大数据的审计并非是将账簿搬到电脑上去，而是换来了一种寻找问题的方法；传统审计将目光聚焦在凭证、账簿以及现场之上，而大型数据审计则将更多来源、更多结构的数据集中到一起进行分析。
传统审计如同翻阅一堆堆原始凭证，沿着一笔笔交易向下查看，借助审计人员经验以及细节判断出异常。
由于大数据审计所面临的资料更为复杂，财务、业务、其它导入资料有可能相互混杂，审计人员必须从大量的信息中筛选出不符合常规要求的部分。
它的优势是很直接的，数据分析的速度更快，账簿的审查效率也更高，批量的比对也可以减少在人工计算以及记录中出现的差错。
当数据量急剧增加时，仅仅依靠手工翻查是很容易出现异常的，而大数据工具则可以将原本分散着的线索放置在一起进行观察，如此一来洞察就会更加敏锐。
不要将“数据多”想象成“审计更准”。
审计单位所提供的财务资料可能不真实，也可能是不完整的，加工处理过的数据只能是线索，不能用来代替核查。
账簿可以说明一部分的情况，但是却不能自动地证明交易是真实发生的，也不能解释每张票据后面的业务。
很多原始票据没有完整地进入到大数据系统当中，发票、合作、签字材料以及其它原始凭证，依然需要依照传统的查账方式逐项审查。
真正问题，往往隐藏在金额，日期，审批以及业务背景这些细节之中，软件能够筛选出异常的情况，但是却不能够代替人们去判断细节到底合不合理。
对于大数据审计而言，还存在着一个现实的门槛：能够将审计业务与技术真正连接起来的人数并不多。
有的人知道审计规则，但是写不好AsL审计脚本的语言以及SQL的语句；有些人会做数据的处理，但不一定看得懂审计的风险。
脚本写的不准确、数据口径不统一、分析结果可能会偏离实际、工具越复杂、误判的影响就越大。
审计范围进一步扩大之后，实地观察、调查以及走访仍然是必不可少的，现场情况并非几张数据表能够完整呈现出来的。
这也就是传统审计无法被替代的缘故。
大数据的审计擅长从大量的资料当中快速地定位出疑点，传统的审审则是沿着疑点去核对凭证，询问人员，查看现场，这两者所解决的并非是同一个步骤。
如果仅仅迷信手工查帐，效率就会被数据量所拖累；如果只迷信数据的模型，又有可能把不完全的信息当作事实。
更稳妥的办法是用大数据的技术来扩大筛查的范围，然后用传统的审计将异常进行查实。
要做好审计工作，既要弥补技术方面的短板，又不能丢失凭证意识以及现场判断，才是大数据的审计真正可以使用的途径。
