新時代電網企業全業務大數據審計研究

陳冬梅 厲雨

[摘要]本文從探尋新時代背景下電網企業內部審計創新發展途徑出發，通過整合企業內部全業務系統數據資源，構建全業務數據中心，研究應用大數據技術對公司業務全過程數據開展數字化審計分析，探索信息化審計新模式，以創新提高審計效率，全面提升內部審計價值。

[關鍵詞]電網企業 ? ?全業務數據 ? ?內部審計

著電網企業信息化建設向縱深發展，如果內

部審計繼續延用傳統的審計手段和方法，將不能適應新時代下企業對內部審計創新發展的要求。此外，電網企業各業務系統間因未建立有效的信息資源共享機制，形成了數據孤島，而數據的獲取是依靠對各個業務系統的查詢，這就給內部審計開展全鏈條審計帶來困難。為此，電網企業內部審計應以創新為先，整合各業務系統數據，用大數據技術對公司全業務數據進行多角度、多方位、全鏈條審計分析，迅速鎖定審計方向，提高審計精度和深度，提升內部審計價值。

一、研究背景

（一）國家倡導審計大數據應用

2014年10月9日，國務院《關于加強審計工作的意見》要求，加快推進審計信息化，推進審計機構和有關部門、金融機構和國有企事業單位實現信息共享，構建國家審計數據系統。

2017年12月8日，中共中央政治局就實施國家大數據戰略進行第二次集體學習。習近平總書記深刻分析了我國大數據發展的現狀和趨勢，對我國實施國家大數據戰略提出了五個方面的要求：一是推動大數據技術產業創新發展;二是構建以數據為關鍵要素的數字經濟;三是運用大數據提升國家治理現代化水平;四是運用大數據促進保障和改善民生;五是切實保障國家數據安全與完善數據產權保護制度。

目前，我國涉及大數據發展與應用的國家政策、規定已多達63個，其中國家大數據發展頂層設計1個，國家層面頂層規劃4個，重點行業領域發展應用31個，重點工作推進25個，重點區域發展2個。大數據戰略已上升為國家戰略高度，各部委應從戰略規劃、技術能力提升、應用與管理三個層面積極落實推進大數據發展政策。

（二）國家電網公司要求積極應對審計發展挑戰

國家電網公司提出，推動現有審計信息系統優化整合，緊跟公司業務系統和業務數據日趨集中的發展變化，建設覆蓋全面、資源共享、流程清晰、數據完整、智能高效、可視化、互動化、可擴展的數字化審計系統平臺。積極應對未來審計發展挑戰，探索開展持續審計監督，運用大數據技術歸集數據、分析數據、查找疑點、綜合提煉，結合現場審計查證，提出審計意見，在線監督整改，實現審計現場作業與在線數據分析一體化融合，提高審計效率和效果，提升審計輔助決策能力。

（三）大數據審計是內部審計的大勢所趨

大數據環境下電網企業內部審計由“依賴經驗”發展為“依賴數據”。內部審計面臨著新的挑戰，隨著電網企業信息化平臺的建立，從企業辦公管理、人資管理、財務管理、物資管理、工程管理、營銷管理等各個環節都產生大量的數據，如員工工資、財務賬、物資出入庫、工程預決算等數據，都成為電力系統的數據。信息技術在電網企業內部的普及，使得上述數據具有網絡化、數字化等特點，也使得大數據技術在電網企業數據中的應用成為可能。這就要求內部審計變革審計思維技術和方法，靈活應用大數據技術，構建審計信息化的新模式，提升電網企業的綜合管理水平。

二、大數據綜述

（一）大數據的基本概念

1.大數據應用的核心價值。大數據應用的關鍵不是“大”和“數據”，其核心價值是將數據視作與人財物一樣的企業核心資產，讓資產創造價值。與傳統數據挖掘分析的區別是，通過采用新的采集、存儲和處理技術，實現跨業務、多類型、實時快速、靈活定制的數據關聯分析，滿足公司在電網生產、經營管理、優質服務三方面的管理提升和業務創新需求。

2.大數據5V1C的基本特征。大數據同過去的海量數據有所區別，其基本特征可以用5V1C（見圖1）來概括，其中規模（Volume）指數據體量巨大，可以是TB級別，也可以是PB級別;多樣（Variety）指數據類型多，數據源多，多為半結構化、非結構化數據;快速（Velocity）指時效性強，要求傳輸速度快、處理速度快;價值（Value）指價值潛力大，價值密度低;靈活（Vitality）指分析和處理模型須快速地適應新的業務需求;復雜（Complexity）指需要有新的方法來滿足異構數據統一接入和實時數據處理的需求。簡而言之，大數據的特點包括體積大、多樣性、價值密度低、速度快、快速適應、復雜程度高等。

（二）大數據環境下的計算機數據審計模式

1.計算機數據審計。計算機數據審計是指運用計算機審計技術對被審計單位相關業務信息系統所存儲和處理的電子數據進行的審計。通過對被審計單位的電子數據進行采集、轉換、清理、驗證和分析，幫助審計人員掌握整體情況，發現審計線索，收集審計證據，形成審計結論，實現審計目標。

2.計算機數據審計的特點。利用數字化技術對被審計單位信息系統存儲和處理的電子數據進行審計，是信息化環境下內部審計履行審計職責、發揮審計功能的重要內容。計算機審計與手工審計相比，雖然審計目標相同，但審計技術、方法和審計的作業方式都發生了根本性改變。計算機數據審計將審計的視線由傳統賬目轉向了電子數據，是審計觀念和審計方法的進步。

3.計算機數據審計的七步流程法。大數據環境下的審計流程較傳統的審計流程有著明顯的區別。計算機數據審計過程中，審計人員要采集和轉換被審計單位的原始數據，建立某種業務的中間表或審計分析模型，并進行某種類型的數據分析。根據目前的研究，可將計算機數據審計的流程歸納為七個階段，簡稱“七步流程法”（見圖2），七個階段之間相互聯系，并無嚴格界限。

三、全業務數據中心的構建及審計分析模型應用

（一）全業務數據中心建設理念及構成

1.全業務數據中心建設理念。以業務系統數據統一管理為基礎，以全業務數據中心建設為支撐，以體制機制建設為保障，加強大數據統籌管理，強化大數據價值挖掘和成果應用，積極培育數據文化，推動公司數字化建設，促進公司創新發展。

2.全業務數據中心數據域構成。全業務數據中心由數據處理域、數據分析域和數據管理域三部分組成（見圖3），其中數據管理域是公司生產經營管理過程中各類業務數據存儲、處理、融合中心，主要支撐業務處理類應用，是推進業務流程貫通和數據共享、保障數據質量的關鍵，也是提升數據應用水平的基礎;數據分析域是公司各類數據清洗轉換、匯聚整合中心，主要支撐采集監測類和分析決策類應用，是挖掘數據資源價值、提升數據應用水平的核心;數據處理域是公司數據模型管控、主數據應用中心，是實現數據規范、安全、正確的關鍵和保障。

（二）全業務數據源端業務系統調研

1.審計業務需求調研。通過調研，確定審計主題內容，了解相關業務流程現狀，形成審計業務需求調研報告，編制審計分析場景設計說明書，明確審計業務分析視角及相關規則，同時明確應用場景的展現形式。

2.源端業務系統情況調研。掌握源端業務系統涵蓋的業務范圍、存量數據大小、存儲類型、字符集、數據庫類型等情況。

3.源端業務系統數據接入準備。按照場景審計說明書，分析評估需要接入哪些源端業務系統的數據，對欠缺的數據進行進一步評估和調整增補。

（三）獲取源端業務系統數據

根據審計業務需求及源端業務系統調研成果，編制全業務數據中心數據處理域的數據接入方案。數據接入方案中，應明確數據接入范圍、接入頻度、技術路線（OGG、ETL）、工作計劃、職責分工、風險及應對措施等內容。

初始數據接入采用文件導入方式實現存量數據初始化;后續增量數據的同步復制，采用數據同步工具Oracle Golden Gate、ETL實現。具體步驟見圖4。

（四）全業務數據中心處理域的數據清洗與轉換

數據清洗與轉換是在前端業務系統數據接入全業務數據中心處理域后，對接入系統數據質量進行校驗核查。通過ETL匯總整理，實現企業全局數據的完整性、準確性、規范性、唯一性，為分析服務提供統一的數據支撐。

（五）全業務數據中心分析域構建中間表

在全業務數據中心分析域中，按照審計分析主題對處理域數據進行重新組織，通過數據抽取、清理轉化、匯總和整理等手段，建立審計中間表，為跨專業、業務全過程等綜合審計分析構建提供數據支撐。

分析域分為兩層，即數據明細層和輕度匯總層。數據明細層保存清洗轉換后全業務、全量明細數據，實現物理分散的數據表合并和編碼歸一，為后續數據溯源及反向核查奠定基礎;輕度匯總層是根據審計分析場景需要，對明細層數據重新組織規劃，實現跨域共用數據的合并和匯總，為跨專業及業務全過程等綜合分析應用構建提供數據支撐。

（六）開展總體數據分析，選擇審計重點

采取結構分析法、趨勢分析法、比率分析法等方法，對總體情況進行分析。利用結構分析法揭示總體的結構關系和各個構成項目的相對重要程度，從而確定重點審計疑點，提示進一步審計分析的方向。利用趨勢分析法對公司若干期相關數據進行比較和分析，從中找出規律或發現異常變動。通過了解數據的規律及異動情況，確定審計的分析角度及審計重點。

（七）審計重點的數據建模

結合審計重點需求以及實際數據支撐情況，按照審計重點需求開展分析模型的驗證及調優工作，主要包括算法設計、算法實現、模型驗證、模型評估、模型發布、模型優化等，并對分析結果數據進行驗證并適當修正，從而提升分析模型結果對審計業務的支撐能力。

（八）延伸審計

應用已構建的審計分析場景，核查問題或篩選線索，針對審計問題或線索延伸到業務層面，核實審計問題或線索。在審計過程中，審計人員經過前期的充分準備和提前謀劃，有針對性地開展數據獲取、線索分析、項目管理、抽樣計算等信息化綜合應用，利用全業務數據中心審計分析場景進行信息初篩并核實，確保了審計質量和審計抽查范圍的全面覆蓋，提高了審計效率。參審人員運用信息化技術核查問題、宏觀評價判斷問題、分析問題的能力通過審計工作得以充分展現。

（九）大數據審計分析模型實例

國網遼寧電力通過2016—2017年的建設，完成41套業務系統數據接入及核心數據清洗轉換，圍繞營銷、運檢、人資、物資等多項業務，完成12個審計分析模型設計研發及分析應用場景建設;按照國網公司分析應用場景建設要求，完成10個審計分析場景在國網大數據應用專題的發布共享。現以“物資積壓情況審計分析應用場景”為例，介紹國網遼寧電力審計分析模型建設及應用情況。

1.實例。為了更加高效地利用庫存資源，節約公司成本，減少采購投入，公司領導高度重視庫存積壓帶來的影響，公司逐步開展清倉利庫、盤活利庫、積壓物資庫存鑒定及跨區域調撥等多項重點工作。但“積壓物資分類不準確、物資來源不明確、鑒定過程時間跨度較長，存儲時間與采購日期、領用日期間存在差異”等問題仍然存在，給庫存積壓的準確鑒定帶來了困難。國網遼寧電力基于全業務統一數據中心，應用大數據挖掘算法，對公司內各單位的在庫物資進行了多角度、多維度分析。對庫存資金占用較大、積壓時間嚴重超期的地市單位，對其積壓物資的物料類型、倉庫編碼、物料小類、在庫時間等分布情況進行統計和分析。

2.審計分析場景功能。

（1）采購物料庫存到期情況（見圖5）。數據來源以公司ERP系統每天傳遞的物料憑證清單為依據，以日期為關鍵值，進行增量數據的推送。從中可按月查詢每個月的入庫金額、各供電公司不同倉庫性質的庫存占比情況。按照月份展示不同公司、不同倉庫性質下的庫存入庫金額值。點擊可以下轉到該條件下入庫憑證的明細數據。

（2）采購物料庫存積壓資金情況（見圖6）。數據來源以公司ERP系統每天傳遞的物料憑證清單為依據，以日期為關鍵值，進行增量數據的推送。可以按月查詢每個月的出庫金額、各供電公司不同業務類型的出庫占比情況。可按照月份展示不同公司、不同出庫類型下的庫存出庫金額值。點擊可以下轉到不同倉庫性質下的出庫憑證的明細數據。

（3）周轉率。數據來源于公司ERP系統中的周轉率計算。以圖形展示出各個地市單位目前的周轉率情況;按國網公司每年5次的要求，設定標準值，直觀反應各單位與標準值之間的偏差。

（4）各物料類型對應庫存資金及時間分布情況（見圖7）。以批次日期為分析對象，計算在庫物資的庫齡。庫齡分布為0—10天，10—30天，30—180天，180—360天，1年以上，便于掌握總體的積壓和庫存、庫齡的分布情況，利于及時監督、提醒各單位進行利庫工作。

（5）物資庫存分析。以當前庫存為數據基礎，以每天全量發送的形式進行庫存分析，分析在庫物資的金額和條目數，便于掌握各單位的庫存構成，分析倉庫性質下的庫存總體情況，及時發現倉庫利用率低等情況，以合理分配倉庫資源，統籌庫存物資。

四、應用成效

（一）初步搭建起數字化審計體系

初步構建了職責界面清晰、流程一體管控、業務管理融合、資源集約統籌、審計全面覆蓋的數字化審計體系。在體制、人員方面有所保障的基礎上，開展基于全業務數據中心的“集中分析、分散核實”審計項目作業方式，借助不同維度進行統計分析，為數字化審計提供輔助支撐。

（二）推進數字化審計模式創新

積極應對信息化、大數據給公司審計工作帶來的挑戰，推動審計思維觀念和技術手段革新。組建數字化審計工作室，基于全業務數據中心的大數據審計成果，探索開展非現場數據分析和在線持續審計監督，引導培育公司系統數字化審計生態，開展審計效能的機制研究、審計信息化關鍵技術方法攻關，為公司審計工作發展提供理論指引和技術支撐。

（三）培養鍛煉數字化專家團隊

充分集成優質審計資源團隊，提升了審計人員運用互聯網技術和信息化手段開展審計工作的能力，一批查核問題的能手、分析研究的高手、計算機應用的強手、精通管理的行家里手正不斷涌現。

（作者單位：國網遼寧省電力有限公司，郵政編碼：111000，電子郵箱：2796515197@qq.com）

主要參考文獻

董化禮，劉汝焯.計算機審計數據采集及分析技術[M].北京：清華大學出版社， 2002

李玲，劉汝焯.計算機數據審計[M].北京：清華大學出版社， 2010

王峰，薛寶弟.應用“大云物移”促進管理提升[J].國家電網， 2017（5）：92-93

王國成.從3V到5V：大數據助推經濟行為的神話研究[J].天津社會科學， 2017（2）：94-95