數據挖掘技術在商業銀行審計的應用問題研究綜述

安存紅 高祥曉

數據挖掘技術在商業銀行審計的應用問題研究綜述

安存紅 高祥曉

商業銀行是一個高風險的行業，《審計署2008至2012年審計工作發展規劃》中就提出了金融審計“以維護安全、防范風險、促進發展為目標，服務國家宏觀政策，推動金融改革，維護金融問題，完善金融將，推動建立高效安全的現代金融體系”。先進的數據挖掘技術可以幫助審計人員在商業銀行審計中從大量交易數據中挖掘審計重點提高審計效率。

數據挖掘技術；商業銀行審計

數據挖掘，英文直譯為資料探勘，數據采礦，是指從大量資料中發掘有用的信息或規律，它是數據庫知識發現中的一個重要步驟。數據挖掘技術還大量運用統計、情報檢索、機器學習和模式識別等諸多方法，通過計算機定義的程序，排除人為干擾，智能化的對各種數據資料進行全面充分的調用分析，從而發現隱藏的關系和模式。在審計中應用數據挖掘技術可以大大提高審計質量，降低審計風險。

商業銀行是一個高風險的行業，面對商業銀行眾多的分支機構和海量數據，審計工作猶如蚍蜉撼大樹般渺小，必然會存在應發現而未發現的問題，給審計工作帶來巨大風險。另一方面，經濟犯罪行為時有發生，且大多表現出錯綜復雜、內外勾結的犯罪跡象，使得審計工作面臨更大的風險。數據挖掘技術適合處理海量數據、適合發現錯綜復雜的內在關聯關系的特點恰好可以解決商業銀行審計中所面臨的主要問題。

一、較成熟的研究角度及研究結果

(一)數據挖掘技術在商業銀行客戶關系管理中的應用研究

這類研究中主要解決商業銀行客戶管理管理中存在的諸如金融服務產品差異小、客戶滿意度低、流失率高等問題。

運用數據挖掘技術，依據客戶的存儲、借貸等行為差異，將商業銀行的存儲戶和貸款戶進行分類，針對不同群體內的成員需求有針對性的提供不同的金融產品、貸款服務等。

運用數據挖掘技術，將客戶群體按照不同的維度細分為不同等級，針對不同等級的客戶群體設計不同的營銷策略，滿足客戶群體的需求差異，提高客戶滿意度。

運用數據挖掘技術，調用流失客戶的基礎數據和交易數據，挖掘出數據間的類似和關聯性，對比出客戶流失原因，借以建立諸如客戶流失預警系統等。留住已有客戶，關注已有客戶的消費習慣，在客戶有流失跡象時，及時溝通，采取相應措施留住客戶。

（二）數據挖掘技術在商業銀行風險管理中的應用研究

商業銀行的主要業務范圍包括吸收公眾、企業及機構的存款、發放貸款、票據貼現及一些中間業務等。它是儲蓄機構而不是投資機構，商業銀行本身就是高風險與高收益的行業，只有妥善處理好承擔風險、控制風險管理風險的關系，才能立于不敗之地。

為使商業銀行的管理層能夠及時準確的掌握資產的總額及其分布情況、貨幣資金的調度情況、信貸資產的分布情況、客戶的信用情況等信息，可以使用數據挖掘技術，對信貸資產進行組合風險分析和安全性分析并構建風險計量模型，主要分析內容保括：信用風險、匯率敏感度、流動資金風險、不良貸款等，從樣本數據中找出規律和趨勢，區分數據類別，找出多因素之間的相關性，對其狀態進行描述，達到有效控制風險的目的。

運用數據挖掘技術，收集、分析客戶的消費行為、信用等級、背景資料，確定三者之間的關系，建立數據模型，準確計算出不同屬性值的客戶群所具有的消費能力、還款概率，劃分客戶類別，進行分類管理。

（三）數據挖掘技術在反洗錢中的應用研究

近年來內地洗錢活動日益增多，洗錢數額與日俱增。《華爾街日報》2012年16日報道，自2011年10月至2012年9月的12個月間，從中國流出的資金約2,250億美元，這相當于去年中國國內生產總值（GDP）的3%左右。

在洗錢活動中，金融機構客觀上成為最主要的渠道之一。在世界各國的反洗錢工作中，澳大利亞的反洗錢機構做得十分出色，澳大利亞反洗錢機構——澳大利亞交易分析與報告中心承擔雙重角色，自身作為是一家金融情報機構，在具體反洗錢工作中能夠把諸如銀行交易數據庫、聯邦或州的犯罪歷史數據庫等多個數據庫的信息集成起來，同時又是一個獨立的司法機構，是反洗錢和反恐融資的監管者，與其他執法部門是協作關系，在反洗錢工作中能夠運用多種數據挖掘技術進行數據處理，對洗錢犯罪進行監控、取證、防范，其數據處理的結果對反洗錢工作指導性非常強。

運用數據挖掘工具，可以從大量的銀行交易數據中找出具有關聯交易的金融數據，逐步排查，對交易記錄進行描述，需找資金轉移中的特殊動態交易，重點關注大額和可疑資金交易數據及其分布情況，對于刑偵部門追蹤反洗錢案件具有重大意義。

運用數據挖掘工具，可以模擬、拷貝已往洗錢案例的渠道、環節、資金轉移的特征和規律，定義出數據模型，通過對照比較，判斷出新交易是否屬于“洗錢”交易，同時根據新交易對模型進行動態更新，升級模型以提高對可疑交易判斷的命中率。

二、最新的研究進展

文勇在《數據挖掘技術在風險導向審計中的應用》一文中提出數據挖掘式審計在我國尚處于初級階段，需要開發出新的數據挖掘方法和算法，調高數據挖掘系統的適應性和可維護性，建立健全審計檢測風險評價指體系，構建基于XBRL的數據挖掘模型，文中缺乏后續的具體實施。

劉莎、楊會樸在《數據挖掘技術在金融審計中的應用》一文中提出數據挖掘技術在金融審計中的深入應用離不開銀行等金融機構信息系統數據結構的標準化，把有效的審計思路轉化為計算機語言程序，應使數據挖掘分析方法成為體系，文中沒有針對性的提出審計體系構建方法。

陳丹萍在《數據挖掘技術在現代審計中的運用研究》一文中提出了數據挖掘審計法的基本路徑和數據挖掘審計的具體步驟，在理論上進行了描述。

以上學者在論著中闡明的觀點也正如程丹萍在其文章最后的總結：數據挖掘技術在審計中的應用尚處于起步階段，它的應用存在局限性，有賴于被審計單位數據質量，數據挖掘技術需要一定的投入，對于審計人員素質要求較高。

三、利用數據挖掘技術構建基于數據倉庫的商業銀行審計線索發現模型

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。

數據挖掘需要面對的是海量數據，因此進行數據采掘一般要花大部分力量在數據準備階段。通過預先建立審計數據倉庫將商業銀行原始的交易業務數據庫進行收集、歸納、處理，將審計數據倉庫獨立于原始交易業務數據庫，不會增加原始交易業務數據庫的調用頻率，不會對原始交易業務數據庫造成破壞，審計數據倉庫源于原始的交易業務數據庫，按照審計方法進行預處理，提高審計效率，從而有效地為決策提供實時的信息服務。從這一點上講，審計數據倉庫的建立大大降低了數據挖掘的障礙，能夠更好地滿足審計的要求，因此，在進行商業銀行審計時，應首先構建基于原始交易業務數據庫的審計數據倉庫，然后再實施數據挖掘技術。在建立商業銀行審計線索發現模型時，可以按照以下幾個步驟進行：第一步，確定審計目標，提出審計需求。第二步，理解數據挖掘目標，分析基礎數據。第三步，建立數據模型，確定分析方法。第四步，實施與反饋。第五步，發布審計發現，進行審計整理，最終完成審計工作。

四、結論

能夠將數據挖掘技術的常用分析方法應用在商業銀行的審計工作中，構建基于數據倉庫的商業銀行審計線索發現模型，將隱藏在大型數據庫、數據倉庫或其他大量信息存儲中的規律數據挖掘出來，這種技術是對數據內在和本質的高度提煉和升華，使大量的數據具有了生命力的體現。利用數據挖掘技術構建基于數據倉庫的商業銀行審計線索發現模型，為完善商業銀行審計工作提供理論基礎和技術支持。

[1]雷霄霞.社會審計軟件作業流程的設計研究[D],廣東外語外貿大學,2009年.

[2]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.

[3]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.

（作者單位：中國地質大學長城學院經濟系會計學教研室）

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。