大數據關注點在商業銀行內部審計中的應用

王李

【摘 要】 在互聯網信息與金融時代，“大數據”的概念也越來越為人們所熟悉，并且也日益影響著社會經濟與各行各業。商業銀行內部審計也開始關注“大數據”對其的影響與作用，希望利用“大數據”來改進內部審計的工作方式與工作效率。文章對銀行內部審計的“大數據”應用現狀及運用“大數據”需要注意的關注點進行了討論，以M銀行應用情況為案例進行了分析，并給出銀行內部審計應用大數據需要予以關注的若干建議。

【關鍵詞】 商業銀行； 內部審計； 大數據； 應用案例

【中圖分類號】 F239.45 【文獻標識碼】 A 【文章編號】 1004-5937（2016）16-0110-03

一、銀行內部審計與“數據”運用

（一）銀行內部審計對于“數據”的運用現狀

商業銀行作為特殊的企業，其內部審計工作的重要性不言而喻。大數據時代的到來，為商業銀行提高內部審計工作有效性提供了新的契機，其可以促使商業銀行內部審計轉變以往“事后監督”為主的“被動”角色，更好地發揮內部審計的咨詢、評價職能。通過海量、動態更新的數據處理，看到抽樣統計所無法揭示的細節信息，進而有利于內部審計價值體現。但商業銀行內部審計對于大數據的應用存在一定問題，使其優勢無法充分體現，所以，當務之急是就商業銀行內部審計對大數據應用的關注點進行深入探討，以期有的放矢地提高銀行內部審計對于大數據的使用效果。

目前，大多數銀行的內部審計還主要扮演“救火員”的角色，更多地體現為事后監督，對于商業銀行的戰略風險、業務規劃的評價基本沒有，風險預警功能嚴重不足，仍處于內部審計職能的檢查階段。目前銀行的內部審計工作方式還處于傳統模式下，雖已全部使用電腦，但絕大多數是利用Office等辦公軟件所做的文字編輯以及數據的簡單排列工作，計算機應用技術層面較低。部分商業銀行的內部審計開發應用了“非現場審計系統”，利用該系統可以查閱總賬、明細賬以及信貸業務資料等，但這種系統還只是低層面、“入門級”的數據信息查詢，雖然銀行內部審計可以通過建立簡單的審計數據接口，并聯接至各經營決策單位的經營管理信息系統上，但所取得的只能是“被加工后”的“二次數據”，在此基礎上開展的抽樣與檢查等工作，其“先天性”就處于商業銀行資產負債管理、信貸管理、財務管理以及綜合經營管理的“后手”，就只能進行合規性、存在錯弊的“事后式”檢查與評價，更不可能提出讓商業銀行高層滿意的事關大局發展的審計建議，在內部審計實現價值方面不可能超越商業銀行內部其他經營管理部門，這些都與銀行內部審計在數據應用，特別是對于“大數據”應用方面的不足有關。

（二）有關研究情況

對于銀行內部審計應用“大數據”方面的研究較少，且多為理論探討，主要集中于兩個方面：一是認為大數據對審計工作方式的影響。例如大數據正在影響審計技術和方法的發展，可以促進持續審計方式的發展、總體審計模式提升等[1]。大數據對于內部審計的發展方向、工作理念、作業模式等產生深遠影響，應以其為核心形成“智能化”的審計體系[2]。二是大數據在審計的應用層面。數據分析成為金融審計信息化的主要技術和工具，大數據技術應在金融審計分析平臺中發揮重要作用[3]。利用大數據技術，對內審業務處理方式進行升級，以適應信息時代要求，提高效率[4]。大數據就是信息處理的高效時代，應利用其推進計算機審計等[5]。上述研究表明：隨著“大數據”時代的到來，銀行內部審計必須改進工作模式，積極利用大數據，才能更好地開展審計工作。應用大數據，使用分布式拓樸結構、云數據庫及數據挖掘等新型的技術手段和工具，以提高審計的效率[6]。但對于銀行內部審計應用“大數據”的案例式研究較少，多數理論研究的操作指導性不強，還需從實踐、案例角度加強對于銀行內部審計運用“大數據”的研究。

二、商業銀行內部審計應用大數據的關注點

大數據是指巨量的、難以用現有常規的數據庫管理技術和工具處理的數據集。應用大數據就是要以經濟的方式快速捕獲、發現和分析，從各種超大規模的數據中提取、挖掘有價值的信息[6]。銀行內部審計應用大數據時，應注意大數據本身具有的三個特點：一是進行研究與分析時，需使用全部數據而非抽樣數據，是建立在全量數據基礎上的信息挖掘；二是大數據雖具有豐富性，但需容忍錯誤的數據，運用大數據采用技術手段分析時，必須強調效率，從海量數據中分離出有用的線索，以探尋可能的問題和風險；三是數據之間是相關性而非因果性，但過于依賴相關性，也可能會帶來偏見。以上的大數據特點屬性是銀行內部審計在應用大數據時需要重視的“關注點”，只有理解這些“關注點”，才能真正發揮其重要作用，而大數據的應用實際技術則相對簡單。

三、銀行內部審計應用“大數據”的典型案例

近年來M銀行大力發展小額貸款業務，截至2015年6月底，M銀行的小額貸款業務余額已達4 000億元，平均每戶的貸款余額為100萬元，存量的客戶數達到了4萬余戶，若算上循環貸款項下的同名多貸戶，那么貸款客戶數還可能擴大到5萬至6萬余戶。面對這樣大規模的業務量，M銀行內部審計如何對其進行有效的業務檢查并對小額貸款業務風險模式提出具有風險防范價值的審計建議，成為體現M銀行內部審計價值的重要所在。正是基于此，M銀行內部審計對于如何有效開展數量眾多的小額貸款業務審計進行不同方式的探索，若對小微貸款業務進行全面檢查，鑒于人力成本與時間等因素的考慮，審計工作量與工作效率將不可承受。若是利用抽樣審計，因為不是建立在對于樣本總體情況的全面把握上的，往往會以偏概全，反而會引發較高的檢查風險。M銀行在利用傳統審計方式開展查檢而效果不理想的情況下，最終著眼于利用“大數據”進行審計。

M銀行內部審計發現，對于銀行小微貸款，客戶信用情況可以通過大數據分析實現。因為客戶個體或組織的關鍵信息和行為都被記錄下來，而這些數據足跡能通過社交網絡和搜索引擎獲取，而且還可以通過銀行數據倉庫獲得原始數據源。因此通過“大數據”技術，實現低成本廣泛采集客戶的各類數據并進行分析挖掘，判斷客戶信用資質以及信用風險的高低。

M銀行內部審計對于“大數據”技術的應用，主要體現在內部數據審計覆蓋方面，對于小微貸款業務，M銀行內部審計通過搭建統一、共享的內部審計數據管理平臺，直接嵌入該銀行的生產作業系統以及數據信息倉庫，從其中獲得有關小額貸款的“第一手”信息，直接下載、提取全部業務數據，同時M銀行進一步豐富模型應用技術與工具，充實模型分析維度，構建與設計審計數據分析模型，并與小微貸款業務審計緊密結合，而且還隨著小微業務的發展以及風險因素變化及時更新審計分析模型，確保審計數據分析模型在應用、驗證、反饋、優化等方面的良性互動循環。M銀行內部審計對小微業務審計功能覆蓋區如圖1所示，銀行通過業務前端，形成小微業務原始數據來源，經過加工與處理，對小微業務初始數據進行整理形成信息化數據，進入數據倉庫以利經營管理使用。M銀行通過預置審計接口，加強信息審計與數據審計，擴大審計覆蓋范圍，這樣就為M銀行內部審計應用大數據進行小微業務審計打下堅實的物理基礎。

在大數據建立于全數據方面：M銀行內部審計每季度利用大數據方式，對于小微信貸業務的整體情況進行一次“跑數”（銀行內部審計用語），提取全部業務數據，以從整體上了解小微信貸業務的信用風險構成變化、風險構成因素的變化，為更詳細的抽樣審計尋找證據。

在大數據的應用效率方面：M銀行內部審計利用大數據是為了獲取審計證據，注重的是發現重大的業務風險審計線索。M銀行在利用大數據模式“跑數”時，建立了一套標準的審計流程，可以根據不同風險查找需求，設計利用不同的查找“字段”，但在既定的流程下，整體上的“跑數”時間是固定的，這就為提高審計工作效率創造了良好條件。

在大數據結果的相關性方面：M銀行內部審計對全轄所有的小微業務獲取、挖掘出的風險預警信息，進行相關性分析與專家審計論證，進而發現其中真正帶有規律性、普遍性的重要風險信息，以增強對于全體小微客戶的風險識別和認知，這樣可以讓內部審計更好地掌握樣本總體的風險情況特征，有利于進一步更為準確的樣本抽樣。

M銀行內部審計的大數據運用流程一般分為六個步驟：第一步，對小微信貸業務審計項目的理解，達成目標共識，從業務審計的角度理解數據需求，并轉化為數據挖掘問題的定義，制定出一個初步審計挖掘計劃。第二步，從原始數據收集開始，熟悉小微數據，識別小微業務數據的質量，發現小微業務數據的內部屬性，形成隱含信息的假設，因為在進行數據挖掘時，輸入的原始數據可能存在不一致、重復、不完整、含噪音、維度高等問題。第三步，從未處理的小微數據中構造最終數據集作為數據挖掘模型的輸入。這個階段的任務有可能執行多次，包括表、記錄和屬性的選擇，以及為數據挖掘模型所需要的數據進行的轉換和清洗操作等。第四步，選擇各種建模技術，同時對它們的參數進行校準以達到最優值。通常對于同一個小微數據挖掘來說，可有多種建模方法，一般M銀行內部審計多利用WEKA系統、數據挖掘K-Means自動聚類技術等，以確認類型數量并實施小微信貸客戶的聚類細分。第五步，在最終部署模型開始審計應用之前，對模型進行評估，檢查構造模型的步驟，確保模型能完成審計工作目標。第六步，小微業務審計模型的創建并不是審計項目的結束。根據審計需求，這個階段可以產生簡單的報告。這樣，就基本完成了小微業務審計“大數據”模型的建立，以最終得到審計檢查與預警所需要的數據分析需求，并可進一步進行更深層次的非現場審計或者現場審計立項工作。

對于“跑數”結果，M銀行內部審計還結合實時、歷史數據進行全局分析，評估現存小微客戶的信用風險，并對客戶風險等級進行動態關注，實現對全部客戶整體授信風險情況的精細化管理。

M銀行內部審計認為，應用“大數據”進行的數據挖掘，其中心思想就是從海量數據中按照一定的知識發現模式，挖掘萃取出一切存在的、有價值的各類隱藏規律、規則、趨勢等，并加以分析利用，從而達到“總結過去、預測未來”的智能效果，進而對于小微業務的整體風險以及小微業務的風險防控有效性給出有價值的審計建議。

四、銀行內部審計應用“大數據”的建議

（一）需要區分全量與抽樣的差別

內部審計使用“隨機抽樣”的方法，理論上抽取樣本越隨機就越能代表整體樣本，但獲取一個真正隨機樣本太費時費力。當無法獲取全量數據，或者無法分析挖掘數據的時候，就要有選擇地尋找問題特征樣本，這樣實際無法兼顧對總體的評價判斷與對問題的揭示分析。大數據審計不是抽樣分析而是采用所有數據分析的審計方法，是建立在全量數據基礎上的信息挖掘，這是與審計“抽樣”方法的本質區別。如利用大數據，對于銀行小微業務信貸質量審計來說，既可以盡可能全面地揭示風險，也能對其整體風險狀況有一個正確的把握，不至于以偏概全。

（二）需要處理好效率與精確的關系

大數據缺少精確性，而是用概率來說話。數據分析時一般都有特定用途，所以時效性就顯得非常重要。精確計算是以時間消耗為代價的，在小數據時代，追求精確是為了避免放大偏差而不得已為之。如銀行的小額貸款業務交易筆數以千萬計，在這樣一個總量中隨機抽取1萬筆，會產生難以負擔的工作量，而如果出現審計差錯的話，放大到總體中，則審計風險將難以承受。但應用大數據，樣本等于總體，偏差不會被放大，所以運用大數據采用技術手段分析時，必須強調效率，從海量數據中分離出有用的線索，探尋可能存在的問題，以指引內部審計進行精準分析與查證。內部審計不能是非不清，不能僅做簡單的預判，仍需要準確揭示問題，特別是對具體問題的查證認定。

（三）注意數據挖掘對象的因果關系

運用大數據，一般會知道“是什么”，但不能知道“為什么”。在大數據完成相關性分析后，還需要通過分析論證來探究因果關系，找出背后的“為什么”。從內部審計的角度，運用大數據技術，也必須關注因果關系，過于依賴相關性，可能會帶來偏見。如已掌握銀行內部員工與小微客戶間的非正常資金往來，與道德風險具有較大相關性，但如果不了解其中的因果關系，可能會在具體審計發現上形成錯誤判斷；又如小微客戶資料真實性審查與信用風險密切相關，但如果不在因果關系基礎上進行流程控制，則改進內控也將無效。因此，銀行內部審計在利用大數據開展工作時，一定要注意對找出的相關性模式進行邏輯分析和樣本外測試，最好是發現的相關性模式不僅在樣本外表現穩定，而且又具備理論上的合理性，這樣才可有效減少審計檢查風險。

【參考文獻】

[1] 秦榮生.大數據、云計算技術對審計的影響研究[J].審計研究，2014（5）：23-28.

[2] 白濤.“大數據”時代內部審計發展策略的理論思考[J].西部金融，2013（10）：7-9.

[3] 呂勁松，王忠.金融審計中的數據分析[J].審計研究，2014（5）：26-31.

[4] 凌家全，陳方儀，王春雨.大數據時代銀行內部審計的求索與變革[J].中國農村金融，2014（6）：72-74.

[5] 劉碧湘.如何利用大數據推進計算機審計[J].科技信息，2013（21）：107.

[6] 秦榮生.大數據時代的會計、審計發展趨勢[J].會計之友，2014（32）：81-84.