基于知识图谱的审计智能专家模式设计与应用
2021-08-03王向阳席斌胡璟懿匡尧刘云飞
王向阳 席斌 胡璟懿 匡尧 刘云飞
【关键词】 知识图谱; 审计智能专家; 共创价值; 知识共享; 电网企业
【中图分类号】 F239.45 【文献标识码】 A 【文章编号】 1004-5937(2021)14-0140-06
随着大数据时代的发展,审计业务越来越依赖于数据。“审计智能+”整合5G、人工智能与区块链等技术,审计方法朝数据化、智能化和预见性转变和发展,审计业务实现业务数据采集、过程分析到报告生成的全过程自动化。智能审计是信息化环境、大数据时代下审计转型发展的重要技术支撑和典型发展模式,李越冬等[ 1 ]提出智能审计一般采用EDA、数据挖掘、数据可视化等新技术。张鹏[ 2 ]认为应以持续审计为基础构建综合层级持续审计,全面支持审计、管理决策。智能审计成为审计发展的一个主流方向。在中央审计委员会第一次会议上习近平指出,要坚持科技强审,加强审计信息化建设。目前,学术界和实务界普遍关注智能审计范式研究,集中于数据挖掘、过程建模、平台构建和内部审计转型等热点问题,研究独立且较分散,理论和实践经验都不够成熟。
国家电网在《信息通信新技术创新发展行动计划实施意见的通知》(〔2018〕108号)中提出要“开展基于知识图谱的全业务数据建模关键技术研究,在全业务统一数据中心构建业务数据知识图谱”。国网湖北省电力有限公司(简称国网湖北电力)以价值共创为核心,运用知识图谱四个步骤促进审计知识发现、挖掘、融合与共享,打造以“审计五库”为基础的审计智能专家模式,通过用数据说话、用数据分析、用数据聚焦、用数据决策等方式共创五种价值。该模式创新理念凸显,模式设计先进,方法科学可行,实施效果明显。
一、审计智能专家概念的提出
我国智能审计研究从电算化审计到计算机审计,再到信息化审计,全面融入大数据、云计算等新技术,逐步在技术创新、案例应用和行业推广等领域摸索与实践。毕秀玲和陈帅[ 3 ]认为我国要发挥制度、技术和人才等优势,采取升级分区域推进、技术分阶段发展等方法,推进“审计智能+”建设。杨扬[ 4 ]分析了2016—2018年上市公司数据,发现智能技术有助于提升审计质量。徐洪波(2020)设计了智能审计路径并应用于实际工作中,提高了审计工作效率。李军辉(2020)针对财务共享中心费用报销,建立审计智能预警框架,解决了审计数据的采集、知识库以及专家系统的难题。阎玺和李晓华[ 5 ]、李越冬等[ 1 ]研究了智能审计在国家电网、医院以及商业银行的应用现状和发展经验。
审计智能专家,是以审计“实体人”和“虚拟人”虚实合一为主体,人脑+智脑联合助力审计效率,运用“个人技能”+“团队技术”为科技强审手段,以“个人经验”+“机器规则”为审计行为规则,以“知识”为审计对象,“四化”路径强化作业技术能力,四个“智变”强化数据能力,与其他部门共促价值创造。国网湖北电力用数据支撑审计,用信息驱动业务,以国家电网泛在电力物联网为数据载体,基于知識图谱打造审计智能专家。
二、基于知识图谱的审计智能专家模式的设计思路与实施
(一)审计智能专家的模式设计
审计智能专家模式是“一个核心、两类思维、三种角色、四个步骤、五种价值”。具体是以价值共创为“一个核心”,形成“向信息化要资源、向大数据要效率”的“两类思维”,扮演“三种”角色,实现“淘金者”淘数据资产、“聚合者”聚数据资源、“增值者”增数据价值,将无形的数据转化为可感知的价值。如图1所示。
以能源互联网为知识源头,运用知识图谱“四个步骤”推动审计知识的发现、挖掘、融合与共享。一是知识提取。从电网半结构化数据、非结构化数据和第三方结构化数据库中采用实体、关系、事件等方法提取知识要素,形成知识图谱维度。二是知识学习。运用数据整合、深度学习技术描述知识要素之间的关系,结合第三方数据库进行知识合并。三是知识融合。以知识模板为起点,消除指称项与事实对象之间的歧义,通过网络对齐与实体对齐,形成高质量知识库。四是知识推理。通过规则推理、机器学习和质量评估进一步挖掘隐含知识,丰富、扩展知识库,形成“审计五库”,实现数据价值、咨询价值、风控价值、预警价值和团队价值五种价值。
(二)审计智能专家的功能定位
1.定位为电网海量数据的淘金者
审计人员作为“淘金者”收集“海量数据”,淘取“价值数据”,挖掘“数据资产”。(1)收集海量数据。跨业务、跨区域、跨层级,实体提取能源互联网大数据,形成类型繁多、数量巨大的实时数据。(2)淘取价值数据。基于关系提取特征指标,建立数据间逻辑联系,淘取电网生产类、电力经营类数据。(3)挖掘数据资产。基于事件提取、挖掘高价值数据,将无用“数据坟墓”转化为有用“数据资产”。
2.定位为全业务统一数据中心的聚合者
审计人员作为“聚合者”聚合海量数据资产,构建数据中心,开启“数据宝库”。(1)构建数据中心。打破数据孤岛,依托电网数据中心,实现数据多层聚合,即管理层面数据共用,经营层面数据共通,企业层面数据共享,形成全业务范围、全数据类型、全时间维度的大数据融合分析平台。(2)开启数据宝库。汇总分散数据,深度学习以聚合数据价值。知识合并以增强数据资产的业务驱动力,最大化数据应用价值,创造数据附加值,开启高价值数据宝库。
3.定位为能源互联网数据的增值者
审计人员作为“增值者”,全面促进能源互联网数据互联互通、价值互增,提升数据附加值。(1)数据互联。构建知识模板,实现实体链接。横向来看,上游连下游,以数据为源头,以业务为脉络,不同业务部门数据互联共享;纵向来看,以数据中心为核心,向上云端互联,向下物联网数据联结,不同管理层级自治,通过网络对齐和实体对齐,实现数据库互联共享。(2)数据互增。万物互联全方位、大幅度、内涵式提升数据数量、质量、能量,实现三种增值。一是汇总分散数据,增加数据数量,进行机器学习创造数据新价值。二是挖掘数据,借助规则推理提高数据质量,发现数据潜在价值。三是促进双向循环。数据来源于业务,通过质量评估增强数据能量,又反过来激活业务,实现数据反哺价值。
(三)知识图谱模式的四个步骤
知识图谱以全业务统一数据中心为基础,通过机器深度学习,收集、筛选和提炼数据,汇聚知识资源,依据关联逻辑自动构建知识间的关系,形成网状知识结构。国网湖北电力运用知识图谱的知识提取、知识学习、知识融合和知识推理四个步骤,形成数据的筛选网、过滤网、逻辑网和共享网等知识网络,达到数据规范化、业务标准化、管理精益化的目标。如图2所示。
1.知识提取是筛选网
知识提取通过人工智能和数据画像自动提取特征指标筛选电网数据,提升知识运用效率。(1)人工智能识别数据。人工智能技术全天候持续跟踪能源互联网,实现配网管理、运维管理和电网调度等业务数据实时归集,分类入库,例如:异常数据归入审计疑点库。(2)数据画像提炼数据标签。对操作者、产品属性、客户属性、业务特征等数据打标签,录入审计疑点库和审计资料库。(3)“审计五库”分析数据。梳理提炼常见问题的关键字,运用聚类算法降维处理,实现数据资产“分类整合、各归其库”。
2.知识学习是过滤网
知识学习通过吸收有用知识,清理冗余数据,整理有效数据,重建数据关联,提升后续知识挖掘效率。(1)剔除冗余数据。归并分散在电网企业生产、经营过程中的数据,剔除重复性数据,同步上报数据。(2)消除错误关联。共享跨专业、跨部门的数据,排查关联数据,核对交互数据,消除错误关联数据。(3)建立数据关联。二次核查关联模糊的数据,明确数据关联关系,清查隐匿关联数据。
3.知识融合是逻辑网
知识融合是通过知识模板寻找新关联知识点,理清数据间逻辑,推动知识“全面入库”;通过网络对齐和实体对齐,保证知识“精准入库”。(1)制度入库。明晰法律红线,防范制度漏洞,形成规章制度库。(2)资料入库。网罗数据文本,丰富资料储备,形成审计资料库。(3)疑点入库。深扒重点业务,捕捉潜在线索,形成审计疑点库。(4)问题入库。梳理问题核心,狠抓整改效果,形成问题整改库。(5)经验入库。收录优秀案例,规范操作指南,形成审计知识库。
4.知识推理是共享网
知识推理是审计知识的全方位共享,以五库共享知识储备,提升审计知识应用效能。(1)制度库共享明规定。共享整改标准和工作规范,与问题整改库共享,提升问题整改效果;与审计知识库共享,提高知识应用能力。(2)资料库共享提效率。共享业务资料和案例经验,提供审计工作方案,提升审计问题解决效率。(3)疑点库共享降风险。共享审计疑点、工作难点和风险易发点。一是共享审计疑点,促进审计“查”得准;二是共享工作难点,推动工作“做”得易;三是共享风险易发点,保证风险“防”得住,提高审计疑点捕捉效率。(4)问题库共享促整改。共享问题整改全过程,实时跟进、及时会诊,提高审计判断科学性;共享问题销号,把脉整改方案可行性,提升审计建议合理性。(5)知识库共享促联动。共享审计经验,构筑知识成果共享网络,提高审计知识成果利用率。
(四)审计智能专家的价值共创方法
1.共建规章制度知识库,“制度”上升为“知识”,共创数据价值
内审部门借助专家知识经验,以审计问题为导向,建立审计知识图谱。业务部门明晰业务流程,汇总业务规章,共享知识经验。审计智能专家作为“虚拟人”,以语义解析、分词技术为辅助手段,自动收集业务经验、自动归类业务规则以及智能问答业务咨询,形成规章制度知识库,共创数據价值。
2.共建审计资料知识库,“人脑记忆”升级为“智脑存储”,共创咨询价值
内审部门保存项目审计资料和常见问题解决方案,充分共享审计资料。业务部门收录项目资料,按序归类,共享业务信息。审计智能专家作为“虚拟人”,提取审计及项目资料,采取人机交互、人工预判和智能辅助决策,形成审计资料知识库,共创咨询价值。
3.共建审计疑点知识库,“个人经验”提炼为“机器规则”,共创风控价值
内审部门挖掘海量数据,借助个人经验深度分析异常业务,精准预判风险疑点。业务部门参考审计疑点,事前警示,事中纠偏,事后整改。审计智能专家作为“虚拟人”,提炼个人经验,运用规则模型自动收集业务数据,自动发现业务难题,自动诊断业务疑点,自动分析业务问题,形成审计疑点知识库,让风险可控、在控、能控,共创风控价值。
4.共建问题整改知识库,“个人技能”拓展为“团体技术”,共创预警价值
内审部门管理审计和业务活动全过程,建立整改跟踪程序,积累问题整改的案例、经验、模板,防范风险再发生。业务部门配合问题整改,业审联动共同识别业务难点、问题多发点,防范业务再出错。审计智能专家作为“虚拟人”,依据个人技能建立业务规则、风险规则和政策意识,自动规范“实体人”的整改行为,自动关联整改佐证材料,形成问题整改成果再应用,提前防范业务风险,形成问题整改知识库,共创预警价值。
5.共建审计知识库,“实体人”与“虚拟人”互补,共创团队价值
内审人员向数字化审计尖兵、行业审计专家和深度融合专家迈进,全方位培养“精业务、懂审计”的复合型人才和“精审计、懂业务”的审计专家。审计智能专家将个人的记忆、经验、技能提炼为数据存储、机器规则和团体技术,实现“实体人”与“虚拟人”互补,形成审计知识库,共创团队价值。
审计智能专家价值共创的思路如图3。
三、国网湖北电力审计智能专家模式应用
(一)国网湖北电力审计智能专家模式的实施办法
国网湖北电力以“实体人”与“虚拟人”联合强化业务能力和柔性能力,“四化”路径强化作业技术能力,四个“智变”强化数据能力,“虚实联合”共育审计智能专家。
1.增强审计“实体人”的业务能力,培养三类专家
做知识聚合者,培养三类审计专家。聚合行业审计专家的横向视角和深度专家的纵向视角,双向视角预判业务风险点,横纵双向联合查漏点、补缺点、扫盲点。
(1)数字化审计尖兵。做知识淘金者,培养数字化审计尖兵能力。一是以审计为基,以数字化为核,培养大数据挖掘分析能力。二是以知识图谱为线,串联数据资产,培养数据库构建能力。三是化数据为知识,创造数据价值,培养知识图谱运用能力。
(2)行业审计专家。做知识融合者,培养数据库构建和知识图谱运用能力。一是在垂直领域中归类大数据,构建“审计五库”。二是积累经验知识,强化知识图谱,锁定业务风险点,排除业务疑点。
(3)深度融合专家。做知识增值者,培养融汇业务、数字科学和审计知识的深度专家。在横向领域,提升算法性能,促数据科学增值;在纵向领域,实时排查业务疑点、难点、风险点,反推审计遗点、缺点和盲点,促审计与业务增值。
2.培养审计“虚拟人”的柔性能力,打造审计“虚拟团队”
“虚拟个人和团队”聚合柔性能力,虚实联合做增值者。
(1)聚合“虚拟个人”,形成柔性能力。打造专业、智能、灵活的柔性审计个人,横向连接数字审计尖兵,明确职责,调整分工;纵向连接行业审计专家,突破审计与业务的智能数据接口,数据互联互通。
(2)打造“虚拟团队”,形成虚拟智库。打造上下联动、人人互动、专业互补、技能交叉、协同一致的“虚拟团队”,联合审计与业务知识库,聚合跨学科、宽领域的审计知识库。
3.强化技术能力,实施“四化”路径
国网湖北电力主动培养审计智能专家的技术能力,坚持“用数据说话、用数据分析、用数据聚焦、用数据决策”,全方位实现数据采集自动化、分析明晰化、疑点聚焦化、判断智能化。如图4所示。
(1)审计数据采集自动化:用数据说话。审计数据自动化采集全方位、全天候、多角度。1)全方位自动采集。自动采集跨业务、跨流程、跨部门的海量数据,内部数据“一网通”,审计数据“全域通”,拓展审计数据广度。2)全天候自动采集。24小时数据自动采集,数据不离线,加强审计数据深度。3)多角度自动采集。整合多维数据,拓宽审计数据角度,形成数据层次图。
(2)审计数据分析明晰化:用数据分析。随需分析、自动分析、持续深度挖掘审计数据,让数据能用、易用、好用。1)数据随需分析,让数据能用。完善数据预处理,增强数据可理解性,以需求为导向,实现随需分析、随需查询、随需展现和随需发布。2)数据自动分析,让数据易用。数据“一站式”共享,分析程序标准化、辅助决策智能化、计划编制数字化、流程检查规范化,智能分析、自动调配审计资源。3)数据持续可视,让数据好用。进行数据推演、图像处理和视觉开发,提升审计信息可视化,凸显数据直观性。
(3)审计业务疑点聚焦化:用数据聚焦。审计智能专家作为“虚拟人”,横纵交叉聚焦审计疑点、难点、高危点。风险疑点细化到项目,形成横向风险监督网;风险疑点细化到部门和人员,从上到下,信息贯通,形成纵向风险监督链。1)聚焦疑点。风险监测预警模块发现疑点、警示疑点;举报监测模块实时处理、消除业务疑点。2)聚焦难点。聚焦成本核算、工程投资、电费回收等审计难点,动态管控全域、全员、全过程。3)聚焦高危点。自动聚焦风险密集区,智能排查风险多发点,实时关注业务关键点、风险高危点。
(4)审计判断智能化:用数据决策。审计智能专家作为“虚拟人”,实现事前、事中和事后的三种智能化决策。1)事前预判审计风险。关注关键业务,分析风险源头,预先识别风险征兆,及时规避风险高危点,全面提升审计预判准确度。2)事中研判在线答疑。在线解答业务疑难问题,实时更新规章制度知识,全面分享审计案例经验,提升审计疑点、难点研判的智能度。3)事后辅助关键决策。风险及时判断,评估业务质量,完善业务事项确认,辅助提升决策的有效性。
4.强化数据能力,实现四个“智”变
(1)“智”在深挖数据,个人技能拓展为团体技术,充分发挥“筛选网”作用。1)增加可用数据。审计智能专家发挥“实体人”个人技能,作为“淘金者”深度挖掘业务数据,筛选有用审计数据,开发“数据资产”。2)促进数据连接。审计智能专家作为“虚拟人”将“数据孤岛”整合为“数据中心”,促使数据跨部门整合、跨平台透明,实现由壁垒向协同、由分散向集中、由自发向可控转变的目的。
(2)“智”在过滤整合,无序收集转变为有序整合,高效发挥“过滤网”作用。1)丰富数据类型。审计智能专家发挥“实体人”主动性,运用知识图谱结构化数据库“宝藏”,形成“易储存、易查阅、易使用”的结构化数据。2)挖掘数据多面價值。审计智能专家发挥“虚拟人”的技术优势,作为聚合者打破业务壁垒和数据壁垒,开发高价值“数据资产”。
(3)“智”在专业判断,个人经验形成机器规则,充分发挥“逻辑网”作用。1)规则自动判断。审计智能专家作为“虚拟人”运用规则监测业务部门运营情况,实时掌握业务重点、业务疑点及风险频发点,及时研判、及时决策。2)规则辅助决策。审计智能专家作为“实体人”运用机器规则挖掘未知审计线索,提前预警,自动提示业务疑点,智能标记疑点业务,自动警示决策盲点。
(4)“智”在共享知识,人脑记忆升级为智库存储,充分发挥“共享网”作用。1)与智者交互。审计智能专家作为“虚拟人”,挖掘数据分析疑点,预判业务经营隐患,运用知识图谱技术实现数据增值。2)与智库共享。审计智能專家作为“虚拟人”,收集、归类、聚合审计知识形成“审计五库”,提升审计成果知识的应用能力。
(二)国网湖北电力审计智能专家模式的实施效果
1.审计专家虚拟化,虚实联合培养审计智能专家
国网湖北电力以“实体人”“虚拟人”相辅相成,打破了审计成果知识壁垒,“虚实联合”提供知识储备和辅助决策资源,培养了一批审计智能专家。国网湖北电力构建“审计五库”,初步完成知识图谱转换工作。2019年,国网湖北电力启动审计工作知识化工程,收集了国家法律法规、国网通用制度、省公司规章制度,初步完成了规章制度和问题整改库的知识图谱转化工作。
2.知识图谱化,知识库增强审计判断精准性
国网湖北电力建立审计知识的知识图谱,聚合数据仓库,建成经验库、制度库、资料库、疑点库和整改库“审计五库”,让数据能用、易用、好用,促进业务多方向融合,增强审计知识共享性。2018年起,国网湖北电力“全业务统一数据中心”聚合电力大数据,开启电力数据宝库,完成了多个地市公司数据导入、归类、入库工作,形成了地市—分公司—子公司的持续审计监督、日常审计监控、审计监督疑点体系,完成疑点的导入工作。
3.业审联动全面化,实现审计价值共创效果
审计作业智能化实现业务与技术的有机融合,实现智能分析、高效聚合“海量数据”,挖掘“业务数据宝藏”,与业务部门共创数据价值与咨询价值。2019年,国网湖北电力审计智能专家成功识别并控制上百个业务风险点,有效预警了业务环节风险,辅助提出管理建议超过千条,促进增收节支逾十亿元。
本文以数据中心为源头,以“审计五库”为载体,借助“数据采集四化”,基于知识图谱设计了审计智能专家模式,通过国网湖北电力的应用实践充分证明了该模式可行并有效。该模式通过“实体人”与“虚拟人”的结合,强化了业务能力和柔性能力,通过知识图谱强化技术能力,实现数据结构化,为审计智能化提供基础,人脑+智脑大幅度提升了审计工作效率,强化数据能力,实现了“用数据说话、用数据分析、用数据聚焦、用数据决策”的目的。审计智能专家将从审计工作“自动化”转型为“智能化”,实现审计工作知识化,由事后审计向事前、事中审计转变,实现“长链路、长周期”的静态监督向“高灵敏、短平快”的动态监督转变,实现审计监督全覆盖,形成具有中国特色的审计智能专家模式。
【主要参考文献】
[1] 李越冬,轩文爽,洪云.医院智能内部审计方式与技术研究[J].会计之友,2019(23):130-136.
[2] 张鹏.基于决策支持系统的持续审计问题探讨[J].会计之友,2019(17):58-61.
[3] 毕秀玲,陈帅.科技新时代下的“审计智能+”建设[J].审计研究,2019(6):13-21.
[4] 杨扬.人工智能技术对审计质量的影响:基于会计师事务所视角的实证研究[J].技术经济,2020,39(5):9-17,34.
[5] 阎玺,李晓华.“大云智”等新技术条件下的电网企业智能审计研究与实践[J].中国内部审计,2020(3):15-21.