拉斯哥大學、倫敦國王學院、愛丁堡大學、巴斯大學、英國圖書館與信息網絡辦公室（United Kingdom Office for Library and Information Networking,UKOLN）等五所機構進行了數據資產審計框架開發（Data Audit Framework Development），提出了一系列審計機構數據資產現狀的方法和程序，最開始名為數據審計框架（Data Audit Framework），后改為數據資產框架（DAF）。當時DAF限定數據資產僅針對院校等科研機構的研究數據，但其整體框架對于企業單位的數據資產管理和保護仍具有借鑒意義。DAF制定了一個增量式的，包含制訂計劃、識別和分級數據資產、評估數據管理現狀、總結和建議四個階段的數據調查模型，可以根據實際情況靈活、迭代應用（Jones et al.,2008）。

2017年，國際數據管理協會（DAMA International）頒布了DAMA-DMBOK（Data Management Body of Knowledge）框架指南（Henderson et al.,2017）。該指南給出了企業和組織在管理數據資產時應遵循的標準和流程，涵蓋數據治理、數據架構、數據質量管理、數據安全、數據隱私和元數據管理等內容，有效幫助企業提升了系統化、標準化的數據管理能力。DAMA指南為審計人員提供了系統化的框架，幫助其全面審查數據管理流程，明確責任分工，并通過元數據管理追蹤數據流動。

在數據資產審計方面，DAF框架與DAMA-DMBOK框架各有不足。DAF主要集中于對英國高等教育機構的數據管理。其他領域或國家的研究機構在政策、文化或資源方面有不同的需求，因此該框架的普適性受限。另外，其沒有深入討論未來技術演變對數據管理的影響，這對于那些尋求長期數據管理戰略的機構來說略顯不足。

DAMA-DMBOK適用于數據管理的全生命周期和各類管理職能，廣泛應用于需要構建或完善數據管理流程的組織，為戰略決策、治理結構以及跨部門協作提供支持，但在數據資產審計方面沒有明確的審計流程和功能描述，其框架不足以覆蓋數據資產審計的所有工作。

本文結合DAF與DAMA-DMBOK的特點，在總體框架方面參考DAF并進行了改進，將數據識別與梳理劃分為一個單獨的步驟；在技術細節方面參考DAMA-DMBOK，分析了數據識別、數據質量評估、數據資產管理評估方面的實踐方法和技術，增強了可操作性，給出了適用于當前實際情況的數據資產審計框架（DAAF），如圖1所示。

（二）數據資產審計框架主要內容

1.審計準備與計劃。在審計準備階段，需要確定審計的目標和范圍，了解企業的基本情況和數據資產的相關業務，包括了解企業的運營模式、數據資產的類型和交易使用情況等。

2.數據資產識別與梳理。該階段是對企業所持有和產生的數據資產進行全面清查和詳細分析的過程，主要工作是收集并明確數據的來源、類型、分布、權限、使用等信息，編制詳細的數據資產目錄。企業通過識別和梳理，可以清晰地了解自身所擁有的數據資源，發現潛在的數據資產，并且明確這些資產在運營中的位置和價值。數據資產識別和梳理還包括對數據用途和保護要求的明確，以幫助企業更好地管理和保護自身擁有的數據資產。

3.數據資產分類分級與評估。該階段需要根據識別與梳理的結果對數據資產進行分類，按照重要性和敏感性將數據資產劃分為不同的級別。通常依據分類分級結果，可對數據資產進行以下四方面的評估。

（1）風險評估。主要評估數據泄露、數據損壞和數據濫用等風險，確定風險發生的概率及其影響程度。

（2）質量評估。主要評估數據資產的準確性、完整性、一致性和可靠性，包括對數據的來源、錄入、處理、傳輸和存儲等各個環節進行查驗。

（3）合規性檢查。主要檢查數據資產在遵守法律法規、相關準則標準和內部規定等方面的合規性。如果有數據跨境需求，還應評估跨境數據的合規性。

（4）資產估值。該項評估需要理解并評估數據對組織的經濟價值，不僅要給數據資產賦予一個“價格標簽”，更要了解數據的真實價值，為數據管理和決策提供依據。這一過程不僅涉及理解數據的不可替換性，即每個組織數據資產的獨特性，還需考慮如何使用這些數據以及它們帶來的價值。

4.數據資產管理評估。該階段需要評估數據資產管理措施的有效性，包括數據訪問控制、數據備份和數據恢復、數據加密措施等。檢查數據訪問控制措施的有效性包括用戶權限管理、身份驗證和授權機制等是否有效。檢查數據備份與恢復措施的有效性包括測試數據備份程序和恢復計劃能否正常運行，以及評估數據備份是否完整、可用，以確保在需要時能迅速恢復數據。數據加密措施評估是查驗數據加密策略和實施情況，確認敏感數據在傳輸和存儲過程中能得到適當的加密保護，檢查并測試加密算法的強度和安全性，確保能抵御外部攻擊和非法訪問。

5.審計報告及改進。審計過程中積累了大量工作底稿，需要根據審計的內容、范圍和要求，整理、分析這些工作底稿，檢查是否有遺漏環節，并著重列舉審計過程中發現的問題，針對問題提出改進建議，制定相應的整改計劃和措施，并跟進實施情況。

三、數據資產審計方法

在數據資產審計工作中，每個環節都有相應的方法，本文不再贅述，僅就前述數據資產識別和質量評估難點問題給出相應的策略方法。

（一）數據資產識別方法

目前數據資產識別有多種方法。鄧建娣、傅德印（2023）借鑒SNA-2008等標準及現有研究成果，探討了數據資產的統計識別問題，但沒有給出識別數據資產的完整流程；王杰偉、夏崢（2024）雖然給出了相應的流程，但其流程針對的是已經進入目錄清單的數據資產，對企業數據資產的識別不夠全面。一個較為系統、完整的企業數據資產識別和梳理流程應該如圖2所示。在整個流程中，可以通過引入新的技術、方法和工具來提高數據資產識別和梳理的效率和準確性。

在技術和方法層面，可以通過定義特定的關鍵字和正則表達式，從大量的文本和數據中篩選出符合數據資產定義的信息；通過分析文件的元數據（如創建時間、修改時間、文件大小、文件類型等）來確定其是否為數據資產；使用哈希算法或其他比對技術，識別出重復或相似的數據資產；對于圖像、音頻和視頻等非結構化數據，可以通過特征提取、模型訓練來識別；利用區塊鏈技術可以追蹤和監控數據資產的來源和類別，確保數據資產的所有權，同時，區塊鏈還可以提供數據在收集、處理和評估過程中的安全保障；知識圖譜作為一種基于圖的數據結構，可以將不同種類的信息連接起來，形成一個關系網絡，有助于更好地理解和利用數據資產之間的關系；利用自動化和人工智能技術，如自然語言處理（NLP）和機器學習（ML），可以加速數據資產的識別和梳理過程，提高效率和準確性。

在工具層面，數據資產管理系統通常能夠提供數據資產的注冊、分類、索引、搜索、報告和分析等功能，利用這一系統可有效地識別數據資產；數據治理平臺專注于元數據管理，通過捕獲數據關系和業務規則，幫助識別和梳理數據資產之間的關聯性，實現對數據資產全面、精細、準確和實時的識別；數據清洗工具能夠通過質量分析識別高質量數據，包括檢測重復數據、分析缺失值和異常值、篩選符合業務標準的數據集、應用驗證規則識別關鍵數據、關聯和合并多個數據源的數據，以及通過數據可視化呈現數據的價值分布；數據目錄工具可以幫助創建和維護一個集中的數據資產目錄，實現對已識別數據資產的系統化管理，便于后續對數據資產進行分類分級和價值評估。

（二）數據質量評估方法

數據質量評估是對數據的完整性、準確性、一致性、可用性、時效性以及可信度等方面進行評估，以確保數據能夠滿足業務需求和決策需要。數據質量評估可以參考FAIR原則（Findable,Accessible,Interoperable,Reusable）（Wilkinson et al.,2016），具體體現在以下方面。

1.完整性評估。數據是否完整是評估數據質量最基本的標準。校驗位是用于檢測數據在傳輸或存儲過程中是否發生錯誤的常用方法，可以確定數據是否完整且未被篡改。

2.一致性、相關性評估。該方法能夠檢查數據是否遵循相同的規則、標準和定義，以及數據之間是否存在矛盾或沖突。數據挖掘技術、聚類分析及關聯規則挖掘可以用于識別數據的異常、集中性和不同字段之間的關系；對比不同數據來源和時點、分析極端值和識別數據之間的關聯性可以進一步發現不一致的數據點。

3.準確性評估。數據的準確性是指數據與實際情況是否相符合，通常需要運用對比數據源、檢查數據輸入和輸出、使用統計方法等方式進行評估。如通過統計圖表或統計檢驗，檢查數據分布是否符合預期；從數據集中抽取樣本進行測試，計算樣本數據的錯誤率和精確度，推斷出整個數據集的準確性水平。

4.可用性評估。可用性評估能夠檢查數據是否易于訪問、理解和分析，主要關注數據是否具有良好的可讀性和可解釋性，以及是否能夠滿足用戶的需求和期望，具體可采用如下方法。

（1）用戶調查。通過問卷調查、訪談用戶，了解對數據服務的滿意度和在訪問、理解和使用數據過程中遇到的問題；設計一系列相關的任務，并邀請用戶完成，觀察他們在完成任務過程中的行為和反應，以評估數據的可用性。

（2）可用性測試。分析數據的加載速度、查詢響應時間、界面布局和交互設計等，以評估數據服務的性能和可靠性。

（3）日志分析。分析用戶訪問數據的日志，發現數據服務中的潛在問題，如用戶頻繁訪問某個頁面但無法找到所需信息，可能說明該頁面的信息組織方式存在問題。

5.時效性評估。檢查數據是否是最新的，以及能否在用戶需要時及時提供。具體來說，根據數據的性質和企業業務特點，設定合理的更新頻率和標準，檢查數據從產生到被處理、展示給用戶所需的時間，分析時間戳的分布和變化，判斷數據更新的及時性和穩定性。另外，也可以根據用戶需求和業務場景，測試從用戶發出請求到獲取最新數據所需時間以評估現有數據的時效性。

6.可信度評估。數據的可信度和權威性，包括數據源的可信度和數據采集過程的透明度，即數據是否來自可靠和權威的數據源，以及數據采集過程是否嚴謹可信。可以檢查數據源的歷史記錄和聲譽，查看其是否曾經發布過虛假數據，評估其獨立性。對于數據采集過程，可以檢查數據采集的方法和流程是否有足夠的控制和監督。最后還可以采用多方驗證的方式，對比不同數據源提供的數據，看其是否存在差異或矛盾，通過與領域專家或第三方機構進行交流，驗證數據的準確性和可信度，在可能的情況下，進行實地調查或實驗驗證，以獲取更準確的數據。

四、進一步建議

數據資產審計要求審計方法創新，而數據資產入表的理論尚未成熟，導致審計缺乏統一標準和明確依據。在此背景下，“審計先行、披露跟進”的協同模式或許是擺脫困境的可行路徑。

審計先行是指企業通過審計建立數據資產清單、數據關系圖譜、數據質量檔案等基礎管理體系，形成可審計、可追溯的證據鏈。同時，制定數據資產審計工作底稿規范，系統記錄審計過程中的數據資產識別結果、質量評估數據、風險評估結論等關鍵信息，為后續的信息披露提供可靠依據。

披露跟進是指建立分層披露機制。在財務報表附注中設立數據資產專項披露，根據計量可靠性程度采取差異化策略：披露數據資產分類、規模數量、取得成本、評估價值、攤銷方法等定量信息；對難以可靠計量的數據資產，披露數據來源渠道、主要用途、管理控制措施、潛在經濟價值等定性信息；對審計識別出的數據質量風險、安全風險、合規風險等予以充分說明；披露數據治理體系的有效性、數據質量管理狀況、數據安全防護措施、數據資產對業務的支撐作用等信息。通過上述行為，企業可以幫助利益相關方全面了解其數據資產的管理現狀、風險狀況和價值創造能力。

這種協同模式的優勢體現在多個方面。標準化披露框架為審計提供了明確的依據和檢查標準，分層披露與分類分級審計策略能夠很好地相互配合，同時審計和披露過程中建立的管理體系也會形成持續改進的良性循環。隨著審計實踐的深入以及披露機制的完善，數據資產的確認和計量難題將逐步得到解決，審計積累的實踐經驗將為會計準則的制定提供基礎，最終實現數據資產在會計信息體系中的規范反映。

文章摘自《中國內部審計》雜志2026年第2期

作者：黃欣然

單位：中華女子學院

編輯：孫哲

目前190000+人已關注我們，您還等什么？