基于“RPA+神經網絡”的前瞻全量持續型數字審計體系構建研究

孫宇斌 王偉 張慧英 韓超 王永祥 許磊 林云

孫宇斌 王偉 張慧英 韓超 王永祥 許磊 林云

[摘要]本文將RPA（機器人流程自動化）和“神經網絡”人工智能技術進行聯合應用，構建出前瞻全量持續型數字審計體系，成功實現風險指標前瞻評估、經營數據全量采集和疑點整改持續跟蹤等內部審計創新，并以電網企業內部審計應用為例說明該數字審計體系在企業控風險促增值中具有的獨特技術優勢。

[關鍵詞] RPA? ?神經網絡? ?數字審計

一、引言

近年來，大數據、云計算、“互聯網+”、人工智能、區塊鏈等數字技術飛速發展并在各個行業得以廣泛應用，企業管理數字化、集成化、智能化趨勢明顯，內部控制環境發生深刻變革，導致傳統審計模式與數字時代潮流出現明顯脫節。監督滯后， 風險無法被及時發現容易造成損失擴大化;抽查樣本與業務量不在一個量級，造成大量業務無法被有效覆蓋;人工效率低下，人員配置和勞動量達到極限后仍然無法應對業務量的飛速增長……傳統內部審計無法破解的難題越來越多。由此可見，新形勢下通過數字化、智能化、自動化構建數字審計生態，向大數據要資源、向智能化要支撐、向自動化要效率，已成為內部審計促進企業發展和安全的必由之路。

二、基于“RPA+神經網絡”的前瞻全量持續型數字審計體系

“RPA+神經網絡”創新的核心是利用流程自動化和人工智能技術創造能夠代替審計人員的“數字勞動力”，以擴展審計人員用來挖掘業務數據的“眼睛”，提煉違規特征的“大腦”，加快作業效率的“雙手”。

（一）前瞻全量持續型數字審計體系的內涵

前瞻全量持續型數字審計體系將RPA和神經網絡技術進行整合運用，以非侵入方式對結構化數據、非結構化數據、數據庫實施 “三位一體”實時挖掘、分析、處理，形成審計體系的全量數據庫，同時在全量數據庫的關鍵領域和環節嵌入持續審計監控模型，當模型監控結果超過設定的審計閾值時，按預定的風險管控規則在風險進一步擴大前，前瞻性地向審計人員和企業決策者報告風險和提供可借鑒的管控策略，以實現對業務流程提前實施干預，避免造成重大經營損失。在干預措施實施后，持續地對干預結果進行量化評估，直至風險指標降至正常范圍。

（二）前瞻全量持續型數字審計體系的框架

前瞻全量持續型數字審計體系的核心功能是實時無縫地從各個業務系統獲取準確的全量數據，然后進行數據的標準化處理和分析。基于以上核心功能需求，前瞻全量持續型數字審計體系構建了由業務系統層、全量數據層、持續監控層、成果交互層組成的體系框架（如圖1所示）。

1.業務系統層（Business System Layer）。業務系統層通過接入財務管控、ERP、經濟法律、營銷、車輛管理、OMS、標準化設計、PMS、用電采集、電子商務平臺等46個業務系統，實現了對企業財務、工程、物資、人資、營銷、后勤的全業務、全環節、全口徑數據采集覆蓋。業務系統層的建立實現了審計所需各類原始數據的全量匯集，海量數據分布式存儲于各業務系統，減輕了集中存儲對服務器帶來的存儲和響應壓力，分布式構架使得數據資源能夠進行動態調配和靈活擴展。

2.全量數據層（Full Data Layer）。全量數據層打破不同系統之間的數據壁壘，形成數字審計體系的全量數據庫，源源不斷地為持續監控層提供全量采集數據支撐。全量數據層可按審計需求，通過選擇部門單位、覆蓋領域或時間范圍等篩選條件進行自助取數，實現對數億條數據、多表聯合查詢的秒級響應，并可通過制定全量數據中間表，固化審計字段獲取路徑，開展全天候不間斷的數據采集。

3.持續監控層（Continuous Monitor Layer）。

持續監控層由一系列基于RPA技術構建的數據勾稽審計模型和基于神經網絡技術構建的數值預測審計模型組成。模型監督時點持續貫穿當即發生、預計發生和已經發生的業務全環節，全領域覆蓋風險與隱患。當模型采樣數據超過設定的審計閾值時，提前向審計人員和企業決策者報告相應風險和管控策略，同時在干預措施實施后，循環評估干預結果，直至將風險指標降到正常標準。

（1）RPA數據勾稽審計模型應用舉例。①工程施工合同履約審計。針對企業施工合同多為紙質或PDF格式且數量巨大的特點，利用RPA的OCR活動組件，掃描識別審計范圍內合同的關鍵字段，如乙方信息、工程名稱、工程編號、合同金額、支付時間等信息，形成結構化表格。同時，利用RPA的“Data Scraping”登錄ERP財務管控系統，根據工程名稱、工程編號抓取對應工程的資金支付金額、支付時間、收款方信息，對兩個結構化表格進行橫向對比，檢查是否存在未按合同支付進度款、超合同金額支付、資金支付單位與合同不符等問題線索。②工程廢舊物資回收審計。RPA機器人自動連接電力工程標準設計管理系統數據庫，查詢數據庫中有關工程拆舊部分數據，返回包含項目名稱、項目編號、廢舊類別、型號、數量結構化表格。同時，利用RPA的“Data Scraping”登錄物資管理系統抓取對應工程的《廢舊物資移交清冊》，對兩個表格進行橫向對比，檢查是否存在廢舊物資應交未交的問題線索。③用戶超合同容量用電審計。用戶長期超容量用電不僅威脅著電網運行安全，還易造成基準電費的流失。借助RPA機器人可在數小時內查找營銷系統中幾十萬用戶每日超容量用電時間點，并自動導出超容量30%閾值客戶明細，對其實施預警和縱向追蹤，檢查有無超合同容量用電風險。相同工作量，依靠人工手動導出核對則要數周時間，時效性大打折扣。

（2）神經網絡數值預測審計模型應用舉例。①工程施工費預測。施工費用在工程成本預算中占比大，缺少有參考價值的工程造價一直是工程施工費審計領域的難點問題。通過相關性算法，選取關鍵設備型號、數量、施工地點、土質占比、地形系數、安裝方式、施工年份7個相關性最大特征值，輸入所建立的神經網絡模型，深度學習特征值與施工費之間的內在關聯，實現對施工費的準確預測，將施工費結算值超過預測值15%的工程項目列為重點審計對象。②企業持續經營能力預測。通過公開的會計信息，評估影響企業持續經營能力的各個重要因素，對意向單位的持續經營能力進行判斷，為企業選擇合作單位提供決策依據，避免在合作過程中因合作企業出現經營危機而給單位造成經濟損失。神經網絡模型選取經營性負債、長期負債、資產負債率、所有者權益、所有者負債、總資產、經營性現金流、稅前收益、流動比率、凈利潤率、上一年度是否盈利11個變量進行輸入，對經營審計意見展開預測，預測準確率高達94%。③工程項目綜合效益預測。工程項目綜合效益評價從企業資源配置是否優化、成本控制是否合理和收益產出是否最佳等方面，對項目成效進行綜合評價，從而實現工程項目效益最大化目標。神經網絡綜合評價模型將指標參數（盈利能力、償債能力、電能質量、用戶滿意度、就業效益、生態影響等22個指標）作為輸入層，隱藏層選用sigmoid作為激活函數引入非線性表示，輸出層選用purelin作為激活函數對數值進行任意范圍縮放，便于與樣本比較。分析結果作為企業管理層項目資源配置依據，以彌補前期研究不足，提高企業投資效益增值水平。

4.成果交互層（Results-interaction Layer）。成果交互層以風險地圖（如圖2所示）和審計報告的方式對各業務的風險信息進行差異化展示。風險地圖以風險發生頻率為橫軸，以風險強度（涉及金額）為縱軸，根據兩個維度的評價確定風險在坐標系中的位置，從而最終量化風險等級。圖2中綠色區域為極低風險等級，藍色區域為低風險等級，黃色區域為中風險等級，橙色區域為高風險等級，紅色區域為極高風險等級。所有風險地圖和審計報告，由系統自動生成并流轉至內審項目負責人及相關責任部門管理人員處予以風險告知。同時，成果交互層還會對極高風險、高風險展開持續循環跟蹤式后評審，以評估責任部門糾正措施的有效性，并根據糾正措施完成后的業務狀態評估更新風險地圖，直至風險降低至低風險。

三、前瞻全量持續型數字審計體系在內審項目中的實踐

國網淄博供電公司將前瞻全量持續型數字審計體系作為內審工作載體，充分利用“RPA+神經網絡”在數據智能挖掘、分析和建模上的技術優勢，實現了內部審計由“事后查錯糾弊”向“事前評估防范”轉變，由“單業務條線識別風險”向“跨專業關聯識別風險”轉變，由“人工斷面時點審”向“自動閉環持續審”轉變，以超前的響應、多元的視角、閉環的管控，為全公司高質量發展提供更具價值的審計監督服務。

（一）審前：前瞻評估運行指標，智慧導航審計項目

前瞻全量持續型數字審計體系堅持以“前瞻風險管控、持續價值提升”為工作目標，前瞻、全量和持續地分析識別業務系統層風險種類、風險程度和風險發展趨勢，系統建立2級52項風險評估指標，并利用“神經網絡”對各項指標科學評分（得分≥90為優秀，90>得分≥80為良好，80>得分≥70為中等，70>得分≥60為合格，得分<60為不合格），使用“紅、橙、黃、藍、綠”五色以風險地圖形式對各指標風險水平進行直觀展示（如表1所示），審計部門在此基礎上對企業經營整體風險水平作出前瞻判斷，進而制訂審計計劃，合理配置審計資源，有針對性地執行審計程序并進行整改監督。A公司為淄博供電公司下面的一個區公司，2020年A公司營銷管理指標審計綜合評價74分僅為中等，其中2項分項指標僅為合格，很明顯營銷管理為該公司業務短板，相關業務風險管控水平亟需進一步提升。

（二）審中：全量采集經營數據，精準定位重大風險

依據前瞻全量持續型數字審計體系的審前評估，審計人員判定A公司的營銷業務為經營高風險領域，為其制訂營銷業務專項審計方案，通過智慧全量持續型數字審計體系全量提取A公司2017年1月至今的營銷業務經營數據，進一步發現該公司電價執行方面問題12項，其中涉及電價執行錯誤9項、未計收變損電費1項、功率因數執行錯誤2項;電能計量方面問題5項，其中涉及計量裝置不滿足計量標準3項、計量裝置故障2項。審計問題反映出，該公司在電價執行管理上存在部分客戶基礎信息掌握不準確及客戶用電稽查覆蓋不到位等管理風險;在電能計量管理上存在工作人員計量故障排查能力不足及計量裝置巡視檢查周期過長等管理風險。

（三）審后：持續跟蹤線索整改，顯著提升經營質效

在完成對A公司的營銷專項審計項目后，A公司從審計結果，從營業業務、用電檢查、電費電價等7個方面入手，開展了一次完善客戶基礎檔案、糾正電價執行差錯、整治用戶違約用電、強化計量裝置本質安全的“營銷管理問題整改與提升”專項活動。在為期3個月的專項活動中，A公司追繳損失電費和違約電費近百萬元，同時制定《銷售電價執行普查工作方案》等4項管理提升長效機制，以適應當前營銷工作發展的需要。經過持續整改，A公司營銷基礎管理水平穩步提升，員工承載能力逐漸增強，風險防范意識持續提高。與審計前相比，整改后A公司的風險評估指標明顯提升，審計綜合評價得分由83.7分提升至86.2分，營銷管理審計指標綜合評價由74分提升至82分，所有分項指標均達到良好和優秀水平，前瞻全量持續型數字審計體系在風險管控和價值提升方面的作用得以充分顯現。

四、總結與展望

基于“RPA+神經網絡”構建的前瞻全量持續型數字審計體系實踐效果良好，2020年國網淄博供電公司通過對2級52項業務風險評估指標科學量化打分，發現前瞻性判定2處高風險經營領域、12個弱項經營指標、1407項審計疑點等情況，并據此針對性制定7項審計項目，對所有審計疑點進行了持續跟蹤審計。2020年末，公司2處高風險業務領域和12個弱項指標全部銷號完畢并達到良好水平，為公司挽回損失、增加收益近千萬元。

基于“RPA+神經網絡”構建的前瞻全量持續型數字審計體系在未來推廣應用中還需關注以下方面：一是圍繞企業戰略目標的制定和執行建設企業風險感知庫，及時識別跟蹤企業運營關鍵風險點的變化，迅速配套相關風險識別與評估的指標及模型體系，這是數字審計的重要基礎。二是提升審計能力需要努力打造一支適應企業改革發展需要、掌握先進數字技術、對審計方向具備敏銳感知力的人才隊伍，這是數字審計的智慧保障。

（作者單位：國網山東省電力公司淄博供電公司，郵政編碼：255000，電子郵箱：shuiyusnail@126.com）

主要參考文獻

[1]陳偉.基于RPA的審計機器人：機遇、挑戰與方法[J].中國注冊會計師， 2020（10）：112-115

[2]劉天斌，胡宇.風險地圖在改善經濟責任審計中的作用[J].中國內部審計， 2019（2）：40-45

[3]沈國瑋，曹毓靜，禹培棟，等.數字化內部審計整改跟進系統的構建與應用[J].中國內部審計， 2020（9）：21-27

[4]許漢友.智能審計本質之問[J].商業會計， 2020（23）：4-8

[5]張慶龍，何斯佳.多類別審計意見預測研究：基于SMOTE算法-BP神經網絡模型[J].審計研究， 2019（4）：48-56