1. 课程导入

欢迎进入《持续审计Continuous Auditing平台实战》。在动手搭建平台之前，我们需要先建立一张"认知地图"：持续审计到底解决什么问题，它从哪里来，和传统审计的边界在哪里，以及这30章我们将如何一步步把概念变成可运行的系统。本章不涉及代码，但它是后续所有实操的坐标系。

一、持续审计的定义：不是"更快的审计"，而是"不同的审计"

持续审计（Continuous Auditing，CA）是指审计人员借助信息技术，在业务发生的同时或极短时间间隔内，自动采集数据、执行审计规则、识别异常并输出结论的一种审计模式。它的核心不是把年度审计压缩成月度审计，而是把审计从"事后抽样检查"转变为"事中全量监控"。

理解这个定义要抓住三个关键词：自动化、高频次、规则驱动。自动化意味着数据采集、比对、预警由系统完成；高频次意味着间隔可以是每天、每小时甚至实时；规则驱动意味着审计判断被显式地写成可执行的逻辑，而不是停留在审计师的经验里。

二、发展历程：从CA到CM，再到智能审计

持续审计并非新概念。20世纪90年代，随着ERP系统普及，学者CICA和AICPA先后提出持续审计框架，核心诉求是缩短审计周期。2000年后，SOX法案对内部控制实时性的要求，推动持续审计从理论走向企业实践。2010年前后，大数据与流处理技术成熟，持续审计与持续监控（Continuous Monitoring，CM）逐渐融合：CM偏管理层风险监控，CA偏审计确认，两者共享数据管道但目标不同。

近五年，持续审计平台开始引入规则引擎、图计算与机器学习，异常检测从"阈值告警"升级为"模式识别"。但无论技术如何演进，其骨架始终是：数据接入 → 规则执行 → 异常输出 → 审计处置。

三、与传统审计的区别：一张对照表看清边界

很多初学者会把持续审计理解为"上了系统的传统审计"。下表从六个维度做对照，帮助你在后续平台设计中不迷失方向。

维度	传统审计	持续审计
时间	事后，周期性	事中，高频/实时
范围	抽样	全量或准全量
执行主体	审计人员为主	系统自动执行，人员处置
判断依据	经验与职业判断	显式规则与模型
输出物	审计报告	告警、工单、仪表盘
技术依赖	低	高，依赖数据与平台

四、核心原理与方法流程

持续审计平台的运行可以抽象为一条"规则流水线"：

1. 数据接入：从ERP、数据库、日志、API等源采集数据，做清洗与标准化。
2. 规则建模：把审计逻辑写成可执行规则，如"同一供应商当日付款超过合同额110%"。
3. 调度执行：按频率触发规则，对全量数据逐条或批量匹配。
4. 异常输出：命中规则生成告警，附带证据链与上下文。
5. 审计处置：审计人员确认、分派、整改、归档，并反馈优化规则。

这条流水线的关键不在"跑得快"，而在"规则准"。规则过松会淹没在误报中，过严会漏掉真实风险。后续章节会专门讲规则设计与误报治理。

# 一条持续审计规则的伪配置示例
rule_id: AP-001
name: 供应商付款超额
frequency: daily
source: erp.ap_payment
condition: payment_amount > contract_amount * 1.10
severity: high
action: create_ticket
owner: audit_team_a

五、典型场景：采购付款异常监控

某制造企业上线持续审计平台后，将采购付款设为第一批监控场景。平台每日凌晨拉取前一日付款数据，执行三条规则：付款超合同额、同一供应商短时间多笔付款、付款账户与合同账户不一致。上线首月即发现12笔异常，其中3笔为重复付款，挽回损失约47万元。这个案例说明：持续审计的价值往往不在"发现大案"，而在"及时止损"。

六、学习目标与整体课程框架

完成本课程后，你将能够：

• 解释持续审计的核心概念、适用边界与价值。
• 独立设计并配置持续审计规则。
• 搭建可运行的数据接入与调度管道。
• 实现告警、工单与审计处置闭环。
• 治理误报、优化规则并评估平台效果。

30章内容将分为五个模块：概念与架构（第1–5章）、数据与规则（第6–13章）、平台搭建（第14–21章）、实战场景（第22–27章）、治理与复盘（第28–30章）。每一章都围绕一个可交付物展开，最终你会拥有一个属于自己的持续审计平台原型。