焦虑?!不熟练掌握高数和统计学,不知道如何面对未来的审计

职场   2024-12-16 06:51   河北  



审计专业期刊和书籍中,越来越多的篇幅都是计算公式,包括高等数学的、统计学的、运筹学的,等等。审计要实现数字化转型,除了信息技术应用以外,还要建立分析模型,而分析模型的核心就是算法,算法就要涉及高等数学、统计学等方面的知识。不熟悉高等数学、统计学的,可能连相关审计专业文章都看不懂,更不要说去开展分析模型建设等一系列审计数字化工作了。你说,这让人焦虑吗?

 

经济学相关专业毕业的本科生和研究生,不知道有多少能熟练掌握高等数学、统计学的,而且日常工作中可能用的不多,也会逐渐淡忘的。例如,统计学的方差分析、相关分析、回归分析等,在日常审计工作中可能就用的不多,当然也有不少大型企业的审计部门,聚集了IT、数学、统计学等相关专业人才,数学模型、统计模型的设计对他们很多都是“小菜一碟”。但相信大部分审计部门,都缺少懂数学、统计学,能够熟练开发数学模型和统计模型的审计人员。

 

无论是人工智能审计、大数据审计还是嵌入式持续审计都需要设计审计模型,还会为机器学习开发各种算法。审计部门无论信息技术应用水平如何,还是要鼓励审计人员多学一些数学等基础性知识。当然,以后可能用不着审计人员亲自开发模型,只要审计人员提出需求,就会有专门的团队来开发,或者有专门的审计软件来满足需求。从经济学的成本收益理论来看,审计人员花费大量时间学习高等数学、统计学等方面知识所获得的收益远低于投入的时间成本,尤其是收益短时间内看不出来。

 

也许有一个更好的路径,让审计人员用最小的投入而获得在数学、统计学等方面的收益,这需要摸索出一套方法论。 

 

以下随机列举一些高等数学、统计学、信息学等方面的理论概念,看一看在你的审计实践中是否用到过,如果用到过,是否能够留言分享一下宝贵经验呢?


层次分析法

判断矩阵

概率密度函数

格拉布斯检验法

正态分布模型

神经网络模型

关联度分析

聚类分析

霍普金斯统计量

贝叶斯网络理论

模糊集合理论

信息熵理论


也许在我们实际的审计工作中,永远用不上那些复杂公式以及难以理解的学术概念,我们就初等数学就能审计工作做好。即便是未来,那些数学模型的构建交给专业人士就行了,审计人员只要能提供思路和经验就好了。那么,审计人员需要不需要学习高等数学以及统计学呢?


学习是肯定要学的,虽然不一定要熟练掌握和应用,但是在学习中掌握的不只是方法,更多的是认知。哪怕有些公式看不懂,知道这些公式能干什么?反映了什么样的规律,也是认知上的提高。


做审计工作不是在数据分析和建模上和专业人士较量,而是在对问题的认识上、对现象的剖析上,首先有批判性的视角。批判性的视角是否科学,关键就反映在认识方面。




财审思想
无论是财务人员还是审计人员,还是要有点思想的,至少还要想想......
 最新文章