数据分析工具在物资采购审计中的应用

莫满军 宋新秀

[摘要]本文介绍了SAP HANA和POWER BI两种数据分析工具在物资采购价格审计中的具体应用，并针对采购价格方面存在的风险展开多维度分析，旨在创新审计技术方法，优化管理方式。

[关键词]数据分析 物资采购 审计 应用 效果

A公司属于大型国有企业，业务覆盖全国各地，

拥有100多家分公司，信息化程度较高，特别是在物资采购方面，其物资采购管理系统已运行近十年，涵盖大部分采购业务，有较为完整的数据链，基本具备大数据分析的条件。据统计，A公司2013年至2017年累计生成有效订单上百万条，采购金额上千亿元，涉及供应商近万家。经前期审计调查，该公司在物资采购价格方面主要存在两类风险：一是价格异常高的风险。供应商可能通过操纵投标环境，相互串通，抬高价格，使企业蒙受损失；也可能由于市场原因导致物资跌价，未及时调整而引起损失风险。二是价格异常低的风险。供应商可能在招标过程中弄虚作假，把不生产或不准备供货的物资报价异常低，从而降低整体投标价格，达到中标目的；也可能存在内外勾结，降低物资质量或者多买少供谋取利益。

以下主要针对物资采购的价格开展分析，数据来源于A公司物资采购管理系统的订单数据。分析的基本思路是以A公司全部订单数据为基础，按物料编码计算各年度每项物资的平均单价，再分别测算偏差率和偏差金额，并将偏差率划分为七个等级。审计人员可依据审计时间、业务特点、关注的风险类型等情况，合理选择审计范围和重点。

一、利用SAP HANA软件对订单数据进行整理

（一）汉化并剔除冗余数据

审计人员从数据库中采集到原始订单数据，由于这些数据杂、乱、多，尤其是大部分字段名采用的是代码，并不能直接运用。首先，要对原始数据进行汉化，这是开展分析的第一步，也便于审计人员充分理解和认识数据，为下一步分析做好准备；其次，对数据的结构、特点、性质等开展分析，剔除干扰数据，寻找审计突破口。数据质量问题主要有两个方面：一是存在大量单价为0或1的作废订单；二是部分数据填报错误（如计量单位“吨”误填写成“千克”，物料编码使用错误等），可能造成偏差率的计算脱离实际。在对数据深入剖析后，通过对订单状态的选择，基本可以解决上述问题，即只保留状态为“已在ERP生成有效订单”的数据，剔除状态为“等待审批、审批拒绝、取消、已拒绝、已锁定”等的订单，剔除率为9%，基本不影响整体分析目标。

（二）对原始数据进行横向扩展

采集数据只是日常执行采购业务的工作记录，并不能马上满足审计分析的需求，因此，审计人员必须根据审计思路，在SAP HANA软件里利用SQL语句对订单数据进行扩展。本次审计中增加了“平均单价、偏差率、偏差金额、偏差档次”等四个主要分析字段，还根据A公司的管理现状，增加了“板块归属、牵头单位、责任单位、供应商内外部”等辅助分析字段，并进行了赋值。

1.计算平均单价。以每种物资编码为基础，分别计算各年度的平均单价。使用的SQL语句是：select substring （to_char （to_date （"创建日期"，

'YYYYMMDD'）），1，4） as "年"， "物料编码"，

avg （"含税单价"） as "平均单价" from "订单" group by substring （to_char （to_date （"创建日期"， 'YYYYMMDD'）），1， 4）， "物料编码"。

2.计算偏差金额。将每项订单的含税单价减去平均单价，再乘以数量。使用的SQL语句是：select * （"含税单价"-"平均单价"）*"数量" as "偏差金额" from "订单数据"。

3.计算偏差率。将每项订单的含税单价减去平均单价，再除以平均单价。使用的SQL语句是：select * （"含税单价"-"平均单价"）/"平均单价"

as "偏差率" from "订单数据"。

4.设定偏差等级。为了便于分析，将采购单价偏差率设定七个档次，即小于-100%为一档，-100%至-50%为二档，-50%至0%为三档，0%至20%为四档，20%至50%为五档，50%至100%为六档，100%以上为七档，偏差越高，说明存在的风险就越大。使用的SQL语句是：select * '7' as "偏差率等级" from "订单数据" where "偏差率" >= 1，并分别对不同区间的偏差率进行赋值。

二、利用POWER BI软件构建数据分析模型

数据整理完成后，使用POWER BI分析工具分别从年度、板块、分公司、牵头单位、责任单位、物料大类、采购权限、供应商、内外部归属等9个维度构建分析模型，如图1所示。该分析模型主要包括三个部分：第一部分为切片器区域，审计人员可根据需要从上述9个维度进行数据筛选；第二部分为图像可视化区域，根据分析思路，可以按饼状图、柱状图、散点图等形式进行展示，且点击图中相应位置还可穿透查询其相关数据；第三部分为原始数据区域，可随时根据筛选条件，显示订单数据。此模型最大优点就是便捷、实用、灵活、易操作，可适用于审计人员在价格分析时的多种思路，满足不同审计需求。

三、数据分析模型的审计应用

（一）数据分析的考虑因素

1.在分析价格偏差时，要充分考虑采购时间、产品品牌、进口与国产等各种合理因素以及数据质量方面的问题，排除合理差异原因后，锁定审计重点。

2.修正偏差金额。在计算平均单价时，价高的物资会抬高均价，导致偏差金额失真。因此，在分析具体物料偏差时，需排除此因素，要根据具体采购情况，重新确定合理单价，计算偏差金额。

（二）数据分析的审计效果

1.异常订单总体情况。这里的异常订单是指含税单价偏差率大于50%的采购订单。按照单价偏差的程度划分为两个等级，即偏差率50%至100%为一档，偏差率100%以上的为一档。通过上述分析模型，选择两个筛选项：一是“年篩选器”选择2013年至2016年，二是“偏差等级筛选器”选择上述两个等级。经查询，2013年至2016年异常订单共三十多万条，采购金额近百亿元，偏差金额数十亿元，说明A公司在物资采购领域还有很大挖潜增效的空间。

2.按不同维度分析。根据审计思路，运用“切片器”功能，可分别按“板块、分公司名称、偏差率等级、供应商的内外部、物料级别”等进行筛选；运用分析模型的“堆积柱状图”等功能，可分别按“单位、物资类别、供应商、责任单位”等维度展示采购价格偏差水平，并可穿透查询相应的偏差订单；运用“筛选器”功能，输入某一项物资的编码，还可以查询该项物资的总体采购情况，便于综合对比分析。在此简要列举四种情况：

（1）按采购单位分析。这符合审计项目运行模式，主要侧重于分析各单位的物资价格水平，有利于分清主体责任。在分析实例中，审计人员按偏差金额的大小进行再排序，锁定了11家分公司，其偏差金额占75%，单位数量占17%。然后，对上述单位进行了重点审查，发现部分单位存在未严格履行招标程序、议标程序不透明、越权采购、管理层舞弊等问题，这是造成采购价格偏高的主要原因。

（2）按物资类别分析。主要侧重于分析各类物资采购价格水平，可有针对性地发现偏差较大的物资类别，及时锁定重点审查对象。通过模型分析，发现A公司的化工产品、煤炭、专用管材、仪器仪表等物资偏差金额较大，为降低成本，审计建议将这些物资的采购权限上收，实行统一集中采购，进一步压缩下级单位操控价格的空间。

（3）按供应商分析。主要侧重于对某一个供应商整体供货情况的分析，针对性较强，将总体偏差金额较大的供应商作为分析重点，审查是否存在内外勾结、抬高物价的现象。通过模型分析，发现两方面问题：一是部分供应商普遍供货价格偏高；二是部分供应商针对不同分公司供货价格存在较大差距。审计要求各分公司进一步查明原因，降低采购成本。

（4）按责任单位分析。主要侧重于分析各责任单位的物资管理水平以及采购制度执行情况，根据A公司的管理特点，各类物资分别由分公司负责物料编码管理、集中采购价格管理等。通过模型分析，进一步加强对责任单位的业务督导，优化管理方式和管理机制。

（三）数据分析的合理化建议

1.加强物资系统管理。一是规范物资编码使用，为A公司物资采购管理、信息化应用、数据统计分析等提供保障；二是加大推广力度，出台相关政策，鼓励未应用系统的分公司积极上线运行，提高系统上线率；三是加强业务管理和员工培训，减少系统无效订单。

2.强化集中采购措施。由于同类物资在不同分公司价格差异较大，因此，在总部层面要加强集中采購力度，积极通过公开招标或邀请低价优质供应商投标等方式，有效调动供应商之间的良性竞争，最终降低A公司的物资采购成本。

3.积极推进分散核实。对分析中发现的异常订单，由于数据量较大，将采取分散核实的方式，由两级审计机构分别核实，总部负责审查偏差率在100%且偏差金额500万元以上的异常订单，分公司负责审查其他异常订单，并对核实的问题进行严肃追责。

（作者单位：中国石油天然气股份有限公司华北油田分公司，邮政编码：062552，电子邮箱：sjzx_mmj@petrochina.com.cn）