商业银行的多维度大数据风险挖掘审计技术应用研究

荣欣 刘红生

[摘要]随着审计信息技术的广泛应用，如何在大智移云环境下利用新的审计技术来提高商业银行审计工作质量和效率，正成为管理者关注的重要问题。通过引入新的信息技术和手段，培养审计人员应用信息技术的能力，引入物联网和“互联网+”概念，利用大数据分析、移动审计、机器学习、非结构化数据分析以及微表情抓取分析等多维度大数据风险挖掘审计技术，突破审计时间、空间等限制，创新审计方法，加大审计力度和强度，实施审计全覆盖，既节约了成本，又提高了审计质效。

[关键词]多维度审计   大数据审计   商业银行   应用研究

本文系浙江省审计厅科研项目“基于商业银行的多维度大数据审计风险挖掘应用研究（202104170）”成果

一、研究背景及文献综述

随着新一代信息技术的发展和大数据技术的不断应用，全球进入“互联网+”的新时代。生产技术持续升级、管理方式不断变革，使得各个业务领域积极投入更加充足的资源，认真研究大数据、智能设备、移动技术和云计算等新兴技术，提高生产效率和生产能力，提升全球信息技术应用能力。

商业银行是金融系统的重要组成部分，是经营风险的特殊企业。随着经济环境的变化，受国际经济环境、国内宏观政策、金融政策的影响，商业银行业务数据量、业务处理速度和产品迭代能力不断提升。管理业务全球化和广泛化的特征，以及领导者对管理层决策速度的硬约束，使管理层对商业银行审计的质量和成效提出越来越高的要求。同时，商业银行审计也面临人力资源不足、发现问题滞后、技术手段不足、风险识别能力不佳和审计覆盖不完整的困境，审计风险日益显现。为破解审计面临的这种困境，提升审计发现问题、解决问题的能力和速度，保证领导层决策的快速响应，做好“良医”，引入多维度大数据风险挖掘审计技术识别业务风险，成为商业银行审计发展的必然选择。

回顾对审计对象业务风险挖掘的实践情况可以看出，数据分析是做好审计工作的一个重要组成部分，特别是人工智能的出现为风险数据挖掘提供了广阔前景。胡家奇（2021）、王琪（2021）讨论了大数据审计的应用方法，秦荣生（2014）指出審计要想实现全覆盖就必须利用大数据挖掘技术，实现由单一审计向批量审计转变。陈丹萍（2009）研究利用孤立点和异常值来监测异常数据，提高审计工作的质量。陈伟（2016，2017）提出了利用模糊算法进行字和词之间的匹配，查找重复的字词，实现审计的可视化。王婧（2017）利用机器学习来不断优化模型。黄长胤（2020）、陈波（2020）提出审计智能化是审计未来发展的方向。袁阳春等（2021）将数据挖掘技术应用到虚拟企业，建立风险挖掘模型来提高审计效率;钟珍（2021）又进一步将数据挖掘应用到员工行为画像，将行为与数据进行挂钩，实现多维度审计分析。杨兆群等人（2020）提出在银行审计中建立非结构化数据分析应用场景，利用Python工具对文本报告进行关键情绪的分析，揭示客户的心理变动状态。陈冬梅等（2020）提出需要构建全业务数据多维度分析体系，甘露等（2020）提出用联网审计来增强审计的实效，促进审计工作的开展。上述文献的研究多是从单一技术入手，缺乏综合性应用多技术协同的研究，应用范围多局限在业务简单的普通企业，而在业务复杂的商业银行的应用还不多见。

本文通过文献研究，从商业银行审计存在的问题入手，克服单一技术应用和综合性多技术协同不足的问题，通过积极引入物联网、“互联网+”的概念，综合运用大数据分析平台、移动审计、机器学习、非结构化数据处理、微表情抓取分析等多维度大数据风险挖掘审计技术挖掘业务风险，提高审计效率和审计质量，降低审计风险，推进商业银行业务稳步发展。

二、多维度大数据风险挖掘审计技术的内容、特点和现实意义

（一）多维度大数据风险挖掘审计技术的内容

商业银行多维度大数据风险挖掘审计技术的内容就是通过利用大数据分析平台收集客户、业务、风险等数据，利用互联网与物联网将数据分析与资产实物的管理进行关联，分析数据，实时监测。同时，引入机器学习技术，通过大数据模型的迭代学习，准确识别业务运行中出现的风险。利用银行监管制度扫描、客户签字、语音、影像识别等多维度影像分析、识别技术来分析合同、双录影像、音频、授信报告文本的准确性，提高审计工作效率和效果，降低风险。

（二）多维度大数据风险挖掘审计技术的特点

1.广泛性。多维度大数据风险挖掘审计技术可应用到商业银行审计的全过程，且具有广泛的意义。多维度大数据风险挖掘审计技术不仅能够做好审计计划，使审计程序更加完善，更能实现审计发现问题的及时整改，保障整改的效果。在审计中利用多维度大数据风险挖掘审计技术可以有效地发现商业银行经营过程中存在的问题，管理流程中存在的缺陷，减少银行资产损失，让商业银行“远离麻烦”。

2.及时性。多维度大数据风险挖掘审计技术可以及时发现商业银行管理中存在的问题和经营中存在的风险，将数据分析和图文监测嵌入到业务系统和流程中去，实时监测业务运行风险，及时预警和采取措施，提高审计的效率。

3.准确性。多维度大数据风险挖掘审计技术能提高发现问题的准确性，可以利用多数据交叉分析，内外部数据的比较，提高审计准确性。同时，可以收集更多审计证据，提高审计人员判断的准确性，有利于审计发现经营管理过程中存在问题的实质，提高审计定性的准确性。

4.复杂性。多维度大数据风险挖掘审计技术可利用数据分析、综合评价、交叉检验、多数据源比对等来综合分析商业银行经营过程中出现的复杂问题，提高审计发现复杂问题的能力，将复杂问题通过层层分解和挖掘，发现复杂问题的成因，提高审计的科学性。

（三）多维度大数据风险挖掘审计技术的现实意义

商业银行多维度大数据风险挖掘审计技术是指从监管角度、客户角度、业务角度、产品角度来进行业务数据风险挖掘，从而找到影响商业银行资产负债业务发展和系统运行安全的内在动因，及时准确发现商业银行业务运行中存在的风险，从而使审计工作能够识别风险、揭示风险、提出切实可行的建议管理风险，降低审计不能准确识别风险和深入挖掘风险根源的可能性，从而控制审计风险。

三、多维度大数据风险挖掘审计技术的策略和方法

（一）建构大数据分析平台，夯实审计质效提升的基础

大数据分析平台是商业银行审计人员利用信贷、核心业务、国际业务、客户关系管理系统等平台大数据集聚的功能，对客户维度、业务维度、产品维度、监管维度、外部数据进行分析，交叉检验，构建问题探索模型，对可疑数据进行多次的加工挖掘，实施多模型关联、外部数据的验证比较，从而发现审计疑点，进一步追踪，提高审计效率和效果。

1.构建现场与非现场审计系统，持续提升审计发现问题的能力。现场审计系统将审计的流程和程序集中在系统中，实施审计规范化的线上流程控制和日常审计业务的移动化办公，实现审计业务的标准化，利用项目规划资源管理工具，根据风险热力图的展示结果，按照风险的程度和覆盖率情况，合理安排审计项目。同时，利用审计模板、程序表来细化审计重点和审计方法，提高审计质量。商业银行审计人员通过非现场审计系统对数据结构的分析，构建数据分析模型和风险预测模型，将这些模型嵌入到业务系统中去，利用异常监测模型算法、非现场多维度模型群，定期扫描商业银行业务数据和流程，实时监测异常数据的出现，拦截发现异常交易，发现客户风险，提高审计的效率。

2.拓展审计视角有效消除误判，切实提高审计准确性和有效性。由于商业银行服务的客户众多，其业务复杂，面临来自不同客户、领域、业务的风险，要求商业银行审计人员能够从不同维度和角度来识别业务性质和风险，通过交叉检验和数据的综合匹配实现业务数据的集成，从而使审计人员能够深入认识业务的性质和风险的本质，为审计人员的正确判断提供支持和帮助。商业银行的大数据平台技术不仅可以消除由于单一抽样造成的误判，而且还可以让审计人员能够从客户角度、业务角度、员工角度、社会角度提供不同视角的审计判断，从而提高审计的准确性和有效性。大数据平台可有效应对商业银行海量交易数据、客户种类众多，交易日趋复杂的问题。

3.破解资源约束实现审计全覆盖，准确定位问题，提高审计发现问题的能力。审计资源的有限性，传统内部审计不能够实现对商业银行业务全覆盖，造成审计发现问题的能力下降。为实现审计全覆盖，商業银行审计部门应充分使用大数据平台，利用批量化模型进行数据集中处理及模糊算法、智能算法进行数据分析，提升商业银行审计效率，扩大审计范围，深入挖掘审计线索，实现单一抽样向批量运算的过渡，并由单一问题揭示向全量风险揭示转型，从点、线型审计向全面性审计转变，从周期性审计转变为持续性审计。大数据分析平台还实现了“流程”和“工具”的有效结合，根据审计目的，利用SQL语句和Python工具，筛选出跟审计目标相吻合的审计模型，对审计客户T+1的流量数据进行分析，实现审计问题的准确定位，及时发现数据的异常和业务流程控制中的缺陷，准确地发现风险、揭示风险，提高审计发现问题的能力。

（二）深入推进互联网与物联网融合式移动审计，切实保障审计业务风险挖掘的成效

互联网与物联网融合使商业银行审计可以远程进行，实现移动审计。“互联网+物联网”审计主要是利用“互联网+审计”的工作模式进行移动审计，将审计软件与银行大数据服务器进行连接，审计人员可以随时随地开展审计工作，实时对审计数据进行分析，抽检业务，审视业务审批流程，分析资金交易，发现审计问题。引入物联网，可以通过物联网技术实现对被审计单位资产管理情况、抵质押物位置、完好程度、数量进行远程审计，可视化地进行物品的盘点，提高审计效率，降低被审计单位的舞弊风险。

1.审计时空自由度获得解放，资产变动实时监控力度大幅提升。引入互联网使商业银行移动审计成为可能，互联网可以利用网络将审计工作由线下搬到线上，由现场审计变为非现场审计，审计人员可以自由安排审计时间来开展审计工作，极大提高审计工作效率。移动审计可以有效整合审计资源，将审计工作碎片化，不再局限于具体审计项目和特定审计时间。另外，物联网的使用将进一步扩展审计范围，审计人员在办公室就可以根据远程影像和电磁感应设备，及时了解被审计资产的状况，实时监控资产的变动情况。

2.网络数据管理能力的提升促进审计效率持续提高。商业银行利用“互联网+物联网”的审计模式，可以及时有效地管理商业银行网络数据，及时对网络数据进行分析，实现分析数据的共享，节约了审计人员数据分析的时间，同时实现审计流程和程序的实时网络监控，及时提炼审计工作成果，提高审计工作效率。

3.“互联网+物联网”移动审计技术促进审计制度变革，审计整改跟踪与评价成效显著提升。商业银行审计部门建立健全审计整改相关制度，审计人员可以利用“互联网+物联网”移动审计技术有效监控审计问题整改效果。一方面，商业银行审计人员可以利用移动审计平台将审计发现的问题及时反馈给被审计单位，征求被审计单位对审计发现问题的意见，充分了解被审计单位对审计问题的态度、审计整改的措施，还可以及时上传被审计单位的审计整改报告，督促落实审计整改方案，跟踪审计整改进度。另一方面，商业银行审计人员利用物联网了解审计整改涉及资产的整改变动状况，评价审计整改效果。

（三）探索应用机器学习技术，实现业务风险挖掘审计智能化

机器学习是多维度大数据风险挖掘审计技术的一个重要方面。机器学习可以极大地提高商业银行审计的效率，提高审计准确识别风险的能力。商业银行机器学习主要是建立信用风险、市场风险、操作风险识别的学习模型，通过算法提升效率，利用银行积累的大数据源库，不间断进行模型修正，准确识别被审计单位的业务风险，自动智能地提炼出风险数据，预警出可能出现风险的客户、业务、流程环节和节点，增强审计的时效性，动态监控业务风险，提高审计质效，避免出现审计识别风险的滞后。

1.及时侦测和防范业务异动，切实提升风险识别与审计成效。机器学习是商业银行审计部门利用大数据样本进行审计建模，设立智能化审计决策中心，自动对样本数据进行分析，并自动识别和预测业务风险，建立银行客户、银行账户、交易特征、交易规则数据库等，利用对历史数据进行学习和逻辑运算，不断优化模型，提高审计识别风险的能力。由于机器学习建立的分析模型是嵌入在业务系统中的，因此可以及时侦测到异常业务和异常流程，识别风险和拦截风险，完善风险识别的流程和程序，提高审计成效。

2.推进智能审计全方位化，强力延伸审计风险挖掘触角。商业银行面临着审计资源不足、审计业务领域狭窄、审计工作开展不够深入彻底的问题，以机器学习为基础的智能审计，可以利用智能机器人，实现对业务数据的全方位分析和全量数据的覆盖，将商业银行的信贷、财务、会计、国际业务、投资、银行卡、财富管理、科技管理、运营管理、安全保卫等业务全方位纳入智能审计的系统，编制适合不同业务的审计模型，涵盖每一个业务的不同阶段和流程，将审计触角延伸到商业银行的每一个角落。

3.智能审计契合内部审计发展方向，切实提升商业银行审计自动化和智能化水平。智能审计是商业银行内部审计的发展方向，利用智能化的审计程序和软件，对于可以结构化的业务数据和流程进行自动化审计，并能根据业务环境的变化，客户资源的不同，审计目标的不同，进行自主学习，优化审计监测模型，不断调整判断风险和异常的系统参数，自动给出审计结果，通过机器大脑的模拟，给出科学的审计建议和改善方案，提高审计的自动化和智能化水平。

（四）深入应用影音像处理技术，大力促进审计风险挖掘成果转化

影音像处理技术是将商业银行的视频资料、音频资料、非结构化文本资料通过视频识别、语音识别、非结构化数据识别技术应用到审计数据的风险挖掘中，及时准确地识别客户影音形象、合同文本、检验票据印章、客户面部表情的捕捉分析等数据风险挖掘，同时也可以将审计成果利用风险热力图、视屏等展示，提示审计风险，增加审计成效，降低审计成果应用不足的风险。

1.以图谱技术为基础深入挖掘交易关系和交易实质，及时揭示风险隐患，切实提高审计风险挖掘和应对能力。图谱技术是指用图网络来整合各类数据，以客户、业务、管理、监管等角度，识别和挖掘复杂关系网的技术。商业银行审计部门在对被审计单位开展审计时，可以利用多维图像识别技术，扫描识别图像和图片所要展现的内容，读取图像具体含义，利用显性、隐性关系，建立商业银行客户多维关系图，了解复杂关联交易的参与者和交易实质，分析多客户之间的交易流水，将客户的资金流与业务流进行分类识别，分层展现，深层次挖掘交易关系和交易实质，揭示存在的问题和风险隐患，快速做出审计结论，积极采取应对措施。

2.以非结构化文本识别技术为基础，推动商业银行海量文本数据的风险挖掘，大力推进审计效率不断提高。非结构化文本识别技术是通过对语言里的字、词、句进行加工，自动分析识别文本真实含义的技术。商业银行审计人员在对被审计单位审计时，可将需要审计的客户信息、调查报告、年度分析报告、业务数据报表、生产记录、销售记录、账册数据资料和交接记录、会议记录和决议方案等，通过文本资料的语义分析，提出关键字、词、句，分析文本中关键字、词、句出现的次数和频率，记录词义和分析词义的含义，进行归类，快速抓取词义中出现的异常，批量将文本资料结构化处理，提出关键字词句，比较不同文本中不同的表述差异，提高审计效率。

3.以语音识别技术为基础，提高审计风险挖掘效率。语音识别技术是通过语音识别设备，将语音数据转化为文本资料，再对文本资料进行识别转化为结构化數据，从而识别风险。商业银行审计人员通过将办理业务过程中收集到的客户办理业务的语音资料、客户访谈资料、客户的投诉资料进行整改加工，转换为文本资料，再利用对关键字、词、句的识别，从而找到商业银行审计所需要的证据材料，寻找出业务办理过程中存在的异常，发现被审计单位存在的风险隐患和管理中存在的缺陷或不足，跟踪审计问题整改的情况，推动商业银行不断完善内部控制制度，加强客户信用风险管理，合规操作，降低业务办理风险，提高审计效率，增强审计风险挖掘能力。

4.以微表情抓取分析为基础，切实提高审计风险挖掘质量。微表情抓取分析是通过观察和分析客户、员工的面部表情的变化来识别客户风险，避免出现员工道德风险的技术方法。商业银行在审计中，建立客户和员工微表情数据库，利用镜头记录客户和员工的面部微表情，通过客户和员工的面部微表情如皱眉、微笑、痛苦、愤怒等情绪的表达，发现客户或员工在业务访谈中，对于提问的态度，或者是看到业务资料、合同资料时面部的情绪表现，了解客户和员工内心的变化，侦测客户和员工的真实意思表示或者内心对于诚信的理解。以微表情识别来进行审计判断，可以快速地通过系统得出结论，可以提高审计的效率。加之由于是系统控制，极少人为判断，减少了审计人员心理变动的干扰，相应也可以提高审计质量。

四、思考与展望

通过对文献的学习，深入开展多维度大数据风险挖掘审计技术的应用研究，以商业银行审计为研究对象，采取比较分析、理论和实践相结合的研究方法，对商业银行客户信息和业务信息、业务流程等利用大数据分析平台、移动审计、机器学习、非结构化数据识别、微表情抓取分析等审计技术在审计工作中的应用进行深入研究，从中挖掘出客户风险、员工风险、业务风险的识别方法，从监管角度、客户角度、业务角度、产品角度等多维度理清解决问题的思路，总结出新的信息技术在风险挖掘中的应用途径和方法，从而提高审计质效，避免出现审计范围不足和审计覆盖不高的问题，揭示业务风险从而降低审计风险，实现审计的高质量发展。

（作者单位：浙江万里学院  宁波鄞州农村商业银行股份有限公司，邮政编码：315100，电子邮箱：962424714@qq.com）

主要参考文献

[1]陈波.人工智能技术的发展对审计工作影响的思考[J].当代会计， 2020（14）：82-84

[2]陈伟.大数据环境下基于数据可视化技术的电子数据审计方法[J].中国注册会计师， 2017（1）：85-89

[3]甘露，张斌，王灵.基于数据挖掘技术的实时联网审计研究[J].中国内部审计， 2020（6）：33-39

[4]黄长胤.审计智能化中的新技术应用及工作场景[J].会计师， 2020（21）：49-50

[5]秦荣生.大数据、云计算技术对审计的影响研究[J].审计研究， 2014（6）：23-28