瓦力游戏

提交需要
*
*

*
*
*
立即提交
点击”立即提交” ,批注我理解并赞成 《瓦力游戏科技隐衷条款》

logo

    产品与服务
    解决规划
    技术支持
    合作发展
    关于瓦力游戏

    申请试用
      浅谈内部审计中的“大数据审计”——数据分析及规定模型
      颁布功夫:2024-10-22 阅读次数: 2728 次

      一、大数据审计是什么


      谈到“大数据审计」剽一名词 ,作为专业审计人员的我们都有听说过 ,但“大数据审计”到底是什么、到底要做什么 ,可能一部门人就不能很好的回覆出来。其实“大数据审计”就是利用大数据的思想步骤进行审计分析的一种统称。与传统的审计相比 ,大数据审计越发强调事物的整体性和有关性 ,随着现代企业利用数据的不休增长 ,传统的抽样审计的步骤无论是精确性还是时效性都慢慢的无法满足需要 ,而在大数据思想和推算机辅助审计技术(CAAT)的支持下 ,审计人员能够对查抄主体的所有有关数据进行全覆盖审查 ,在审计查抄过程能够通过发现数据的有关性 ,从中找到法规 ,而后进行逻辑推理和判断 ,进而确认差距。

       

      二、大数据审计的基础


      大数据审计的利用必要肯定的基础支持 ,这些基础蕴含:数据的基础、人员的基础以及治理层支持的基础。


      1.数据的基础


      数据的基础能够分为数据的线上化、数据的可采集以及数据的可用三方面。


      (1)数据线上化。大数据审计最沉要的基础就是数据的线上化 ,能够说若是数据没有线上化就无法通过推算机做大量、全量的数据分析 ,就更不要提大数据审计了。其实近些年来 ,大部吩祗业都在做数据线上化的工作 ,好比瓦力游戏0A审批系统、财政系统、ERP系统等。但在好多公司中 ,各个系统之间都是相互独立的 ,而大数据审计的优势之一就是即便分歧系统的数据无法互通 ,仍可采通过集数据进行关联性分析 ,急剧正确的发现数据的异常。


      (2)数据可采集。当然 ,只罕见据线上化是不够的 ,分歧系统后盾数据的大局是各不一样的。我们不能在系统后盾中直接做数据分析 ,而是必要将系统后盾的数据采集到本机 ,转化成我们必要的体式(通常为XLS或CSV体式)进行分析。这就必要保障数据是能够采集的。首先我们要获取各系统数据库的接见权限 ,在系统的数据库中通过使用编写结构化说话(SQL)剧本的方式来获取我们必要的数据。


      (3)数据可用。有些系统由于未做输入限度或输入校验 ,导致我们在数据的采集过程中会得到一些无效数据(如:借方金额的字段中包合:字母、符号、空值等对我们分析造成影响的数据)。对于这些无效的、缺失的数据 ,进行适当的剔除 ,以及统一体式不ー致数据的整个过程 ,能够统称为数据洗濯(Data Cleaning)。数据洗濯后便得到了数据分析的基础数据。当然 ,若是在数据提取过程中发现大量数据为无效数据 ,则应该多去关注一下操作人员及系统自身是否存在其它问题 ,这另当别论。


      2.人员的基础


      大数据审计是步骤 ,而执行大数据审计的主体是专业的审计入员。审计人员必要把握数据分析的根基技术 ,以及对分析过程中异常的、有价值的数据进行识此外能力。除了日常工作中的堆集以表 ,还必要审计人员去进建提升数据分析的技术。这对审计人员来讲是一项新的挑战。通常情况下 ,能够通过表部机构培训、同业业或有关行业进建互换以及组织内部进建等方式达成主张。


      除了必要提高审计人员自身的数据分析技术表 ,在一些大型金融企业中还专门建设了IT人员支持大数据审计。好比:在一个风险模型的运营团队中 ,通常蕴含了业务专家和模型开发人员两种角色。业务专家通常由经验丰硕的审计人员担任 ,基于对业务流程的熟悉以及既往的审计发现 ,提供模型的构建线索 ;而模型开发入员通常由IT入员掌管 ,部门审计入员作为辅助角色 ,掌管模型逻辑的编写、验证工作及后续的上线工作等。


      3.治理层的支持的基础


      还有一个沉要的基础是公司治理层对大数据审计的支持。在一个尚未发展大数据审计的公司 ,大数据审计必要在系统、数据的和人员的培训与招聘方面破费不菲的用度。由于内部审计的工作性质 ,导致其自身险些不产生经济放益 ,而大数据审计建设的初期 ,由于系统数据尚未完整、人员技术能力尚末达标的等成分 ,很难做出成就 ,也往往达不到治理层预期。所以作为大数据审计的推动者 ,首先自身必要足够相识大数据审计的具体步骤及全流程 ,结合本企业的现实情况 ,预估必要投入的资源 ,并造订项目蓝图及具体可行的执行步骤 ,赐与治理层较为明确项目打算——项目阶段、资源需要、阶段性达成功夫节点以及预期的达成情况等 ,让治理层领略大数据审计的投入和产出、以获取原谅和支持。

       

      三、数据分析及规定模型的构建步骤


      基于以上的基础 ,审计人员便能够对海量的财政、业务数据进行数据分析。大数据审计步骤从宏观角度能够分为“事中节造:规定模型监控”和“过后审查:数据分析”两个部门。


      1.事中节造:规定模型监控。是以成立、运行规定建模的方式达到监控异常数据 ,将尚未发生或发生中的风险进行节造的主张。规定模型成立的素材起源通常是本公司既往发生过的风险事务、表部单元及监管部门公开批露的风险事务 ,同时也可所以审计人员在项目风险评估中发现的风险事项。将一件风险事务中风险的具体阐发规定进行折分 ,便能够形成风险标签。风险标签通常情况下蕴含以下成分:风险事务发生的对象、风险事务的名称、风险事务可利用的审计场景、风险事务的成因及起源、可影响风险事务的可造成分、可造成分引刮风险的临界值等几个身分。


      当然 ,单一风险标的利用领域有限 ,通 ;峤鼍劢乖谝桓龅闵 ,不能从多方位去分析问题 ,因而将多个可关联的统一对象的风险标签进行组合 ,便能够对这一对象进行多维度的分析 ,这便形成了规定模型的雏形。通过规定模型的利用 ,可实时将系统中切合模型设定前提的数据提取出来 ,实时传递给审计人员 ,以审查核实异常。当然 ,规定模型是必要查抄人员在查抄过程中不休的验证是否真实存在异常 ,还是瓦力游戏模型设计前提存在瑕疵。通过找出影响模型正确性的成分 ,发现到底是短缺或冗余了哪些前提 ,并将能够优化的建议提交给模型开发人员进行优化。


      这里还存在一个问题 ,就是固然风险点起源多种多样 ,但是模型验证的数据通常都为本公司的数据 ,这些数据到底数据够不够“大”呢?其切实一些技术成熟的金融企业 ,风险模型自身已经作为一种“产品”来存在。一个成熟的风险模型不只能够满足本公司的审计需要 ,同样也交给同业业其他公司使用。同业公司在使用过程中能够将模型的使用情况进行反馈 ,这样同业公司既节俭了研发投入 ,本公司也能够在优化模型的同时获取肯定的增值效益。这也许是审计发展中一种怪异的“衍生价值”吧。


      2.过后审查:数据分析。是在审计项目中 ,针对有的数据 ,使用数据分析的步骤找出异常数据 ,进而确认问题的一种步骤。与传统的抽样审计步骤相比 ,大数据审计通常使用的是全量分析的方式 ,越发关注数据之间的整体性与关联性 ,而不局限于某个个别的单独个性。


      数据分析的步骤有好多 ,这里举一个视图法的例子:为了更好的让信息接管人鉴别信息是否存在差距 ,通常使用一些可视化的工具图表 ,以便于使用者可能直观的发现异常情況。对一些大中型企衣反说 ,由于其数据量重大 ,传统的EXCEL工具受限于有限的处置据的能力已经无法满足需要 ,而 EXCEL比力好的代替工具是一款由斯坦福大学开发的名为Tableau的软件 ,它处置数据的能力越发壮大 ,并且它能援手分析现实存在的任何结构化数据 ,可在几分钟之内天生美观的图表、坐标图、仪表盘与汇报。利用 Tableau 轻便的拖放式界面 ,能够自界说视图、布局、状态、色彩等等 ,援手展示自己的数据视角。并且最为沉要的是 ,它可能支持txt文本、XLS文件、SQL以及Oracle等多达45种体式的数据。以分析财政明细账的用度科目操作为例:


      Tableau软件能够将科目名称、期间、经办人、报销次数、报销金额、成本中心等元素“拖拽”到横纵轴上 ,并以柱状图、线性图、散点图、面积图等多种图案相结合的方式进行展示。使分析人员可能很直观的观察到哪些样本的报销次数较高、报销金额较大 ,哪些报销人对同时应多个成本中心、报销次均用度较高、报销期间较为集中等 ,以分歧方向发现数据异常。

       

      四、大数据审计的误区


      在部吩祗业中 ,大数据审计工作存在着一些误区 ,有的误区会影响到了审计效能 ,而有些误区更是将整个审计的方向“带歪掉”。


      1.过度依赖数据


      无论是事中节造还是过后审查 ,大数据审计都只是工具。审计人员的主张不是分析数据 ,而是通过确认和征询服务发现风险 ,实时给治理层提供建议以保障股东及其他利益有关者的权利最大化。审计人员不应该仅把眼光放在数据方面 ,更应该熟悉组织 ,相识组织所有者的关键需要 ,并时刻维持风险的鉴别与预判能力。我们分析出的数据要有价值 ,对企业要有援手 ,不然任何数据分析都是镜花水月、一纸空谈。


      2.人员分工不明确


      部吩祗业中由于职责分配不清澈 ,在没有IT人员的技术支持下 ,由非专业的审计人员在全程掌管模型的开发与运维工作。受限于专业技术水平 ,往往起源于金融、财政、业务、审计等专业的审计人员无法很好的实现像规定模型构建这类全流程工作。其切实大数据审计中 ,出格是构建规定模型的工作中 ,必要审计人员与IT人员通力合作。本着术业有专攻的准则 ,审计人员与IT人员都应该阐扬各自专长:审计人员应担任起业务专家的角色 ,提供风险点、提供查抄思路 ,拆解风险标签 ,为IT人员提供模型构建的基 ;IT人员应掌管后端的剧本撰写 ,剧本转换及后续的规定模型构建、上线、运维的工作。而审计人员同时也应参加模型的测试工作 ,找出影响模型正确性的成分 ,实时将优化建议通报给IT人员 ,以提高模型的正确性。

       

      五、大数据审计与传统抽样审计


      那么是不是有了大数据审计 ,就不必要传统的抽样审计了?其实并不齐满是这样。固然目前审计总体的发展趋向是由抽样审计向大数据审计演变 ,但是:


      1.对于大部吩祗业而言 ,受限于信息化、数据化过程的缓慢 ,采集信息渠路的匮乏及审计人员数据分析技术水平欠缺等成分 ,大数据审计还临时无法实现 ;


      2.相对于新生的大数据审计而言 ,抽样审计已经存在、发展了很长功夫。我们从最初的单一随机抽样钻研出了多种多样的抽样步骤 ,而各类抽样步骤均有其幽微及可取之处。大数据审计与传统抽样审计两者并非“非黑印白”的关系。大数据审计终于是新生儿 ,我们能够汲取前人经验、思路、教训 ,用以完善新滋事物 ,这才是可持续发展的路路 ;


      3.部门纸质资料(如合一致)是无法数据化的 ,由于其无法使用通例的数据分析步骤 ,也没必要齐全数据化。


      综上 ,对于大部吩祗业而言 ,抽样审计步骤仍有其存在的价值。

       

      六、实现语


      我们在日常审计工作中会遇到分歧的风险事务 ,把握“大数据审计”步骤的我们可能更容易的通过数据发现异常 ,但是我们不能仅仅通过异常的表象就进行判定。没有两件齐全一样的风险事务 ,每个类似的风险事务产生的原因都不尽一样逐一其背后都暗藏着的不一样的故事。审计人员应该是一个会读故事、懂故事、讲故事的人。利用好大数据工具 ,我们可能更好的“读”出每个风险事务成因 ,“懂”得业务流程的幽微环节 ,“讲”出企业存在风险 ,为董事会及利益有关者披露风险 ,削减损失 ,这是内部审计人员的职责地点 ,更是内部审计这个职业的魅力地点。


      转载

      瓦力游戏| 首页 -瓦力出品,必属精品 免费试用
      瓦力游戏| 首页 -瓦力出品,必属精品 服务热线
      瓦力游戏| 首页 -瓦力出品,必属精品

      顿时征询

      400-811-3777

      瓦力游戏| 首页 -瓦力出品,必属精品 回到顶部
      【网站地图】