在信息技术飞速发展的大形势下，各行业的信息化水平也在迅速提升，计算机审计取代过去传统的手工审计，成为现代审计领域的一个重要课题，因此审计行业面临着前所未有的挑战和机遇。

一、大数据环境下的内审短板

数据管理技术、联机分析处理、数据仓库技术，已经服务于金融、保险、电信、邮电等多个行业领域，为经营管理者提供了宝贵的决策性支持，但其在审计行业的应用，还只限于探索阶段，或只关注其中某个技术与审计结合，或局限在某个特定的审计领域。随着技术不断成熟，以数据模型分析为支撑的非现场审计必将逐步成为新常态，这就对内部审计工作提出了更加严苛的要求。

1. 审计数据体量大，且具有不一致性。在信息技术高速发展的时代，被审计单位积累了大量的业务数据，并且仍在急剧增长。审计数据来自不同的业务信息系统，例如会计核心系统、信贷管理系统、企业信用信息数据库系统等，因此这些数据难免具有不一致性，诸如异构、冗余、缺值、数据类型不一致、数据单位不一致、表示方式不一致、数据错误等。

   
   

2.现代计算机技术利用不充分，审计效率及质量不高。在进行数据分析时，很多内审工作者仍只能靠简单的表或记录查询，仍局限于依靠审计人员积累的审计经验来发现异常数据，隐藏信息不易暴露，常有漏审、误审等现象发生。基于“大数据”的审计模型覆盖面不够，基本上凭经验选样，精准打击能力不强，直接影响审计效率和效果，实际投入产出比不高。  

3.审计时限难以保证。审计工作是一项复杂的任务，在实际操作中，每项审计任务均受到审计时限的限制，力求提高审计效率是刻不容缓。而面对庞大的数据模型，要稳准狠的直击命脉非常困难，因此需要耗费审计人员大量时间进行数据去噪、定位、核准，势必影响时效性。

4.审计人员数据分析能力有待提升。近年来，各金融机构推出的金融产品日新月异，而审计人员拥有的经验和知识往往无法处理超越知识范围的审计问题，这样就很难将审计程序建立在对行业知识的充分理解上，最终影响审计成果的质量。

一是负责模型分析的内审人员需要了解信息系统间的数据流向是怎么样的，来源是否真实可靠，是否存在数据整合的必要，如果对这些根本性问题认识不清楚，往往会导致在确定审计范围时产生遗漏。

二是在信息加工处理中，信息科技部门封装了信息处理的过程，其内部处理逻辑、运算的中间环节对于各个法人机构的审计人员而言都是独立的，传统的审计线索全面隐性化，这就对数据分析人员在无形中提高了门槛。

三是信息技术的运用改变了金融机构的运作模式和工作方式，传统审计技术针对问题特征可能已经消失，或者发生了改变，内审人员的经验可能无法简单移植，从而丧失了针对性。同时，面对海量数据，传统的抽样方式难以覆盖大量的数据，对于不同来源的数据缺乏足够的洞察力，覆盖性方面也难以提供更强的审计信心。

四是信息化环境下，内审人员必须熟悉掌握信息技术的运用和信息系统的风险及控制，对审计的策略、范围、内容、方法和手段有足够的认识，获取充分、适当的审计证据，才能对被审计单位提出适当的审计意见。

五是不同行业数据量的不断增长，审计经验往往落后于数据量的增长，这种经验与数据的非同步性，往往隐藏着较大的风险，增大了审计失败的可能性。

二、新形势下的审计工作建议

“弄潮儿勇向涛头立，手把红旗旗不湿”，与时代齐步本就是全体审计人员共同的政治使命，尽管部分审计工作者由于个体认知水平差异及传统审计观念束缚，也存在力度掌握不准、尺度把握不一、评判就有主管随意性等问题，但只要跳出小格局，由表及里、追本溯源的深挖不足，加强业务学习，坚持“一张蓝图干到底”，以“昼无为、夜难寐”的责任感和紧迫感要求自己，就定能完成蜕变，补齐审计工作短板。

1.进一步完善数据库，保证信息来源的可靠性。基于各金融机构现有的内部审计数据信息平台与数据分析挖掘平台，提高基层机构经营与管理信息的采集能力，以此为基础开展审计抽样、风险评估等多维分析，提高精确度。对于数据源的多样性，要确定数据抽取策略、数据转换机制，对于噪声数据如缺值、数据单位不一致等，则要明确数据净化方法，注意去掉重复记录等，保证加载到数据仓库中的数据是集成的、一致的。另外，只有被审计单位提供了真实的数据，才能保证净化、转换、加载到数据仓库中的数据的有效性。

2.切实提高审计的人员胜任能力，为数据信息审计开展提供人才保障。要提出具有建设性的审计结论，从经营管理的视角提出建议，就必须打造一支具备综合素质的人才队伍，不仅要拥有传统的财会、信贷、审计知识，还要掌握风险管理、战略管理、信息技术等知识储备，甚至要组建一支金融数据分析师队伍，专注于研究模型、数据分析和线索提取。要善于挖掘现有审计人员的潜在空间，通过开展培训、后续教育、特别是充分利用审计条件与业务部门的横向交流机制，通过挂职交流、跟班学习、岗位互换等形式，丰富审计人员的实践经验，从各个维度培养审计人员查证分析和提出建议的能力。

3.充分利用关联规则方法在审计数据分析中的应用。如何有效的分析被审计单位的海量数据是审计人员面临的一个重大问题，这就需要审计人员充分利用多种技术以便改进审计方法。关联规则分析是数据挖掘领域常用的一种算法，它从数据的细节或者事物中抽取频繁出现的模式，挖掘隐藏在数据之间的相互关系，主要用于发现隐藏在大数据中有意义的联系，在实际操作中。主要包含两个步骤：首先找出数据集中所有的频繁项集，然后根据频繁项集产生强关联规则。在关联规则分析法中，Apriori算法是一个经典的频繁项集的挖掘算法，很多算法都是基于Aprior算法而产生的，理解Aprior算法是理解其它Aprior类算法的前提，同时算法本身也不复杂，因此值得好好研究一番。例如：可以将形成不良贷款原因总结出流动资金不足、应收账款结构不合理、或有负债过多、利润率持续下降、利息保障倍数下降等众多特征，法人机构可以挑选本地实例进行对照分析，利用Apriori算法的计算步骤，合理设定置信度和支持度，我们就可以得到易出现不良贷款的客户特征集项，或者出现风险特征时，伴随而至的其他必有特征。这有利于对海量数据进行智能化和多元化的分析、关联，从而发现审计线索，帮助审计人员正确作出决策。

4.借鉴大数据审计“1拖N”模式，尝试解决审计全覆盖问题。该方法是引入经济学最前沿的“区块链”运营和技术模式，与审计学最前沿的大数据运营和技术模式相融合，创造出的一种全新的审计运营和技术模式，是经济学与审计学的交叉共融和创新创造。该模式有效解决了审计全覆盖问题，统一性强，数据量大，成果多，效率效益高，现已在全国各地推广应用。但该模式也有一个弱点，无法满足N个单位的个性化需求，不能为N个单位出具独立审计报告，也正因为无法满足个性化需求和出具独立审计报告，其对N个单位的全面拓展和深度挖掘方面略逊一筹。

来源：农信金融人