基于知識圖譜的審計智能專家模式設計與應用

王向陽 席斌 胡璟懿 匡堯 劉云飛

【關鍵詞】 知識圖譜; 審計智能專家; 共創價值; 知識共享; 電網企業

【中圖分類號】 F239.45? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）14-0140-06

隨著大數據時代的發展，審計業務越來越依賴于數據。“審計智能+”整合5G、人工智能與區塊鏈等技術，審計方法朝數據化、智能化和預見性轉變和發展，審計業務實現業務數據采集、過程分析到報告生成的全過程自動化。智能審計是信息化環境、大數據時代下審計轉型發展的重要技術支撐和典型發展模式，李越冬等[ 1 ]提出智能審計一般采用EDA、數據挖掘、數據可視化等新技術。張鵬[ 2 ]認為應以持續審計為基礎構建綜合層級持續審計，全面支持審計、管理決策。智能審計成為審計發展的一個主流方向。在中央審計委員會第一次會議上習近平指出，要堅持科技強審，加強審計信息化建設。目前，學術界和實務界普遍關注智能審計范式研究，集中于數據挖掘、過程建模、平臺構建和內部審計轉型等熱點問題，研究獨立且較分散，理論和實踐經驗都不夠成熟。

國家電網在《信息通信新技術創新發展行動計劃實施意見的通知》（〔2018〕108號）中提出要“開展基于知識圖譜的全業務數據建模關鍵技術研究，在全業務統一數據中心構建業務數據知識圖譜”。國網湖北省電力有限公司（簡稱國網湖北電力）以價值共創為核心，運用知識圖譜四個步驟促進審計知識發現、挖掘、融合與共享，打造以“審計五庫”為基礎的審計智能專家模式，通過用數據說話、用數據分析、用數據聚焦、用數據決策等方式共創五種價值。該模式創新理念凸顯，模式設計先進，方法科學可行，實施效果明顯。

一、審計智能專家概念的提出

我國智能審計研究從電算化審計到計算機審計，再到信息化審計，全面融入大數據、云計算等新技術，逐步在技術創新、案例應用和行業推廣等領域摸索與實踐。畢秀玲和陳帥[ 3 ]認為我國要發揮制度、技術和人才等優勢，采取升級分區域推進、技術分階段發展等方法，推進“審計智能+”建設。楊揚[ 4 ]分析了2016—2018年上市公司數據，發現智能技術有助于提升審計質量。徐洪波（2020）設計了智能審計路徑并應用于實際工作中，提高了審計工作效率。李軍輝（2020）針對財務共享中心費用報銷，建立審計智能預警框架，解決了審計數據的采集、知識庫以及專家系統的難題。閻璽和李曉華[ 5 ]、李越冬等[ 1 ]研究了智能審計在國家電網、醫院以及商業銀行的應用現狀和發展經驗。

審計智能專家，是以審計“實體人”和“虛擬人”虛實合一為主體，人腦+智腦聯合助力審計效率，運用“個人技能”+“團隊技術”為科技強審手段，以“個人經驗”+“機器規則”為審計行為規則，以“知識”為審計對象，“四化”路徑強化作業技術能力，四個“智變”強化數據能力，與其他部門共促價值創造。國網湖北電力用數據支撐審計，用信息驅動業務，以國家電網泛在電力物聯網為數據載體，基于知識圖譜打造審計智能專家。

二、基于知識圖譜的審計智能專家模式的設計思路與實施

（一）審計智能專家的模式設計

審計智能專家模式是“一個核心、兩類思維、三種角色、四個步驟、五種價值”。具體是以價值共創為“一個核心”，形成“向信息化要資源、向大數據要效率”的“兩類思維”，扮演“三種”角色，實現“淘金者”淘數據資產、“聚合者”聚數據資源、“增值者”增數據價值，將無形的數據轉化為可感知的價值。如圖1所示。

以能源互聯網為知識源頭，運用知識圖譜“四個步驟”推動審計知識的發現、挖掘、融合與共享。一是知識提取。從電網半結構化數據、非結構化數據和第三方結構化數據庫中采用實體、關系、事件等方法提取知識要素，形成知識圖譜維度。二是知識學習。運用數據整合、深度學習技術描述知識要素之間的關系，結合第三方數據庫進行知識合并。三是知識融合。以知識模板為起點，消除指稱項與事實對象之間的歧義，通過網絡對齊與實體對齊，形成高質量知識庫。四是知識推理。通過規則推理、機器學習和質量評估進一步挖掘隱含知識，豐富、擴展知識庫，形成“審計五庫”，實現數據價值、咨詢價值、風控價值、預警價值和團隊價值五種價值。

（二）審計智能專家的功能定位

1.定位為電網海量數據的淘金者

審計人員作為“淘金者”收集“海量數據”，淘取“價值數據”，挖掘“數據資產”。（1）收集海量數據。跨業務、跨區域、跨層級，實體提取能源互聯網大數據，形成類型繁多、數量巨大的實時數據。（2）淘取價值數據。基于關系提取特征指標，建立數據間邏輯聯系，淘取電網生產類、電力經營類數據。（3）挖掘數據資產。基于事件提取、挖掘高價值數據，將無用“數據墳墓”轉化為有用“數據資產”。

2.定位為全業務統一數據中心的聚合者

審計人員作為“聚合者”聚合海量數據資產，構建數據中心，開啟“數據寶庫”。（1）構建數據中心。打破數據孤島，依托電網數據中心，實現數據多層聚合，即管理層面數據共用，經營層面數據共通，企業層面數據共享，形成全業務范圍、全數據類型、全時間維度的大數據融合分析平臺。（2）開啟數據寶庫。匯總分散數據，深度學習以聚合數據價值。知識合并以增強數據資產的業務驅動力，最大化數據應用價值，創造數據附加值，開啟高價值數據寶庫。

3.定位為能源互聯網數據的增值者

審計人員作為“增值者”，全面促進能源互聯網數據互聯互通、價值互增，提升數據附加值。（1）數據互聯。構建知識模板，實現實體鏈接。橫向來看，上游連下游，以數據為源頭，以業務為脈絡，不同業務部門數據互聯共享;縱向來看，以數據中心為核心，向上云端互聯，向下物聯網數據聯結，不同管理層級自治，通過網絡對齊和實體對齊，實現數據庫互聯共享。（2）數據互增。萬物互聯全方位、大幅度、內涵式提升數據數量、質量、能量，實現三種增值。一是匯總分散數據，增加數據數量，進行機器學習創造數據新價值。二是挖掘數據，借助規則推理提高數據質量，發現數據潛在價值。三是促進雙向循環。數據來源于業務，通過質量評估增強數據能量，又反過來激活業務，實現數據反哺價值。

（三）知識圖譜模式的四個步驟

知識圖譜以全業務統一數據中心為基礎，通過機器深度學習，收集、篩選和提煉數據，匯聚知識資源，依據關聯邏輯自動構建知識間的關系，形成網狀知識結構。國網湖北電力運用知識圖譜的知識提取、知識學習、知識融合和知識推理四個步驟，形成數據的篩選網、過濾網、邏輯網和共享網等知識網絡，達到數據規范化、業務標準化、管理精益化的目標。如圖2所示。

1.知識提取是篩選網

知識提取通過人工智能和數據畫像自動提取特征指標篩選電網數據，提升知識運用效率。（1）人工智能識別數據。人工智能技術全天候持續跟蹤能源互聯網，實現配網管理、運維管理和電網調度等業務數據實時歸集，分類入庫，例如：異常數據歸入審計疑點庫。（2）數據畫像提煉數據標簽。對操作者、產品屬性、客戶屬性、業務特征等數據打標簽，錄入審計疑點庫和審計資料庫。（3）“審計五庫”分析數據。梳理提煉常見問題的關鍵字，運用聚類算法降維處理，實現數據資產“分類整合、各歸其庫”。

2.知識學習是過濾網

知識學習通過吸收有用知識，清理冗余數據，整理有效數據，重建數據關聯，提升后續知識挖掘效率。（1）剔除冗余數據。歸并分散在電網企業生產、經營過程中的數據，剔除重復性數據，同步上報數據。（2）消除錯誤關聯。共享跨專業、跨部門的數據，排查關聯數據，核對交互數據，消除錯誤關聯數據。（3）建立數據關聯。二次核查關聯模糊的數據，明確數據關聯關系，清查隱匿關聯數據。

3.知識融合是邏輯網

知識融合是通過知識模板尋找新關聯知識點，理清數據間邏輯，推動知識“全面入庫”;通過網絡對齊和實體對齊，保證知識“精準入庫”。（1）制度入庫。明晰法律紅線，防范制度漏洞，形成規章制度庫。（2）資料入庫。網羅數據文本，豐富資料儲備，形成審計資料庫。（3）疑點入庫。深扒重點業務，捕捉潛在線索，形成審計疑點庫。（4）問題入庫。梳理問題核心，狠抓整改效果，形成問題整改庫。（5）經驗入庫。收錄優秀案例，規范操作指南，形成審計知識庫。

4.知識推理是共享網

知識推理是審計知識的全方位共享，以五庫共享知識儲備，提升審計知識應用效能。（1）制度庫共享明規定。共享整改標準和工作規范，與問題整改庫共享，提升問題整改效果;與審計知識庫共享，提高知識應用能力。（2）資料庫共享提效率。共享業務資料和案例經驗，提供審計工作方案，提升審計問題解決效率。（3）疑點庫共享降風險。共享審計疑點、工作難點和風險易發點。一是共享審計疑點，促進審計“查”得準;二是共享工作難點，推動工作“做”得易;三是共享風險易發點，保證風險“防”得住，提高審計疑點捕捉效率。（4）問題庫共享促整改。共享問題整改全過程，實時跟進、及時會診，提高審計判斷科學性;共享問題銷號，把脈整改方案可行性，提升審計建議合理性。（5）知識庫共享促聯動。共享審計經驗，構筑知識成果共享網絡，提高審計知識成果利用率。

（四）審計智能專家的價值共創方法

1.共建規章制度知識庫，“制度”上升為“知識”，共創數據價值

內審部門借助專家知識經驗，以審計問題為導向，建立審計知識圖譜。業務部門明晰業務流程，匯總業務規章，共享知識經驗。審計智能專家作為“虛擬人”，以語義解析、分詞技術為輔助手段，自動收集業務經驗、自動歸類業務規則以及智能問答業務咨詢，形成規章制度知識庫，共創數據價值。

2.共建審計資料知識庫，“人腦記憶”升級為“智腦存儲”，共創咨詢價值

內審部門保存項目審計資料和常見問題解決方案，充分共享審計資料。業務部門收錄項目資料，按序歸類，共享業務信息。審計智能專家作為“虛擬人”，提取審計及項目資料，采取人機交互、人工預判和智能輔助決策，形成審計資料知識庫，共創咨詢價值。

3.共建審計疑點知識庫，“個人經驗”提煉為“機器規則”，共創風控價值

內審部門挖掘海量數據，借助個人經驗深度分析異常業務，精準預判風險疑點。業務部門參考審計疑點，事前警示，事中糾偏，事后整改。審計智能專家作為“虛擬人”，提煉個人經驗，運用規則模型自動收集業務數據，自動發現業務難題，自動診斷業務疑點，自動分析業務問題，形成審計疑點知識庫，讓風險可控、在控、能控，共創風控價值。

4.共建問題整改知識庫，“個人技能”拓展為“團體技術”，共創預警價值

內審部門管理審計和業務活動全過程，建立整改跟蹤程序，積累問題整改的案例、經驗、模板，防范風險再發生。業務部門配合問題整改，業審聯動共同識別業務難點、問題多發點，防范業務再出錯。審計智能專家作為“虛擬人”，依據個人技能建立業務規則、風險規則和政策意識，自動規范“實體人”的整改行為，自動關聯整改佐證材料，形成問題整改成果再應用，提前防范業務風險，形成問題整改知識庫，共創預警價值。

5.共建審計知識庫，“實體人”與“虛擬人”互補，共創團隊價值

內審人員向數字化審計尖兵、行業審計專家和深度融合專家邁進，全方位培養“精業務、懂審計”的復合型人才和“精審計、懂業務”的審計專家。審計智能專家將個人的記憶、經驗、技能提煉為數據存儲、機器規則和團體技術，實現“實體人”與“虛擬人”互補，形成審計知識庫，共創團隊價值。

審計智能專家價值共創的思路如圖3。

三、國網湖北電力審計智能專家模式應用

（一）國網湖北電力審計智能專家模式的實施辦法

國網湖北電力以“實體人”與“虛擬人”聯合強化業務能力和柔性能力，“四化”路徑強化作業技術能力，四個“智變”強化數據能力，“虛實聯合”共育審計智能專家。

1.增強審計“實體人”的業務能力，培養三類專家

做知識聚合者，培養三類審計專家。聚合行業審計專家的橫向視角和深度專家的縱向視角，雙向視角預判業務風險點，橫縱雙向聯合查漏點、補缺點、掃盲點。

（1）數字化審計尖兵。做知識淘金者，培養數字化審計尖兵能力。一是以審計為基，以數字化為核，培養大數據挖掘分析能力。二是以知識圖譜為線，串聯數據資產，培養數據庫構建能力。三是化數據為知識，創造數據價值，培養知識圖譜運用能力。

（2）行業審計專家。做知識融合者，培養數據庫構建和知識圖譜運用能力。一是在垂直領域中歸類大數據，構建“審計五庫”。二是積累經驗知識，強化知識圖譜，鎖定業務風險點，排除業務疑點。

（3）深度融合專家。做知識增值者，培養融匯業務、數字科學和審計知識的深度專家。在橫向領域，提升算法性能，促數據科學增值;在縱向領域，實時排查業務疑點、難點、風險點，反推審計遺點、缺點和盲點，促審計與業務增值。

2.培養審計“虛擬人”的柔性能力，打造審計“虛擬團隊”

“虛擬個人和團隊”聚合柔性能力，虛實聯合做增值者。

（1）聚合“虛擬個人”，形成柔性能力。打造專業、智能、靈活的柔性審計個人，橫向連接數字審計尖兵，明確職責，調整分工;縱向連接行業審計專家，突破審計與業務的智能數據接口，數據互聯互通。

（2）打造“虛擬團隊”，形成虛擬智庫。打造上下聯動、人人互動、專業互補、技能交叉、協同一致的“虛擬團隊”，聯合審計與業務知識庫，聚合跨學科、寬領域的審計知識庫。

3.強化技術能力，實施“四化”路徑

國網湖北電力主動培養審計智能專家的技術能力，堅持“用數據說話、用數據分析、用數據聚焦、用數據決策”，全方位實現數據采集自動化、分析明晰化、疑點聚焦化、判斷智能化。如圖4所示。

（1）審計數據采集自動化：用數據說話。審計數據自動化采集全方位、全天候、多角度。1）全方位自動采集。自動采集跨業務、跨流程、跨部門的海量數據，內部數據“一網通”，審計數據“全域通”，拓展審計數據廣度。2）全天候自動采集。24小時數據自動采集，數據不離線，加強審計數據深度。3）多角度自動采集。整合多維數據，拓寬審計數據角度，形成數據層次圖。

（2）審計數據分析明晰化：用數據分析。隨需分析、自動分析、持續深度挖掘審計數據，讓數據能用、易用、好用。1）數據隨需分析，讓數據能用。完善數據預處理，增強數據可理解性，以需求為導向，實現隨需分析、隨需查詢、隨需展現和隨需發布。2）數據自動分析，讓數據易用。數據“一站式”共享，分析程序標準化、輔助決策智能化、計劃編制數字化、流程檢查規范化，智能分析、自動調配審計資源。3）數據持續可視，讓數據好用。進行數據推演、圖像處理和視覺開發，提升審計信息可視化，凸顯數據直觀性。

（3）審計業務疑點聚焦化：用數據聚焦。審計智能專家作為“虛擬人”，橫縱交叉聚焦審計疑點、難點、高危點。風險疑點細化到項目，形成橫向風險監督網;風險疑點細化到部門和人員，從上到下，信息貫通，形成縱向風險監督鏈。1）聚焦疑點。風險監測預警模塊發現疑點、警示疑點;舉報監測模塊實時處理、消除業務疑點。2）聚焦難點。聚焦成本核算、工程投資、電費回收等審計難點，動態管控全域、全員、全過程。3）聚焦高危點。自動聚焦風險密集區，智能排查風險多發點，實時關注業務關鍵點、風險高危點。

（4）審計判斷智能化：用數據決策。審計智能專家作為“虛擬人”，實現事前、事中和事后的三種智能化決策。1）事前預判審計風險。關注關鍵業務，分析風險源頭，預先識別風險征兆，及時規避風險高危點，全面提升審計預判準確度。2）事中研判在線答疑。在線解答業務疑難問題，實時更新規章制度知識，全面分享審計案例經驗，提升審計疑點、難點研判的智能度。3）事后輔助關鍵決策。風險及時判斷，評估業務質量，完善業務事項確認，輔助提升決策的有效性。

4.強化數據能力，實現四個“智”變

（1）“智”在深挖數據，個人技能拓展為團體技術，充分發揮“篩選網”作用。1）增加可用數據。審計智能專家發揮“實體人”個人技能，作為“淘金者”深度挖掘業務數據，篩選有用審計數據，開發“數據資產”。2）促進數據連接。審計智能專家作為“虛擬人”將“數據孤島”整合為“數據中心”，促使數據跨部門整合、跨平臺透明，實現由壁壘向協同、由分散向集中、由自發向可控轉變的目的。

（2）“智”在過濾整合，無序收集轉變為有序整合，高效發揮“過濾網”作用。1）豐富數據類型。審計智能專家發揮“實體人”主動性，運用知識圖譜結構化數據庫“寶藏”，形成“易儲存、易查閱、易使用”的結構化數據。2）挖掘數據多面價值。審計智能專家發揮“虛擬人”的技術優勢，作為聚合者打破業務壁壘和數據壁壘，開發高價值“數據資產”。

（3）“智”在專業判斷，個人經驗形成機器規則，充分發揮“邏輯網”作用。1）規則自動判斷。審計智能專家作為“虛擬人”運用規則監測業務部門運營情況，實時掌握業務重點、業務疑點及風險頻發點，及時研判、及時決策。2）規則輔助決策。審計智能專家作為“實體人”運用機器規則挖掘未知審計線索，提前預警，自動提示業務疑點，智能標記疑點業務，自動警示決策盲點。

（4）“智”在共享知識，人腦記憶升級為智庫存儲，充分發揮“共享網”作用。1）與智者交互。審計智能專家作為“虛擬人”，挖掘數據分析疑點，預判業務經營隱患，運用知識圖譜技術實現數據增值。2）與智庫共享。審計智能專家作為“虛擬人”，收集、歸類、聚合審計知識形成“審計五庫”，提升審計成果知識的應用能力。

（二）國網湖北電力審計智能專家模式的實施效果

1.審計專家虛擬化，虛實聯合培養審計智能專家

國網湖北電力以“實體人”“虛擬人”相輔相成，打破了審計成果知識壁壘，“虛實聯合”提供知識儲備和輔助決策資源，培養了一批審計智能專家。國網湖北電力構建“審計五庫”，初步完成知識圖譜轉換工作。2019年，國網湖北電力啟動審計工作知識化工程，收集了國家法律法規、國網通用制度、省公司規章制度，初步完成了規章制度和問題整改庫的知識圖譜轉化工作。

2.知識圖譜化，知識庫增強審計判斷精準性

國網湖北電力建立審計知識的知識圖譜，聚合數據倉庫，建成經驗庫、制度庫、資料庫、疑點庫和整改庫“審計五庫”，讓數據能用、易用、好用，促進業務多方向融合，增強審計知識共享性。2018年起，國網湖北電力“全業務統一數據中心”聚合電力大數據，開啟電力數據寶庫，完成了多個地市公司數據導入、歸類、入庫工作，形成了地市—分公司—子公司的持續審計監督、日常審計監控、審計監督疑點體系，完成疑點的導入工作。

3.業審聯動全面化，實現審計價值共創效果

審計作業智能化實現業務與技術的有機融合，實現智能分析、高效聚合“海量數據”，挖掘“業務數據寶藏”，與業務部門共創數據價值與咨詢價值。2019年，國網湖北電力審計智能專家成功識別并控制上百個業務風險點，有效預警了業務環節風險，輔助提出管理建議超過千條，促進增收節支逾十億元。

本文以數據中心為源頭，以“審計五庫”為載體，借助“數據采集四化”，基于知識圖譜設計了審計智能專家模式，通過國網湖北電力的應用實踐充分證明了該模式可行并有效。該模式通過“實體人”與“虛擬人”的結合，強化了業務能力和柔性能力，通過知識圖譜強化技術能力，實現數據結構化，為審計智能化提供基礎，人腦+智腦大幅度提升了審計工作效率，強化數據能力，實現了“用數據說話、用數據分析、用數據聚焦、用數據決策”的目的。審計智能專家將從審計工作“自動化”轉型為“智能化”，實現審計工作知識化，由事后審計向事前、事中審計轉變，實現“長鏈路、長周期”的靜態監督向“高靈敏、短平快”的動態監督轉變，實現審計監督全覆蓋，形成具有中國特色的審計智能專家模式。

【主要參考文獻】

[1] 李越冬，軒文爽，洪云.醫院智能內部審計方式與技術研究[J].會計之友，2019（23）：130-136.

[2] 張鵬.基于決策支持系統的持續審計問題探討[J].會計之友，2019（17）：58-61.

[3] 畢秀玲，陳帥.科技新時代下的“審計智能+”建設[J].審計研究，2019（6）：13-21.

[4] 楊揚.人工智能技術對審計質量的影響：基于會計師事務所視角的實證研究[J].技術經濟，2020，39（5）：9-17，34.

[5] 閻璽，李曉華.“大云智”等新技術條件下的電網企業智能審計研究與實踐[J].中國內部審計，2020（3）：15-21.