大数据审计在商业银行的应用研究

黄勤璇 沈阳大学商学院

一、绪论

1.研究背景及意义

（1） 研究背景

近几年，随着大数据时代的到来，商业银行的经营模式发生了很大的变化，呈现出数字化、业务数据规模巨大、风险控制模型化等特征。在此背景下，大数据已成为各大银行最重要的竞争优势。国家审计机关、银行监管机构和内部审计行业协会都充分认识到大数据驱动的审计对未来监督体系转型的重大影响。因此，他们持续出台了多项内部审计相关的法规和准则，强调了内部审计的重要性，并不断提高内部审计的地位和权限，推动内部审计的转型升级，以充分发挥内部审计的作用和价值。

在大数据背景下，如何应对大数据环境下的内部审计问题亟待解决。拓展大数据技术在内部审计中的应用领域，深度挖掘数据背后的价值，实现商业银行内部审计向信息化方向的转型，这是商业银行内部审计能否实现可持续发展所面临的一个重要问题。对于审计人员来说，要跟随时代的发展步伐，改变传统观念，学习建立大数据审计的思维模式，提升自己灵活应用大数据技术进行审计的能力。在审计工作中，要善于运用大数据技术，发现审计中的疑点，并根据疑点线索找出审计中的问题。基于此，可以对数字化审计模式进一步有效推广，并提高审计监督的时效性，从而更准确地发现存在的疑点线索，也可以更准确地找到问题存在的原因。

当前，针对大中型银行结构化数据的大数据处理技术已经相对成熟，对半结构化、非结构化数据的研究也逐步展开。随着信息技术的发展，银行经营的管理模式发生了变革，这为银行内部审计工作的发展创造了一个良好的环境，但也带来了一些挑战。

在大数据背景下，为了让银行能够更好地发展，必须以价值创造为出发点，将大数据技术应用到内部审计工作中，充分发挥大数据审计的功能。根据国内外学者的研究成果，本文以大数据技术和内部审计相关理论为指导，从理论上分析我国商业银行大数据技术在内部审计中的应用现状及存在的问题，并提出相应对策。

（2） 研究意义

近几年，为了应对与组织运营相关的内外数据爆炸性增长，内部审计已逐步在实际工作中构建了大数据分析体系，并持续加强数据的应用分析，以便全面、主动地揭示组织的风险，从而提高内部审计的价值。然而，由于内部审计师的数据分析能力相对较弱，迫切需要一种高效的数据分析方法，以降低内部审计师使用数据分析技术的难度，从而提高数据分析水平。

大数据技术的应用将为企业内部审计带来新的变革，同时也极大地提高审计范围、审计效率和审计质量。但是，当前在商业银行内部审计中，应用大数据技术的理论研究还不多。

2.文献综述

（1） 研究现状

在国外，对这些问题的研究大多侧重于数据的构成与分析应用，而在大数据背景下，商业银行的内部审计问题，主要是围绕着大数据技术、计算机辅助审计技术的应用和它所带来的作用。本文认为，要实现我国商业银行的数据型审计，首先要从理念上进行改革，其次要探索大数据技术，了解大数据的特点，才能更好地应用。

方智（2019）认为，“大数据驱动下，银行内部审计将全面优化内部审计的内容、思路、目标、技术等，用数据挖掘替代验证，用大数据智能审计替代人工审计”。该系统采用计算机技术构建数据库，并采用云计算技术进行数据整合，解决了传统内部审计难以解决的问题。孙靖（2020）认为，在内部审计中要充分利用大数据技术，并建议审计人员应该从各个角度着手，建立与之相适应的信息资源，从而为企业的内部控制、风险管理和内部审计打下坚实的基础。不管是在风险评估、控制测试、实质性测试等方面，还是在编制审计报表和报告的过程中，都可以从数据的关联中挖掘出有用的信息。

对于大数据背景下的商业银行内部审计的机会与挑战，许多专家都提出了自己的看法。张红兆（2020）分析了外部环境变化对内部审计的影响，提出要使内部审计由“依赖经验”到“依赖数据”的转变，需要从内部审计风险预警、内部审计流程、内部审计平台和内部审计人才素质四个层面着手。

（2） 文献述评

通过对近几年来大数据技术与银行内部审计有关的文献的查阅，相关的理论与实践的研究还很缺乏，而内部审计作为商业银行的一项内部业务，对外披露的信息相对较少，大数据技术在商业银行内部审计中的应用更是鲜见。在实践中，对结构化数据处理的应用比较多，一些商业银行在内部审计过程中，主要是对结构化数据展开处理和分析，而对半结构化和非结构化数据的应用仍处于探索阶段，到现在为止，还没有成熟的技术手段可以对半结构化和非结构化数据进行处理和分析。

综上所述，商业银行内部审计工作中应用大数据技术还存在很多应用效果的问题：

一是缺乏大数据的处理能力。商业银行属于数据密集型产业，数据量大，信息化程度高，信息系统类型复杂。因为历史的原因，各个部门主导的应用系统在构建之初，并没有对数据的规范化进行全面、系统的思考，导致了数据孤岛、数据竖井等现象的出现，并且各个系统间的数据规范化还需要一个比较漫长的数据治理过程。目前，大数据审计主要针对的是结构性数据，而对于文本、图片和地理位置等非结构性数据的处理则相对滞后。与此同时，现有的大数据审计平台通常都是以传统的数据仓库为基础，具有较低的计算效率和可扩充性，不能适应大规模用户行为数据分析的需要。

二是对结构化资料的处理规范进行了改进。首先，在商业银行中，各种类型的应用系统都有其自身的特点，因此，在新的应用系统中，应尽量避免出现不统一和不规范的情况。另外，由于历史的原因，在构建原始的应用系统时，会出现数据检查机制不严格，数据清洗不充分，相同内容的字段描述类型不一致，存储不必要的字符等问题。

三是在运用半结构性和非结构性资料时，缺乏成熟的经验。在审核过程中，半结构化资料与非结构化资料一样，都是很有价值的资料。但是，这些数据的种类繁多，难以对其进行统一、规范化的处理。一方面，由于数据存放分散，种类繁多，各类数据和文件分散存放在不同部门，给审核员整合信息带来了一定的难度。另一方面，对于半结构化和非结构化数据的处理经验不足，有些数据的内容没有规律可循，其表达方式也缺乏规律，因此审计人员很难对信息进行处理，也很难对有效的信息进行筛选，还不能像对待结构化数据那样，快速地对审计数据进行挖掘。

四是对半结构性、非结构性资料的资料处理方法还没有完全掌握。当前，审计人员尽管在法律法规和专业知识等方面已有一定的造诣，但是对大数据处理技术和方法的认识还远远不足。如何将半结构化和非结构化数据与内部审计目标相关联，这取决于审计人员对审计流程的掌控能力。使用传统的工具处理结构化和非结构化数据时，会显得很麻烦，尤其是当要处理大量的非结构化信息时，它会带来很大的挑战，这就需要审计人员具备更高的综合素质。

二、商业银行大数据审计概念及理论基础

1.商业银行概述

我国商业银行被划分为国有商业银行、股份制商业银行、城市商业银行和农村商业银行，其中，国有商业银行是由国家直接控制的商业银行，共有6 家，在我国银行业的整体份额中占据主导地位。我国共有12 家股份制商业银行，与国有商业银行的公有制性质相比，其股权结构多种多样，既有全非公有经济占股的，也有以混合所有制形式存在的。

2.大数据概述

目前，对于大数据，人们并没有一个明确的定义。但是，多数学者一致认为，大数据是一种被处理过的数据，其所能处理的数据信息量远大于电脑所能储存的容量。在处理数据信息工具的持续发展过程中，一些学者发现，把数据信息应用在计算机中，可以挖掘出数据信息的关联度，预测事情在未来发生的可能性，还可以有效地揭示事物之间的内在联系。因此，所谓“大数据”，并不只是指“数据大”，还指的是收集大量的数据，建立模型后，再根据这些数据，得出一些结论，所以大数据正逐步成为一种新兴的技术。

3.大数据审计概述

大数据审计是在传统审计方法基础上，以大数据为支撑的一种新的审计模式，大数据是由互联网发展而来的大量数据和信息的集合体。大数据技术审计，指的是审计人员在审计工作中，利用大数据分析技术，对收集到的数据信息进行处理，找出其中的可疑线索，按照审计对象的实际需要，快速、准确、高效地从大量的数据中获取所需要的信息，并对其进行分析。

因此，可以将大数据审计定义为：在大数据的环境下，审计人员运用大数据技术，与新的数据采集、分析方法相结合，对所采集的数据信息进行全面、充分的利用，从而迅速地发现审计疑点，提升内部审计的工作效率。

三、大数据审计在商业银行应用的现状

在云计算、大数据、物联网、人工智能等技术快速发展的今天，在技术和商业应用两个层面上都有了颠覆性的突破，这使银行数字化转型的步伐越来越快。虽然银行中有大量的客户交易数据，但是这些数据的质量并不理想。在我国，有一些商业银行利用计算机，对其进行以数字信息为基础的大数据审计，并对其进行存储、处理和分析。大数据分析技术可快速自适应审计工作环境的改变，提升审计工作效率，增强审计风险防范能力。当前，银行内部审计系统在对大数据进行分析时，主要采用的是结构化的数据，而对于语音、视频、图片等非结构化的原始数据，当前还处在人工查看状态，也没有开发出相应的信息系统对这类数据进行处理和分析。因此，在今后银行内部开展大数据审计时，其主要研究方向应该是对非结构化数据的采集和预处理。

1.大数据审计在商业银行应用的优势

商业银行具有实施大数据审计的优势：一是银行存储了客户基本信息、交易流水、信贷明细、客服电话录音、网点视频录像、网银地理位置、信息系统登录日志等多种格式、多种来源的数据；二是银行在业务处理、风险防范和管理决策等方面有较好的实践基础；三是银行具有竞争性的工资福利，可以吸引到高层次的人才；四是银行业高度关注高科技在金融领域的研发与运用。

2.大数据审计在商业银行应用的问题

（1） 商业银行的数据未能充分利用

商业银行是一个具有很高专业性的行业，它的信息系统数据非常庞大，而信息系统管理人员只懂得系统，却不懂得专业知识，因此得出的数据与审计人员的要求有很大差距。再者，商业银行在获得内部审计数据分析平台所使用的数据方面存在困难，而且所获得的数据质量较差，由于数据源的局限性，因此很难获得非常深入的信息，也很难识别出会降低审计效果的风险。商业银行无法对业务层面的操作和处理进行准确的记录和保留，而且业务处理的过程不能被完全反映出来，使审计的取证变得更加困难。

（2） 商业银行内部审计信息化系统建设需要进一步完善

目前，我国商业银行各个业务部门所采用的信息系统，有的甚至是银行自己开发的，存在着系统整体设计不够全面、数据标准不够统一等问题。有些银行系统在很短的一段时间内进行了持续升级，更有甚者，新版本完全抛弃了旧版本，导致新旧版本之间的数据不兼容，由老版本所形成的历史数据也被抛弃，最终形成了数据断代。

由于受到部门的影响，各业务部门的主管部门间所开发的信息系统都存在数据关联不强的问题，这一问题在商业银行的信息系统中十分常见，这会对大数据的应用效果造成不利影响，也会加大数据挖掘和数据分析的难度。特别是在对多维度数据进行分析时，往往会出现格式不统一、信息不完备、内容不规范等问题，从而影响到多维度数据的匹配效率。

四、商业银行大数据审计的优化建议

1.高素质队伍是大数据审计的关键

大数据审计需要对业务和技术都有较深的了解，具备良好的交流能力和创新精神，同时具备敏锐的思维和勇于承担责任的能力。而这样的人才，是非常缺乏的，也是非常难招聘到的。商业银行内部审计部门要通过培训、外部招聘等方式，进行长期的人才储备。除此之外，商业银行内审部门还需要以审代培训，在实际工作中，不断摸索，不断提高审计人员的业务水平和实战能力。

2.高质量数据是大数据审计的基础

数据是信息时代的宝贵资源。然而，目前国内外相关数据普遍存在着重复、缺失、不一致等问题，这已成为制约大数据审计效率的瓶颈。商业银行应制定符合《银行业金融机构数据治理指引》规定的、涵盖所有数据的标准化计划，并遵守统一的业务规范与技术标准；不断地对信息系统进行改进，使其涵盖所有的经营与管理数据；要强化对数据收集的统一管理，对不同系统之间的数据交换进行规范，使各种数据能够高效地共享；制定数据安全的战略和标准，合法地收集和使用数据，合法地保护用户的隐私。

3.高性能系统是大数据审计的引擎

商业银行大数据审计平台既包含了银行内部和外部的数据，又包含了多种复杂的机器学习算法，满足了不同的应用需求。所以，应该建立一个企业级的数据平台，实现一、二、三道防线的共商共建、共享共赢、联防联控。只有在建立了全行业大数据平台的基础上，引入先进的数据分析工具，商业银行才可以将半结构化和非结构化数据的价值完全挖掘出来，才可以按照数据化、线上化的审计创新理念，强化互联网时代信息技术对审计的引领和支撑作用。

五、结语

当今，经济社会的发展与大数据分析技术密不可分，对银行来说，利用物联网、云计算和云平台等大数据分析技术进行的信息化审计建设，已经成为我国银行信息化建设的一个重要组成部分，它代表着我国内部审计的新发展方向。通过对大数据技术深入的研究和探讨，将其前沿的技术应用到审计工作中，从而促进审计工作的发展。对传统的审计进行改革，在审计领域进行创新性的建设，与此同时，要充分利用大数据技术的优势，积极探索内部审计新方法，提高内部审计效能。