1、大數據背景下提升內部審計價值的方法與難點 大數據背景下提升內部審計價值的方法與難點 當前金融環境迎來了大數據時代，數據挖掘技術在各領域的應用方興未艾，產生了很多卓越的成果。內部審計領域雖然早已開始使用非現場審計技術，積累了技術工具和審計方法，產生了大批實用的審計模型，效果突出，但與大數據時代的要求還存在很大差距。加上互聯網金融對傳統銀行業的挑戰，逼迫傳統銀行必須做出全新的變革才能有生存之地。為此，銀行原有的產品和流程將會做出大的變革和調整，內部審計要增加組織價值，也面臨新的沖擊。在此背景下，如何提升內部審計價值將成為目前商業銀行內部審計面臨的重要課題。 一、大數據時代對銀行內部審計的影響 一是

2、審計抽樣讓位于大數據分析。大數據時代的數據挖掘是建立在全部數據的根底上，所以“樣本=總體，抽樣的作用將退居其次。 二是審計方案更有針對性。由于數據量化以及各類預測模型的使用，銀行經營中的可能出現的問題將更容易以數據的形式獲取，因此，審計方案將更靈活、更具針對性。目前實行的年度制定審計方案的方式將可能被“年度方案+實時調整的審計方案方式取代。 三是審計職業判斷逐漸讓位于數據量化。審計是一門實踐學科，經驗與直覺起到很大作用，審計職業判斷能力是最審計人員最重要的能力。但是，隨著大數據時代到來，一切皆以量化為根底，審計職業判斷將會更多以數據量化為根底，經驗與直覺將退居其次。 四是審計隊伍將不再是單一的

3、審計人員，而是由IT技術人員、統計人員、數據分析人員、審計人員的組合。審計人員的知識結構將由單一的知識結構變更為更具廣度的復合型知識結構。 五是深化審計職能。由于大數據挖掘技術的主要目的在于預測，因此審計建設職能將得到進一步拓展，內部審計將更多地參與到銀行決策過程中。 六是影響審計獨立性。大數據挖掘除用于審計模型編制外，還可以用于審計發揮建設職能，提供增值效勞，即通過挖掘大數據的相關關系用于預測未來。為此，內部審計將與銀行業務流程，特別是決策環節結合得更加緊密，這不可防止地會對內部審計的獨立性產生影響。如何既能發揮內部審計在數據挖掘分析方面的優勢，又能保持獨立性，是值得研究的課題。 七是對硬件

4、設備的要求更高。大數據時代開啟后，數據量成倍增長，所以對存儲、運算等方面的能力都提出了更高的要求。目前非現場審計系統運算時間長，速度慢，遠遠不能滿足大數據運算的要求。 二、銀行內部審計數據挖掘應用的現狀 目前銀行內部審計中非現場審計技術主要構建在數據挖掘與分析的根底之上，其核心是審計模型的編制。按用途與特性，審計模型主要可劃分為四大類，一是統計類模型，用于對審計所需數據進行統計；二是抽樣類模型，用于對審計機構或某個審計事項進行抽樣；三是賬務特征類模型，通過分析某類問題或舞弊行為在賬務上的特殊表現痕跡找出問題疑點，為現場審計提供方向，如某個不該出現貸方余額的賬戶出現了貸方余額，某賬戶日終應該結平

5、卻有余額等；四是行為特征類模型，通過分析作案手法的特征來尋找疑點，如屢次小額轉賬到某個固定賬戶。 前兩類模型用于審計管理，后兩類模型用于查找問題疑點。雖然審計模型是以數據分析為根底，但與大數據要求有很大的不同。目前的問題查找審計模型建立在因果關系的根底之上，通過發現問題在賬務或行為上表現出的痕跡從而發現可能的線索。 因此，目前的內部審計雖然運用了數據挖掘分析的技術手段，但只是開啟了大數據時代的序幕，還沒有真正進入大數據時代。表現在以下幾個方面，一是雖然目前銀行數據量已經非常大，但主要還是來源于各類交易系統產生的業務數據，以及管理系統產生的數據，都是一種結構化的數據，與大數據時代海量和非結構性數

6、據要求相比，無論是總量還是結構都還遠遠不夠；內部審計非現場數據挖掘加載的數據還不是銀行的全量數據，僅涉及主要業務系統數據，因此仍然是“小數據。二是非現場數據挖掘建立在因果關系根底之上，與大數據建立在相關關系根底之上有很大不同。三是非現場審計模型建立的目的是發現已經發生的各類舞弊行為、風險事件、違規操作，大數據挖掘技術應用的主要目的是進行預測。 雖然內部審計部門在銀行大數據挖掘中已占有先發優勢，掌握了大量歷史數據的存儲、加載以及非現場數據挖掘技術，積累了較多的經驗，但在通過大數據時代的路上還存在較大的困難。 一是審計隊伍的能力還達不能新的要求，目前審計隊伍仍以審計業務人員為主體，缺少專業數據分析

7、人員、IT技術人員、統計分析人員等；二是審計技術工具還達不到新的要求，一般審計人員僅對通用審計軟件、SAS統計分析軟件比擬熟悉，對其它數據挖掘工具了解非常少；三是思維方式還達不到要求，審計人員對大數據的特征了解不多，思維方式停留在因果關系，對于相關關系在大數據中的應用缺乏理解。 三、大數據背景下提升內部審計價值的方式及路徑 提升內部審計價值可以采用以下幾種方式：一是拓展數據源。大數據時代，數據本身就具有巨大價值。目前內部審計使用的數據只是銀行全量數據的一局部，還有很大局部未能加載使用；同時，銀行業務辦理過程中也還有很多環節未能量化，未能形成數據源，而這些非結構化的數據對于大數據挖掘至關重要。因

8、此，內部審計應大力拓展數據源，研究將未量化的信息進行量化收集、存儲。二是拓展審計模型。轉換思維方式，從目前研究因果關系尋找問題疑點，拓展為研究相關關系尋找問題疑點。三是拓展審計建設職能，通過大數據分析預測風險建立內部審計預警系統，為決策提供參考。 因此，在銀行內部審計應用大數據挖掘技術時可以采用以下幾種途徑：一是外包，二是引進大數據挖掘技術，三是聯合進行數據挖掘，四是由內部審計部門等進行自主數據利用。四種途徑各有優缺點。外包能迅速產生效果，但會在技術上長期受制于人，不能提高自身的核心能力，也不利于銀行數據的保密。自主利用方式有利于提高自身核心能力和保密，但能力提高是一個長期過程，不容易迅速產生成果。引進技術有利于提高自身能力，能較快產生成果，但投入較大。聯合開展數據挖掘也存在保密的問題。因此，銀行內部審計應用大數據挖掘技術仍應堅持以我為主，初期可以就一些非核心數據