近年来，面对大数据环境，我国许多审计机关和审计人员积极探索了大数据审计的方式方法，构建了“集中分析，发现疑点，分散核实，系统研究”的数字化审计模式，形成了许多行之有效的大数据审计方法，推动了大数据环境下审计工作的不断创新，取得了一定的审计成效。但是，在大数据审计中，不少审计机关还不同程度地存在着审计方法共享不足、审计人员过度依赖计算机、审计智能化水平不高、审计质效有待进一步提高等问题。为解决这些问题，我们提出基于解构法律法规条款的“智慧审计”构想，并在审计实践中进行了尝试，取得了一定的效果。
　　《政策法规执行计算机审计方法（县域经济）》是在“智慧审计”框架下继2019年出版的《行政事业单位计算机审计方法》207个“智慧审计”模型集之后，编著的《政策法规执行计算机审计方法》丛书的县域经济篇，总结了166个县域经济“智慧审计”模型。

一、产业集聚区政策执行计算机审计方法
1．产业集聚区规模以上工业企业营业收入总体情况分析
2．产业集聚区规模以上工业企业利润总额总体情况分析
3．产业集聚区规模以上工业企业税收总体情况分析
4．产业集聚区规模以上工业企业营业收入均值分析
5．产业集聚区规模以上工业企业利润均值分析
6．产业集聚区规模以上服务业企业营业收入总体情况分析
7．产业集聚区规模以上服务业企业利润总额总体情况分析
8．产业集聚区规模以上服务业企业税收总体情况分析
9．产业集聚区规模以上服务业企业营业收入均值分析
10．产业集聚区规模以上服务业企业利润均值分析
11．产业集聚区限额以上批零住宿餐饮企业营业收入总体情况分析
12．产业集聚区限额以上批零住宿餐饮企业利润总额总体情况分析
13．产业集聚区限额以上批零住宿餐饮企业税收总体情况分析
14．产业集聚区限额以上批零住宿餐饮企业营业收入均值分析
15．产业集聚区限额以上批零住宿餐饮企业利润均值分析
16．产业集聚区资质以上建筑房地产企业营业收入总体情况分析
17．产业集聚区资质以上建筑房地产企业利润总额总体情况分析
18．产业集聚区资质以上建筑房地产企业税收总体情况分析
19．产业集聚区资质以上建筑房地产企业营业收入均值分析
20．产业集聚区资质以上建筑房地产企业利润均值分析
21．四上企业结构构成占比分析
22．四上企业营业收入占比分析
23．四上企业利润占比分析
24．四上企业税收占比分析
25．四上企业利润为负值的企业分析
26．四上企业销售收入小于100万元的企业分析
27．四上企业发生环境污染事件
28．四上企业建设项目没有经过环评审批
29．四上企业建设项目没有办理施工许可证
30．四上企业没有进行工商登记
31．四上企业统计部门与税务部门税收数据差异分析
32．四上企业统计部门与税务部门营业收入数据差异分析
33．四上企业统计部门与税务部门利润数据差异分析
34．四上企业统计部门与税务部门研发经费支出总额差异分析
35．高新技术企业数量占四上企业比
36．高新技术企业营业收入占四上企业比
37．高新技术企业利润占四上企业比
38．高新技术企业税收收入占四上企业比
39．高新技术企业研发费用占四上企业比
40．申报高新技术的企业没有获得必需的核心技术知识产权
41．申报高新技术的企业申请认定时其注册成立时间没达到1年以上
42．申报高新技术的企业从事研发和相关技术创新活动的科技人员占企业当年职工总数的比例小于10%
43．申报高新技术的企业近三个会计年度的研究开发费用总额占没有达到同期销售收入总额的比例
44．申报高新技术的企业近一年高新技术产品（服务）收入小于企业同期总收入的60%
45．申报高新技术的企业在认定前一年内发生环境污染事件
46．申报高新技术的企业在认定前一年内发生重大安全事故事件
47．申报高新技术的企业没有进行工商登记
48．战略新兴产业数量占四上企业比率分析
49．战略新兴产业营业收入占四上企业比率分析
50．战略新兴产业利润占四上企业比率分析
51．战略新兴产业税收占四上企业比率分析
52．战略新兴产业研发费用占四上企业比率分析
53．战略新兴产业发生环境污染事件
54．战略新兴产业没有进行工商登记
……
二、农业产业化及农村基础设施建设
附录 县域经济政策法规执行计算机审计方法数据表结构

　　近年来，面对大数据环境，我国许多审计机关和审计人员积极探索了大数据审计的方式方法，构建了“集中分析，发现疑点，分散核实，系统研究”的数字化审计模式，形成了许多行之有效的大数据审计方法，推动了大数据环境下审计工作的不断创新，取得了一定的审计成效。但是，在大数据审计中，不少审计机关还不同程度地存在着审计方法共享不足、审计人员过度依赖计算机、审计智能化水平不高、审计质效有待进一步提高等问题。为解决这些问题，我们提出基于解构法律法规条款的“智慧审计”构想，并在审计实践中进行了尝试，取得了一定的效果。本书是在“智慧审计”框架下继2019年出版的《行政事业单位计算机审计方法》207个“智慧审计”模型集之后，编著的《政策法规执行计算机审计方法》丛书的县域经济篇，总结了166个县域经济“智慧审计”模型。
　　一、“智慧审计”的含义、意义和前提
　　（一）“智慧审计”的含义
　　智慧（wisdom，wit）是对事物迅速、灵活、正确地理解和处理的能力。依据智慧的内容以及所起作用的不同，可以把智慧分为三类：创新智慧、发现智慧和规整智慧。创新智慧是指可以从无到有地创造或发明新的东西，如策划、广告、设计、软件、动漫、影视、艺术等都属于创新类智慧的范畴。发现智慧是指可以发现虽然本来就存在但还没有被认知的东西，有些科学研究（如天文学、考古学、地理学等）就属于发现类智慧产业的范畴。规整智慧是指可以运用现有的规则（包括法律、法规、制度、政策、方针、方法等）来调整、梳理、矫正、改变已经存在的东西，如司法、会计、教育、培训、出版等都属于规整类智慧的范畴。
　　马云曾经有言：机器一定比人类聪明，但人类一定比机器更加智慧。基于上述智慧的理解和认识，我们认为，智慧审计是汇集广大审计人员的智慧（包括审计思路、审计判断、审计方法）于一体，由计算机系统自动完成审计分析，实现审计目标的过程。它包括两层意思：一是集大成，即汇集广大审计人员的审计智慧；二是自动化，即运用计算机的智能自动开展审计数据分析。如此，“集大成+自动化”——审计人员的智慧与计算机的智能结合起来，势必更有效率地实施全面审计，最终实现审计目标，达到审计目的。
　　（二）“智慧审计”的意义
　　“智慧审计”对于解决目前大数据审计存在的问题具有重要的现实指导意义。具体来说有以下3个方面：
　　1.有助于充分实现计算机审计方法融通共享。审计人员通过解构所有的法律法规、政策制度，形成“海量”的审计方法，并关联全部的审计数据后，可以通过计算机系统自动运算产生审计疑点。这样，大量的审计方法所产生的审计疑点不是局限于某一审计项目，而是基于全部数据生成所有的审计疑点，从而达到审计方法融通共享的目的。同时，通过计算机系统对每一种审计方法及其产生的审计疑点进行归类管理，当审计某一具体项目时，导出与该审计项目相关的所有审计方法及审计疑点，再由审计人员进行核实，可以大大提高审计工作效率。
　　2.有助于减少审计人员对计算机的依赖。通过解构法律法规条款，把审计人员在以往审计工作中形成的行之有效的好做法、好思路总结为审计方法，集广大审计人员的智慧为一体，通过计算机自动的“智慧”分析，形成发现问题、评价判断、宏观分析、疑点管理、定性处理及审计报告“一键式”完成。这样，把简单、重复的审计劳动交给计算机去做，把审计人员从会计账册、报表和海量数据分析中解脱出来，大大降低审计人员对计算机的依赖，可以腾出更多的时间进行分析研究计算机审计发现的问题。
　　3.有助于大幅度提升审计智能化水平。“智慧审计”利用统一的数据适配器，支持数据动态实时采集，实现联网审计、动态预警、实时监控，通过设定的各种审计任务，可以实现“365天不间断审计”。与此同时，通过计算机系统的自学习功能，不断提升针对性和操作性，进而实现审计的“精准打击”，有助于大幅度提升审计工作质效。
　　（三）构建“智慧审计”的前提
　　“智慧审计”构想源于《大数据时代：生活、工作与思维的大变革》（[英]维克托·迈尔-舍恩伯格，2013年12月）一书中的3个理念，即：“不是抽取样本，而是全部数据”“不是精确性，而是混杂性”“不是因果关系，而是相关关系”。基于这3个理念，建立“智慧审计”系统也需要3个前提条件。
　　1.完全占有数据。大数据审计的先决条件是完全占有数据。审计数据的占有程度决定了大数据审计开展的程度，也决定了审计的广度和深度。比如：开展一个地区“三公经费”支出情况的审计调查，如果没有大数据的支撑，则需要检查所有被审计单位的会计账目。如此，在短时间内把所有被审计单位的会计账目都检查一遍基本上是不可能的。在有限的审计资源限制下，审计机关往往会抽取一部分被审计单位的会计账目进行检查，进而以部分检查结果来推断某一地区“三公经费”的总体情况。这种以抽取样本推断总体的方式是“小数据”时代常用的方法。然而，在大数据时代，要求审计机关必须以全部数据为基础开展审计分析。大数据的“大”是相对的，对于“三公经费”审计来说，财政部门的总预算数据系统就是审计的“大数据”环境。如果取得了财政部门的总预算数据，审计机关通过分析部门预算执行数据、部门决算数据，不但可以检查全部被审计单位“三公经费”的支出情况，还可以进行跨部门横向比对分析、跨年度纵向比对分析及对未来发展趋势进行分析，从而精准审计全部“三公经费”支出情况。这也是大数据环境下的“不是抽取样本，而是全部数据”理念在审计中的具体应用。
　　2.适应混杂的数据环境。大数据类型繁多，包括结构化数据和非结构化数据，非结构化的数据具有“不是精确性，而是混杂性”的特点，网络日志、视频、图片、地理位置信息等都属于非结构化数据。比如：在自然资源审计和环境审计中，审计机关可以运用国土部门地理信息系统的图像数据，通过图斑叠加分析，进行审计调查和取证；可以运用百度地图上的“坐标拾取系统”，精确标识出各个地点的经纬度，对计算地理位置、两个地点间的距离、地区面积等提供了极大的帮助。这些都是非结构化数据在审计中的具体运用。随着非结构化数据的日益增多，审计工作会越来越多地面对非结构化数据的影响和挑战，如何应对这些挑战，把非结构化数据整理为审计工作中能够处理的信息，是大数据审计不可逃避、必须面对的现实。
　　3.改变审计思维。大数据审计环境下，要求审计人员改变传统的审计思维模式，主要是改变以下3种思维模式：
　　（1）变“因果关系”思维为“相关关系”思维。因果关系的思维把审计人员的审计思路固化在与审计项目相关的事项上。比如：在因果关系思维下，开展环保资金专项审计时，审计人员会分析发展改革部门的数据、财政部门的数据、环保部门的数据、项目施工单位的数据，因为发展改革部门审批项目、财政部门拨付资金、环保部门管理使用资金、施工单位具体承建项目，这4个部门、单位均与环保专项资金有关，这样的思维是因果关系思维。在大数据环境下，要树立相关关系思维的理念，要关联全部的数据进行综合分析。