在信息技術飛速發展的大形勢下，各行業的信息化水平也在迅速提升，計算機審計取代過去傳統的手工審計，成為現代審計領域的一個重要課題，因此審計行業面臨著前所未有的挑戰和機遇。

一、大數據環境下的內審短板

數據管理技術、聯機分析處理、數據倉庫技術，已經服務于金融、保險、電信、郵電等多個行業領域，為經營管理者提供了寶貴的決策性支持，但其在審計行業的應用，還只限于探索階段，或只關注其中某個技術與審計結合，或局限在某個特定的審計領域。隨著技術不斷成熟，以數據模型分析為支撐的非現場審計必將逐步成為新常態，這就對內部審計工作提出了更加嚴苛的要求。

1. 審計數據體量大，且具有不一致性。在信息技術高速發展的時代，被審計單位積累了大量的業務數據，并且仍在急劇增長。審計數據來自不同的業務信息系統，例如會計核心系統、信貸管理系統、企業信用信息數據庫系統等，因此這些數據難免具有不一致性，諸如異構、冗余、缺值、數據類型不一致、數據單位不一致、表示方式不一致、數據錯誤等。

   
   

2.現代計算機技術利用不充分，審計效率及質量不高。在進行數據分析時，很多內審工作者仍只能靠簡單的表或記錄查詢，仍局限于依靠審計人員積累的審計經驗來發現異常數據，隱藏信息不易暴露，常有漏審、誤審等現象發生。基于“大數據”的審計模型覆蓋面不夠，基本上憑經驗選樣，精準打擊能力不強，直接影響審計效率和效果，實際投入產出比不高。  

3.審計時限難以保證。審計工作是一項復雜的任務，在實際操作中，每項審計任務均受到審計時限的限制，力求提高審計效率是刻不容緩。而面對龐大的數據模型，要穩準狠的直擊命脈非常困難，因此需要耗費審計人員大量時間進行數據去噪、定位、核準，勢必影響時效性。

4.審計人員數據分析能力有待提升。近年來，各金融機構推出的金融產品日新月異，而審計人員擁有的經驗和知識往往無法處理超越知識范圍的審計問題，這樣就很難將審計程序建立在對行業知識的充分理解上，最終影響審計成果的質量。

一是負責模型分析的內審人員需要了解信息系統間的數據流向是怎么樣的，來源是否真實可靠，是否存在數據整合的必要，如果對這些根本性問題認識不清楚，往往會導致在確定審計范圍時產生遺漏。

二是在信息加工處理中，信息科技部門封裝了信息處理的過程，其內部處理邏輯、運算的中間環節對于各個法人機構的審計人員而言都是獨立的，傳統的審計線索全面隱性化，這就對數據分析人員在無形中提高了門檻。

三是信息技術的運用改變了金融機構的運作模式和工作方式，傳統審計技術針對問題特征可能已經消失，或者發生了改變，內審人員的經驗可能無法簡單移植，從而喪失了針對性。同時，面對海量數據，傳統的抽樣方式難以覆蓋大量的數據，對于不同來源的數據缺乏足夠的洞察力，覆蓋性方面也難以提供更強的審計信心。

四是信息化環境下，內審人員必須熟悉掌握信息技術的運用和信息系統的風險及控制，對審計的策略、范圍、內容、方法和手段有足夠的認識，獲取充分、適當的審計證據，才能對被審計單位提出適當的審計意見。

五是不同行業數據量的不斷增長，審計經驗往往落后于數據量的增長，這種經驗與數據的非同步性，往往隱藏著較大的風險，增大了審計失敗的可能性。

二、新形勢下的審計工作建議

“弄潮兒勇向濤頭立，手把紅旗旗不濕”，與時代齊步本就是全體審計人員共同的政治使命，盡管部分審計工作者由于個體認知水平差異及傳統審計觀念束縛，也存在力度掌握不準、尺度把握不一、評判就有主管隨意性等問題，但只要跳出小格局，由表及里、追本溯源的深挖不足，加強業務學習，堅持“一張藍圖干到底”，以“晝無為、夜難寐”的責任感和緊迫感要求自己，就定能完成蛻變，補齊審計工作短板。

1.進一步完善數據庫，保證信息來源的可靠性?；诟鹘鹑跈C構現有的內部審計數據信息平臺與數據分析挖掘平臺，提高基層機構經營與管理信息的采集能力，以此為基礎開展審計抽樣、風險評估等多維分析，提高精確度。對于數據源的多樣性，要確定數據抽取策略、數據轉換機制，對于噪聲數據如缺值、數據單位不一致等，則要明確數據凈化方法，注意去掉重復記錄等，保證加載到數據倉庫中的數據是集成的、一致的。另外，只有被審計單位提供了真實的數據，才能保證凈化、轉換、加載到數據倉庫中的數據的有效性。

2.切實提高審計的人員勝任能力，為數據信息審計開展提供人才保障。要提出具有建設性的審計結論，從經營管理的視角提出建議，就必須打造一支具備綜合素質的人才隊伍，不僅要擁有傳統的財會、信貸、審計知識，還要掌握風險管理、戰略管理、信息技術等知識儲備，甚至要組建一支金融數據分析師隊伍，專注于研究模型、數據分析和線索提取。要善于挖掘現有審計人員的潛在空間，通過開展培訓、后續教育、特別是充分利用審計條件與業務部門的橫向交流機制，通過掛職交流、跟班學習、崗位互換等形式，豐富審計人員的實踐經驗，從各個維度培養審計人員查證分析和提出建議的能力。

3.充分利用關聯規則方法在審計數據分析中的應用。如何有效的分析被審計單位的海量數據是審計人員面臨的一個重大問題，這就需要審計人員充分利用多種技術以便改進審計方法。關聯規則分析是數據挖掘領域常用的一種算法，它從數據的細節或者事物中抽取頻繁出現的模式，挖掘隱藏在數據之間的相互關系，主要用于發現隱藏在大數據中有意義的聯系，在實際操作中。主要包含兩個步驟：首先找出數據集中所有的頻繁項集，然后根據頻繁項集產生強關聯規則。在關聯規則分析法中，Apriori算法是一個經典的頻繁項集的挖掘算法，很多算法都是基于Aprior算法而產生的，理解Aprior算法是理解其它Aprior類算法的前提，同時算法本身也不復雜，因此值得好好研究一番。例如：可以將形成不良貸款原因總結出流動資金不足、應收賬款結構不合理、或有負債過多、利潤率持續下降、利息保障倍數下降等眾多特征，法人機構可以挑選本地實例進行對照分析，利用Apriori算法的計算步驟，合理設定置信度和支持度，我們就可以得到易出現不良貸款的客戶特征集項，或者出現風險特征時，伴隨而至的其他必有特征。這有利于對海量數據進行智能化和多元化的分析、關聯，從而發現審計線索，幫助審計人員正確作出決策。

4.借鑒大數據審計“1拖N”模式，嘗試解決審計全覆蓋問題。該方法是引入經濟學最前沿的“區塊鏈”運營和技術模式，與審計學最前沿的大數據運營和技術模式相融合，創造出的一種全新的審計運營和技術模式，是經濟學與審計學的交叉共融和創新創造。該模式有效解決了審計全覆蓋問題，統一性強，數據量大，成果多，效率效益高，現已在全國各地推廣應用。但該模式也有一個弱點，無法滿足N個單位的個性化需求，不能為N個單位出具獨立審計報告，也正因為無法滿足個性化需求和出具獨立審計報告，其對N個單位的全面拓展和深度挖掘方面略遜一籌。

來源：農信金融人