數據分析工具在物資采購審計中的應用

莫滿軍 宋新秀

[摘要]本文介紹了SAP HANA和POWER BI兩種數據分析工具在物資采購價格審計中的具體應用，并針對采購價格方面存在的風險展開多維度分析，旨在創新審計技術方法，優化管理方式。

[關鍵詞]數據分析 物資采購 審計 應用 效果

A公司屬于大型國有企業，業務覆蓋全國各地，

擁有100多家分公司，信息化程度較高，特別是在物資采購方面，其物資采購管理系統已運行近十年，涵蓋大部分采購業務，有較為完整的數據鏈，基本具備大數據分析的條件。據統計，A公司2013年至2017年累計生成有效訂單上百萬條，采購金額上千億元，涉及供應商近萬家。經前期審計調查，該公司在物資采購價格方面主要存在兩類風險：一是價格異常高的風險。供應商可能通過操縱投標環境，相互串通，抬高價格，使企業蒙受損失；也可能由于市場原因導致物資跌價，未及時調整而引起損失風險。二是價格異常低的風險。供應商可能在招標過程中弄虛作假，把不生產或不準備供貨的物資報價異常低，從而降低整體投標價格，達到中標目的；也可能存在內外勾結，降低物資質量或者多買少供謀取利益。

以下主要針對物資采購的價格開展分析，數據來源于A公司物資采購管理系統的訂單數據。分析的基本思路是以A公司全部訂單數據為基礎，按物料編碼計算各年度每項物資的平均單價，再分別測算偏差率和偏差金額，并將偏差率劃分為七個等級。審計人員可依據審計時間、業務特點、關注的風險類型等情況，合理選擇審計范圍和重點。

一、利用SAP HANA軟件對訂單數據進行整理

（一）漢化并剔除冗余數據

審計人員從數據庫中采集到原始訂單數據，由于這些數據雜、亂、多，尤其是大部分字段名采用的是代碼，并不能直接運用。首先，要對原始數據進行漢化，這是開展分析的第一步，也便于審計人員充分理解和認識數據，為下一步分析做好準備；其次，對數據的結構、特點、性質等開展分析，剔除干擾數據，尋找審計突破口。數據質量問題主要有兩個方面：一是存在大量單價為0或1的作廢訂單；二是部分數據填報錯誤（如計量單位“噸”誤填寫成“千克”，物料編碼使用錯誤等），可能造成偏差率的計算脫離實際。在對數據深入剖析后，通過對訂單狀態的選擇，基本可以解決上述問題，即只保留狀態為“已在ERP生成有效訂單”的數據，剔除狀態為“等待審批、審批拒絕、取消、已拒絕、已鎖定”等的訂單，剔除率為9%，基本不影響整體分析目標。

（二）對原始數據進行橫向擴展

采集數據只是日常執行采購業務的工作記錄，并不能馬上滿足審計分析的需求，因此，審計人員必須根據審計思路，在SAP HANA軟件里利用SQL語句對訂單數據進行擴展。本次審計中增加了“平均單價、偏差率、偏差金額、偏差檔次”等四個主要分析字段，還根據A公司的管理現狀，增加了“板塊歸屬、牽頭單位、責任單位、供應商內外部”等輔助分析字段，并進行了賦值。

1.計算平均單價。以每種物資編碼為基礎，分別計算各年度的平均單價。使用的SQL語句是：select substring （to_char （to_date （"創建日期"，

'YYYYMMDD'）），1，4） as "年"， "物料編碼"，

avg （"含稅單價"） as "平均單價" from "訂單" group by substring （to_char （to_date （"創建日期"， 'YYYYMMDD'）），1， 4）， "物料編碼"。

2.計算偏差金額。將每項訂單的含稅單價減去平均單價，再乘以數量。使用的SQL語句是：select * （"含稅單價"-"平均單價"）*"數量" as "偏差金額" from "訂單數據"。

3.計算偏差率。將每項訂單的含稅單價減去平均單價，再除以平均單價。使用的SQL語句是：select * （"含稅單價"-"平均單價"）/"平均單價"

as "偏差率" from "訂單數據"。

4.設定偏差等級。為了便于分析，將采購單價偏差率設定七個檔次，即小于-100%為一檔，-100%至-50%為二檔，-50%至0%為三檔，0%至20%為四檔，20%至50%為五檔，50%至100%為六檔，100%以上為七檔，偏差越高，說明存在的風險就越大。使用的SQL語句是：select * '7' as "偏差率等級" from "訂單數據" where "偏差率" >= 1，并分別對不同區間的偏差率進行賦值。

二、利用POWER BI軟件構建數據分析模型

數據整理完成后，使用POWER BI分析工具分別從年度、板塊、分公司、牽頭單位、責任單位、物料大類、采購權限、供應商、內外部歸屬等9個維度構建分析模型，如圖1所示。該分析模型主要包括三個部分：第一部分為切片器區域，審計人員可根據需要從上述9個維度進行數據篩選；第二部分為圖像可視化區域，根據分析思路，可以按餅狀圖、柱狀圖、散點圖等形式進行展示，且點擊圖中相應位置還可穿透查詢其相關數據；第三部分為原始數據區域，可隨時根據篩選條件，顯示訂單數據。此模型最大優點就是便捷、實用、靈活、易操作，可適用于審計人員在價格分析時的多種思路，滿足不同審計需求。

三、數據分析模型的審計應用

（一）數據分析的考慮因素

1.在分析價格偏差時，要充分考慮采購時間、產品品牌、進口與國產等各種合理因素以及數據質量方面的問題，排除合理差異原因后，鎖定審計重點。

2.修正偏差金額。在計算平均單價時，價高的物資會抬高均價，導致偏差金額失真。因此，在分析具體物料偏差時，需排除此因素，要根據具體采購情況，重新確定合理單價，計算偏差金額。

（二）數據分析的審計效果

1.異常訂單總體情況。這里的異常訂單是指含稅單價偏差率大于50%的采購訂單。按照單價偏差的程度劃分為兩個等級，即偏差率50%至100%為一檔，偏差率100%以上的為一檔。通過上述分析模型，選擇兩個篩選項：一是“年篩選器”選擇2013年至2016年，二是“偏差等級篩選器”選擇上述兩個等級。經查詢，2013年至2016年異常訂單共三十多萬條，采購金額近百億元，偏差金額數十億元，說明A公司在物資采購領域還有很大挖潛增效的空間。

2.按不同維度分析。根據審計思路，運用“切片器”功能，可分別按“板塊、分公司名稱、偏差率等級、供應商的內外部、物料級別”等進行篩選；運用分析模型的“堆積柱狀圖”等功能，可分別按“單位、物資類別、供應商、責任單位”等維度展示采購價格偏差水平，并可穿透查詢相應的偏差訂單；運用“篩選器”功能，輸入某一項物資的編碼，還可以查詢該項物資的總體采購情況，便于綜合對比分析。在此簡要列舉四種情況：

（1）按采購單位分析。這符合審計項目運行模式，主要側重于分析各單位的物資價格水平，有利于分清主體責任。在分析實例中，審計人員按偏差金額的大小進行再排序，鎖定了11家分公司，其偏差金額占75%，單位數量占17%。然后，對上述單位進行了重點審查，發現部分單位存在未嚴格履行招標程序、議標程序不透明、越權采購、管理層舞弊等問題，這是造成采購價格偏高的主要原因。

（2）按物資類別分析。主要側重于分析各類物資采購價格水平，可有針對性地發現偏差較大的物資類別，及時鎖定重點審查對象。通過模型分析，發現A公司的化工產品、煤炭、專用管材、儀器儀表等物資偏差金額較大，為降低成本，審計建議將這些物資的采購權限上收，實行統一集中采購，進一步壓縮下級單位操控價格的空間。

（3）按供應商分析。主要側重于對某一個供應商整體供貨情況的分析，針對性較強，將總體偏差金額較大的供應商作為分析重點，審查是否存在內外勾結、抬高物價的現象。通過模型分析，發現兩方面問題：一是部分供應商普遍供貨價格偏高；二是部分供應商針對不同分公司供貨價格存在較大差距。審計要求各分公司進一步查明原因，降低采購成本。

（4）按責任單位分析。主要側重于分析各責任單位的物資管理水平以及采購制度執行情況，根據A公司的管理特點，各類物資分別由分公司負責物料編碼管理、集中采購價格管理等。通過模型分析，進一步加強對責任單位的業務督導，優化管理方式和管理機制。

（三）數據分析的合理化建議

1.加強物資系統管理。一是規范物資編碼使用，為A公司物資采購管理、信息化應用、數據統計分析等提供保障；二是加大推廣力度，出臺相關政策，鼓勵未應用系統的分公司積極上線運行，提高系統上線率；三是加強業務管理和員工培訓，減少系統無效訂單。

2.強化集中采購措施。由于同類物資在不同分公司價格差異較大，因此，在總部層面要加強集中采購力度，積極通過公開招標或邀請低價優質供應商投標等方式，有效調動供應商之間的良性競爭，最終降低A公司的物資采購成本。

3.積極推進分散核實。對分析中發現的異常訂單，由于數據量較大，將采取分散核實的方式，由兩級審計機構分別核實，總部負責審查偏差率在100%且偏差金額500萬元以上的異常訂單，分公司負責審查其他異常訂單，并對核實的問題進行嚴肅追責。

（作者單位：中國石油天然氣股份有限公司華北油田分公司，郵政編碼：062552，電子郵箱：sjzx_mmj@petrochina.com.cn）