利用數據挖掘技術構建基于審計數據倉庫的商業銀行新型審計模型

安存紅 高祥曉 韓春麗

隨著金融行業的快速發展，商業銀行不斷推出新產品和新服務，自助銀行、電子銀行等業務方便了客戶使用。國有的工、農、中、建四大商業銀行實現了三集中，即所有營業網點集中聯網、會計賬務集中處理、客戶基本信息集中管理，建立全國性集中式的計算機數據處理中心和網絡系統，數據倉庫逐步建立完善。三集中方便了銀行的管理工作，也給審計工作帶來了機遇與挑戰。使用原有的計算機審計模型，面對數據倉庫中的海量數據，對于審計線索的發現如同大海撈針般困難。如果能夠利用數據挖掘技術則可以利用銀行建立的數據倉庫，這一有利條件是發展商業銀行審計的契機。由此可見利用數據挖掘技術構建基于數據倉庫的新型審計模型對于商業銀行審計工作尤為重要。

一、現有的計算機審計模型結構

隨著信息技術的發展，其在審計過程中的應用是從利用Excel表格解決計算量大的問題開始的,其后使用了Access數據庫軟件，如今更多利用的是多維分析技術嵌入數據庫,其計算機審計結構如下圖所示：

整個計算機審計結構一般分為四層：數據源,數據庫,審計分析模塊,結果展示界面。這四層結構中數據源是基礎,數據庫從數據源中采集數據,存儲并轉換格式，其后審計人員依據經驗開發小型的審計分析模塊，利用SQL查詢語言、Excel的統計功能等計算機技術發現審計線索，利用可視化工具、打印機等呈現審計結果。

二、現有的計算機審計模型在應用過程中存在的不足

從上述四層結構來看，從數據源提取數據組建數據庫環節，由于數據源的組成較為復雜，不僅有來自于被審計單位內部的數據，還有來自于外部相關單位、網絡等等不同質的數據，數據采集組建數據庫的過程僅限于將這些數據提取出來，轉換成統一格式，忽視了數據質量，這樣的簡單提取過程造成數據庫中存在冗余的或者錯誤的數據，數據庫中的質量不佳。

在進一步的審計分析環節，被審計單位的報表、會計憑證這些賬項仍然是審計的主要對象，是獲取審計證據的主要方式，雖然審計人員根據經驗開發一些小型的審計分析模塊，調用數據庫中的數據，但這些分析模塊的目的是為了發現報表存在的問題，是從局部的數據考慮的而非全局性考慮。

另外，如此反復進行的局部數據調用會使數據庫中存在大量的操作性數據，審計人員為了釋放存儲空間，又會根據經驗判斷哪些是無價值數據并進行刪除，如果經驗出錯就會導致審計證據不足不具連續性，出現錯誤的審計結果。

最后，在這種四層結構的計算機審計模型上不利于數據挖掘技術的使用。應用數據挖掘技術其所要求的數據應是規則的、面向主題的,在這種結構下如果使用數據挖掘技術，就會要求審計人員每進行一次審計分析就要對從數據庫中提取的數據再進行一次處理,大大減低了審計效率，增加審計難度。

總之,已有的計算機審計模型所能提供的審計功能具有局限性,尤其是面對商業銀行這樣數據量龐大的金融企業審計，它限制了金融審計的發展，迫切需要開發新型的計算機審計模型，解決現有的問題，提高審計效率，減低審計風險，推動金融審計的快速發展。

三、對現有的計算機審計模型的改進措施

首先，建立相對獨立的數據收集系統，收集被審計單位有關的歷史和現實的各種數據，并進行初步處理，改善數據質量，更重要的是建立數據倉庫以替代傳統的數據庫，數據庫側重于數據的簡單存儲、分析與查詢，而數據倉庫將分析性數據和操作型數據進行分離，更側重與數據的綜合分析。數據倉庫按照審計主題進行數據組織，其存儲的數據會隨時更新，具有高度集中和相對穩定的特點。

其次，研發各類數據挖掘算法，即將數據挖掘技術應用到審計分析系統中，根據不同的審計分析要求,采用不同的審計分析工具,選用合適的數據挖掘模塊深入底層數據進行分析，而不是利用經驗對報表、賬項進行分析。

最后，為了解決數據的重復與冗余問題，可以將經過數據挖掘后產生的結果進行存儲再利用，以提高審計效率。

四、采用數據倉庫與數據挖掘技術構建新型商業銀行計算機審計模型

基于上述內容的分析，商業銀行已經初步建立了數據倉庫，對于構建基于數據倉庫與利用數據挖掘技術的新型計算機審計模型具備了有利條件，由于筆者所學領域的限制只能提出構建模型，具體程序的編寫開發尚需專業人士去不斷完善，也是本文的不足之處。

本文設計的新型計算機審計模型如下圖所示：

該模型的主要組成部分包括：

(一)信息收集系統

審計人員利用信息收集系統收集被審計單位基礎數據源，針對于商業銀行基礎數據中的內部數據來源于商業銀行集中的數據庫，外部數據則包括與審計范圍和內容相關的外部單位信息，除此之外信息收集系統負責將外部數據轉換成與內部數據相一致的類型。外部數據的收集采用直接錄入的方式或者從移動存儲器中導入的方式，也往往會用到例如MicrosoftSQLServer2000中的數據轉換工具。

(二)審計數據倉庫

審計數據倉庫是按照不同的審計主題對信息收集系統提取的信息再次加工，這個過程會包括數據的清理、轉換、存儲等方式。要明確一點的是審計數據倉庫并沒有改變被審計單位的原有數據倉庫，是獨立于被審計單位數據庫之外的，服務于審計工作。這一點對于商業銀行的審計工作尤為重要，審計數據倉庫的建立不會造成商業銀行業務系統的承載負擔與運行風險。同時審計數據倉庫不是一次性的，應具有可擴充功能和更新功能。以商業銀行信貸風險審計為例，可按照貸款業務作為審計主題，需描述正常貸款金額、不良貸款金額、貸款性質、貸款客戶單位代碼、行業性質、經營規模、貸款期限、還款方式、擔保方式等等內容，將這些數據導入到審計數據倉庫中，形成不同的審計中間表，這些表格可以按照審計人員的需求設計成二維表或者多維數據集，以多角度、多層次、多種形式展現到審計人員面前,為后續的審計工作提供方便。

(三)審計分析系統

在接下來的審計分析系統中除了包括傳統的簡單分析、查詢工具和多維分析工具外，更重要的是利用數據挖掘技術形成數據倉庫。在這里充分利用數據挖掘技術的多種算法如統計分析法、決策樹法、人工神經網絡法、關聯規則法，建立不同的數據挖掘模塊，此部分模塊的建立需要結合審計人員、計算機人員與數據挖掘技術人員的知識能力，形成計算機程序下的固定算法模塊，不同算法下形成不同的數據倉庫并分別存儲。這些存儲的數據能夠給審計人員提供出有價值的規則，指導其快速發現審計線索。如上述商業銀行信貸審計中，從眾多貸款客戶中發現不良貸款客戶困難很大，采用數據挖掘技術可以建立不同的字段統計出該字段下的比例，如企業經營結果、貸款類別、借款用途、信用度等字段，根據比例發現規律，有針對性的排查。換言之數據挖掘技術是能夠從海量數據中找尋規律，便于審計人員評估風險、評估客戶或者簡單地對審計數據進行描述和解釋。

(四)審計結果呈現

審計結果呈現的主要作用就是利用可視化技術將審計分析系統形成的結果展示出來，形成審計報告，具體評價被審計單位。

這種計算機審計模型的優點在于，建立數據收集系統，提高審計數據質量，按照審計主題建立審計數據倉庫，減少被審計單位業務系統的承載壓力和風險，利用數據挖掘技術、多維分析技術等進行審計分析，提高審計效率，減少審計人員的工作量，為審計提供便利。

本課題內容為2013年度河北省審計廳重點研究課題，項目審批號：201326。

[1]曾德勝,彭燦明,陳源,張新林.基于數據挖掘的審計系統研究[J].長春工程學院學報(自然科學版),2011年第1期.

[2]文勇.數據挖掘技術在風險導向審計中的應用[J].財會通訊：綜合（上），2013年第5期.

[3]劉莎，楊會樸.基于數據挖掘技術在金融審計中的應用[J].合作經濟與科技，2013年第6期.