�抽样调查，审计师的盲盒游戏与科学艺术，兼谈那些年我们赌过的凭证

大家好,我是你们的老朋友，一个在注会行业摸爬滚打多年的笔杆子。

今天我们要聊的话题,听起来充满了学术的枯燥味，但实际上，它是每一个审计师在底稿里最常写、也最怕写错的两个字——抽样调查。里不把它放在最前面，估计很多刚入行的小朋友会直接划走，但请相信我，这不仅仅是为了应付考试或者准则，它是我们这个职业生存的基石，也是我们与客户之间一场无声的博弈。

为什么我们不能“全查”？——那个关于“煮汤”的哲学

刚做审计助理那会儿,我特别轴，有一次去一家制造业企业盘点存货，看着仓库里堆积如山的螺丝钉、垫片，还有那些叫不出名字的半成品，我转头问带我的经理：“咱们为什么不全都数一遍？全数了不就百分之百准确了吗？”

经理当时正忙着核对装箱单,头都没抬，扔给我一句：“你去把这一锅汤全喝了，告诉我咸不咸。”

我当时愣住了,喝一锅汤？那不得撑死或者咸死？

经理笑了笑,解释道：“审计讲究的是成本效益原则，客户给我们的审计费是固定的，如果我们把每一颗螺丝、每一张凭证都查一遍，那我们不仅得把公司赔进去，还得搭上全所人的下半辈子，我们要做的，是喝一小勺汤，如果这勺汤咸了，整锅汤就是咸的。”

这就是抽样调查最朴素的生活逻辑：以小见大。

在注会审计教材里,这叫“审计抽样”，但在我看来，这更像是一场精心的“代尝”，我们需要从总体（比如一个年度里所有的销售发票）中抽取一部分样本（比如50张发票），通过检查这50张发票的准确性，来推断剩下那几千张发票有没有问题。

我的个人观点是： 很多时候，外行觉得审计师就是在“找茬”，其实我们更像是在“排雷”，由于资源（时间和金钱）有限，我们不可能把整个战场用金属探测器扫一遍，我们只能凭经验、凭概率，去扫那些最可能埋雷的地方，抽样，就是我们的金属探测器。

随机抽样 vs. 判断抽样：你是买彩票还是挑西瓜？

在实际工作中,抽样调查并不是只有一种玩法，这就像你去水果店买西瓜。

第一种是统计抽样（随机抽样）。 这就像你闭着眼睛，让老板给你随便拿三个瓜，不管这三个瓜是大是小、是圆是扁，你拿了就走，从科学的角度讲，这最符合统计学原理，避免了人为的偏见，在审计里，我们会用随机数表或者电脑软件生成随机数，去抽取凭证号，比如系统告诉你抽第100号、第1058号、第3333号，你就得乖乖去翻这三本凭证。

第二种是非统计抽样（判断抽样）。 这更像是一个老手挑西瓜，你会看看瓜纹是否清晰，敲敲听声音清脆不清脆，然后挑你觉得最好的那个，在审计现场，这种方法其实用得更多。

为什么？因为审计师是有“职业怀疑态度”的。

举个具体的例子：有一次我负责审计一家大型商场的费用报销，如果我用纯随机抽样，可能会抽到几张打印纸的报销单，金额几十块钱，查了半天没问题，毫无意义。

但我用了判断抽样,我脑子里想：“什么环节最容易出猫腻？”

金额大的（比如大额维修费）；
期末最后几天的（可能为了凑利润）；
报销人是老板亲属或关联方名字的；
只有发票没有附件的。

我专门挑了这几类的单子去查,结果你猜怎么着？我在一张金额为5万元的“咨询费”里，发现附带的发票是买高档手表的，只是被PS成了“咨询费”。

这里必须发表我的观点： 虽然准则鼓励大家多用统计抽样，显得更科学、更高大上，但在实战中，“判断抽样”才是审计师的灵魂，因为造假的财务数据往往不是均匀分布的，它们通常集中在特定的领域、特定的时间、特定的人员手中，完全依赖电脑随机数，有时候会让我们对眼前的“火坑”视而不见，这要求审计师必须有足够敏锐的嗅觉，否则就成了“瞎猜”。

那些年我们“赌”过的风险——漏掉一只蟑螂意味着什么？

抽样调查最大的魅力,也最大的恐惧，来源于它的不确定性，在专业术语里，这叫“抽样风险”。

抽样风险分为两种：

误受风险（Beta风险）： 样本看着没问题，你以为总体也没问题，结果总体里全是烂账，这是审计师最怕的，因为一旦出事，就是审计失败，甚至要打官司。
误拒风险（Alpha风险）： 样本看着有问题，你以为总体也烂透了，结果再去查发现总体其实挺好的，这个风险比较温和，后果就是你多干了很多活，加了很多班，但也仅此而已。

我记得很清楚,有一年审计一家快消品企业，那个负责应收账款函证的小伙子，因为嫌麻烦，在发询证函的时候，没有严格按照随机样本发，而是挑了那些平时合作愉快、回款快的大客户发（典型的为了规避误拒风险，却放大了误受风险）。

结果,那一年那家公司有一家小代理商其实已经破产了，欠了几百万货款还不上，但这笔款项金额在总体里不算特别大，而且那个代理商平时联系少，小伙子抽样的时候直接把它“人为过滤”掉了。

那年年报出来后不到三个月,那个小代理商跑路的消息爆出来，债权银行追责，顺带把审计所也告了，理由是“未能发现重大错报”。

虽然最后我们通过法律手段解决了一些问题,但那个教训是惨痛的。

我想说的是： 抽样调查在某种程度上，确实是审计师在“赌博”，我们赌的是：舞弊者不会那么倒霉正好被我们抽中，或者舞弊者没那么聪明正好避开了我们所有的样本。

为了降低这种“赌输”的概率，我们有一个铁律：异常误差的处理。

如果在抽样中发现了一个造假（比如一张假发票），我们绝不能简单地认为“只有这一张是假的”，相反，我们会立即警觉：这就像你在家里看到一只蟑螂，你绝不会认为家里只有这一只蟑螂，这时候，我们会扩大样本量，甚至放弃抽样，直接对该项目进行100%的详细检查。

这就是生活常识在审计中的应用：见微知著，一叶知秋。

样本量多少才够？——那个关于“勺子大小”的争论

经常有客户问我：“你们今年就抽了20个凭证，去年抽了30个，是不是今年工作没做到位？”

这其实涉及到了样本量的问题,这就回到了那个“喝汤”的类比，如果汤搅匀了，你喝一小勺就够了；如果汤没搅匀，上面是油下面是水，你喝一口是不行的，得喝好几口，甚至得拿筷子搅一搅。

决定样本量大小的因素有很多,我给大家列举几个最关键的，并用生活实例来解释：

可容忍误差率： 这就是你的底线，比如你找对象，你能容忍对方有多少缺点？如果你要求对方必须是完美的圣人，那你得相亲几万次（大样本量）；如果你只要对方活着就行，那你相两次可能就结婚了（小样本量），审计也是一样，如果客户内控烂得一塌糊涂，我们就得多抽点；如果客户是世界500强，内控像瑞士钟表一样精准，我们就可以少抽点。
预计总体误差率： 这就是你的预判，如果你去一个治安很差的小区，你会预期那里小偷很多，所以你会时刻警惕（多抽样）；如果你去银行金库，你会预期那里很安全，所以你会比较放松（少抽样）。
总体规模： 这一点很有趣，很多人误以为总体越大，样本必须越大，其实不一定，如果你要从全中国十几亿人里抽人做民调，和从一个县城里抽人做民调，样本量其实差不了太多，这就像煮一锅汤和煮一缸汤，只要汤都搅匀了，你需要的勺子大小其实是一样的。

我的个人观点是： 在现在的审计实务中，样本量的确定往往带有一种“防御性”的色彩，我们并不是完全根据统计学公式算出95%还是99%的置信度，更多时候，我们是根据“如果出了事，这个样本量能不能保住我的饭碗”来决定的，这就是为什么很多项目的样本量会远超理论值，因为我们要的是那个“心理安全感”。

技术的冲击：大数据会让抽样调查消失吗？

写到这里,我们必须面对一个现实问题，随着大数据、人工智能和全量分析技术的发展，传统的“抽样调查”是不是要过时了？

想象一下,以前我们要查一家电商平台的退货率，只能抽几天的日志看，通过Python脚本或者审计软件，我们可以在几分钟内把全年几百万条交易记录全部跑一遍。

这叫“全量测试”。

如果能把所有数据都查一遍,谁还愿意去抽样？谁还愿意去承担那个“抽样风险”？

确实,在一些数据结构化程度高、电子留痕完善的领域（如银行流水、电商交易），抽样正在逐渐减少。

我认为抽样调查永远不会消失，甚至在某些领域会变得更加重要。

为什么？

有些东西无法数字化： 比如存货的监盘，你总不能把仓库里的每一粒大米都称重吧？你总不能把每一份合同的法律条款都让AI去审核意图吧？对于实物资产、合同条款的合规性、管理层诚信的软性评价，依然需要人工的抽样和判断。
成本依然存在： 全量测试虽然技术可行，但数据清洗、系统对接的成本极高，对于一家小型非上市公司，为了审个几十万的报表，去花几百万搞全量数据分析，这不符合商业逻辑。
职业判断的不可替代性： 抽样不仅仅是“少查点”，它更是审计师与被审计单位互动的过程，当你走到仓库，随手拿起一箱货，问仓库管理员：“这箱子怎么有点潮？”这种互动带来的线索，是冷冰冰的全量数据跑批给不了的。