基于大数据环境下企业数字化审计平台探索

2020-04-01张海超王瑞萍周秀丽

经济师 2020年3期

●张海超王瑞萍周秀丽

当今时代，大数据、云计算等正在深刻影响和改变着我们的世界，随着大数据时代的到来，使得数据种类和规模得到了空前的增长，如今数据已经从过去简单的处理对象转变为了一种基础性的资源。同时，大数据环境也给很多工作带来了更大的挑战，其中就包括企业审计工作。传统的企业审计工作以封闭和私有为主要特点，而信息的收集和整理是其最关键的工作环节之一，因为信息是连接对前面工作的总结和对后面工作的铺垫的桥梁，所以在这一工作环节中往往会消耗大量的时间和精力。但随着大数据时代的来临，人们研发出了数字化审计平台，大大提高了该工作的效率。

一、数字化审计平台应用现状

（一）管控业务审计系统

管控业务审计系统在技术架构实现上，遵循SG-EA 技术架构设计规范，采用组件化、动态化的软件技术，利用一致的可共享的数据模型，按照界面展现层、应用支撑层、业务逻辑层、数据层、实现多层技术体系设计。通过基础支撑平台的应用集成，实现国网工作业务的各接口组件能够在企业内的协同工作、各层次上集成，实现重用，以满足公司的不同业务需求，为各职能单位提供高效便捷的业务支撑，为内部业务和管理人员提供技术先进的工作平台和灵活的业务构造能力。

按照营销审计接口、财务审计接口改造的设计原则，审计提出数据需求，然后从营销基础数据平台、财务管控系统部署数据库中取数，按需采用ETL 方式将数据抽取至审计数据中心，再通过ETL 与展示处理，完成数据推送。

数据流向为：营销基础数据平台（缓存区营销原始数据）、财务管控系统（缓存区财务原始数据）→ODS→数据仓库→数据集市→管控业务审计系统。

（二）智能持续审计系统

智能持续审计系统在技术架构实现上，系统采用多层B/S体系结构，以SG-UAP 产品为开发平台，总部一级部署，实现多级应用（包含总部、各省公司、地市公司），利用一致的可共享的数据模型，按照界面展现层、业务逻辑层、公共组件层、平台层、数据层，实现多层技术体系设计。

数据从营销基础数据平台、财务管控系统部署数据库中取数，按需采用ETL 方式将数据抽取至审计数据中心，再通过ETL与展示处理，完成数据推送，包括营销审计和财务管控审计两大模块。

图1 智能持续审计系统技术架构

（三）综合管理系统

审计综合管理系统使用SoTower 开发平台，采用多层架构的设计思路，系统体系构架自上而下分可为：展现层、业务层、公共组件层、支撑层、数据层五个主要层次。如下图所示：

图2 审计综合管理系统技术架构

展现层是系统与用户交互层，普通用户只需通过Web 浏览器即可访问系统。

核心业务应用层是系统业务逻辑处理的核心层。完成系统所有核心业务的业务逻辑。

公共组件层是基于审计综合管理系统业务特点、结合数据架构定义和应用架构范围，系统提取出可封装的公共组件进行封装，减轻总体开发工作量。

支撑层是整个系统的基础数据、功能支持层，全部使用SoTower 开发平台提供的功能，减轻开发工作量。

数据层是系统所有数据存储所在，以支撑整个系统的正常运行。

根据审计综合管理业务应用的数据特性，考虑各主题域之间的业务关联度，将数据划分七大主题域。包括：审计项目规划与计划域、项目作业域、项目管理域、审计成果应用域、绩效考核域、技能管理域、资源与支撑域。

审计项目规划与计划域主要包括审计项目计划数据，是项目作业域的数据源头与依据。项目作业域主要包括审前准备、现场实施、审计报告、后续审计、项目迎审等方面的数据，根据审计计划域数据进行项目作业实施，项目作业域产生的项目成果、文档等管理数据进入项目管理域。项目管理域主要包括内审项目档案管理数据、内审项目质量考核数据、外委项目档案管理数据、外委项目质量考核数据。项目管理数据产生成果应用域数据，项目质量考核数据等衍生绩效域数据。审计成果应用域主要包括成果报告数据和成果监控预警数据，成果应用数据持续改进审计项目规划数据。绩效考核域主要包括单位评先数据、项目评优数据、人员绩效数据等。技能管理域主要包括培训与后续教育数据、专业技能交流数据，技能管理数据成为支撑审计成果报告的一部分。资源与支撑域主要包括被审对象基础资源数据、外部机构与外聘专家资源数据、审计机构与审计人员资源、法律法规与案例指南资源、报表统计与查询数据、系统参数、工作流、消息管理、代码类数据、操作日志数据等，为审计综合管理业务提供支撑。

二、基于大数据环境下企业数字化审计平台规划蓝图及功能模块介绍

图3 数字化审计平台总蓝图

数字化审计平台分为四部分：审计门户、审计管理域、审计作业域和审计基础数据域。审计门户主要作为数字化审计平台的统一入口和成果展示平台。

审计管理域主要包括决策分析、成果应用、项目管理、整改管理、日常管理、资源绩效、知识管理七个模块。其中，项目管理针对传统审计项目和持续监督审计项目进行项目全流程管理。主要包括方案计划、非现场数据分析、现场项目作业、审计报告等全过程闭环管理；整改工作目前日益重要，本次规划将整改管理单独作为一个模块，统一管理常规审计项目及持续审计监督项目产生的审计问题整改工作全过程，包括审计单位督导、被审单位整改、问题台账总览等功能；日常管理是支撑除常规审计项目外开展的其他各项工作，比如外部迎审、综合计划等工作；资源绩效主要包括内外部人员、中介机构的统一管理和考核，同时包括审计工作、审计数字化考核等内容；知识管理传承现有审计综合管理系统技能知识模块，通过搭建知识体系促进知识成果深化应用，主要规划内容为三库两模完善优化，同时新增各业务域作业指引库、规则库、监督主题库、培训管理等内容；决策分析主要基于系统内计划、项目、问题、整改等各项业务活动产生的过程性数据进行多维分析展现，为领导决策提供依据，并提供报表编制功能；成果应用是将系统内项目、问题、整改、知识等各领域的成果进行高度提炼总结，为领导关注的重点审计事项提供可视化展示。

审计作业域主要为审计人员提供了一个平台和多种手段，使审计人员可以依托审计基础数据域的数据支持，完成远程数字化审计的工作。审计作业域主要为审计人员提供了两种途径进行远程数字化审计，一是提供了自主分析库，审计人员利用自主分析库中的多种工具，如数据抽取、数据分析、SQL 工具、EXCEL 高级应用工具等，直接对审计数据进行查询和分析，从而发现审计疑点。二是提供了审计智能模型库，审计人员可以通过建模工具，在模型实验室中创建模型，利用模型发现审计疑点。对于运行效果较好的模型，可以由运维支持人员在后台固化下来，从而形成固化模型。固化模型的运行结果可以帮助审计人员开展远程数字化审计工作，实现综合联表查询、分类分层筛选、锁定疑点范围以及精准定位问题等多种目标。

图4 数字化审计平台审计作业域蓝图

审计基础数据域以全业务统一数据中心数据为基础，以审计业务库数据为补充，在省公司全业务统一数据中心建设审计基础数据平台。采用流式数据处理思路，审计业务随需采集全业务统一数据中心业务数据和审计业务库数据，降低资源占用，提升数据应用效能。

三、保障措施

（一）健全工作组织，落实建设责任

成立数字化审计平台建设项目领导小组和联合工作组，加强对数字化审计平台建设的统一管理、协调和监督，强化各成员单位在数字化审计平台建设项目中的规划、审核、实施等管理、监督和执行职能，以保证各成员单位之间具有较好的关联性、协调性和互补性，符合整体规划。明确各方工作职责和分工，统一推进数字化审计平台建设工作，在组织上为建设数字化审计平台提供支撑。

（二）集中优势资源，强化协同配合

建立数字化审计平台咨询专家库，专家库成员由国网公司系统内审计信息化方面的专家、审计业务骨干、审计系统关键用户、中电普华以及远光等业务系统运维团队专家组成，适当配置外部管理咨询成员，全程参与数字化审计平台项目建设及有关科研课题的研讨。集中优势力量，全力推动系统建设。在系统建设过程中，统一规划、协同作业，各参与方齐心协力，做好配合，建立工作沟通和通报机制，落实各项工作任务，夯实建设基础。

（三）加强人才培养，动员全体参与

数字化审计平台的建设尤其是审计作业域智能审计模型库的丰富完善，离不开全体审计人员的支持，应通过多种手段，加强审计人员的信息化教育、培训力度，对各级人员进行不同类型和不同层次的信息技术培训。把审计信息化基础知识培训工作作为业务知识的一部分,不断强化教育，培养一批精通审计信息化技术和审计业务知识的复合型人才，促进审计信息化与审计业务的有机结合，以一带多,全面推进, 提高信息化项目的建设和应用能力。同时，加大审计信息化专业人才的引进，建立梯级咨询机制。充分发挥专家库专家作用，利用外脑不断提升审计信息化理念，让审计信息化建设工作与国家、审计署信息化工作同步。

（四）完善指引建设，建立标准体系

为配合智能审计模型库的建设，应逐步建立起完善的审计全业务流程指引及审计作业域模型规则标准体系，明确智能审计模型库的服务范围。鼓励各省公司多探索各种智能审计模型，不断完善审计流程指引及智能审计模型库，全面梳理各业务流程，规则标准覆盖公司各项经营活动的各个流程，满足总部、省公司、地市公司等各级单位的审计需求。加强规则模型标准体系的管理，制定智能审计模型配置的管理流程、管理办法，加强智能审计模型库的维护工作，确保智能审计模型在审计工作中发挥最大的作用。

（五）强化技术支持，保障规划落地

高效智能的数字化审计平台建设离不开多种新进技术的支持，尤其是大数据技术，为智能审计模型的深入应用提供了技术保障。审计分析可以通过对相关领域长年累月形成的数据的分析，挖掘出某种群体行为的特点和审计线索，是未来审计的必备手段。在大数据时代，充分利用数据仓库、联机分析、云计算、数据挖掘和数据可视化等技术、把离散存储于不同系统中的海量数据彼此关系并进行深度挖掘分析，可以对企业经营情况、相关内控措施的效果进行评估，从而得出客观的审计结论，因此审计分析的智能化需要大数据作为有力保障。