大數據視角下企業經濟責任審計畫像指標構建研究

侯本忠 白雪嬌 劉甜甜 畢艷冰

【關鍵詞】 經濟責任審計; 大數據; 標簽; 用戶畫像

【中圖分類號】 F239;F299.23;F124? 【文獻標識碼】 A? 【文章編號】 1004-5937（2021）23-0102-05

一、引言

近年來，隨著我國大型企業規模不斷擴大，企業經營管理數據呈爆發式增長，數據量由GB、TB增長到PB級規模。同時，審計作業模式由傳統審計向復合型業務、多數據源關聯方向發展。現階段央企內部審計信息化取得了一定的進展[ 1 ]，但內部審計所需信息缺失、審計作業模式單一、高度依賴現場審計作業等問題亟待解決[ 2 ]。相比傳統審計方式，大數據審計分析的數據范圍更廣，更方便使用外部數據，時間地點限制也少[ 3 ]，針對審計大數據，利用計算機平臺把數據分類、數據挖掘[ 4 ]、用戶畫像等先進技術應用于審計作業，能幫助快速發現審計風險和疑點。

本文主要討論大數據視角下企業審計畫像指標構建思路及應用，探索用量化的指標方式進行審計業務的畫像構建，幫助審計人員做出判斷。用戶畫像技術最早用于刑偵破案工作，目的是找到嫌疑人的犯罪特征。對企業內部審計而言，將大數據畫像技術應用于審計作業，就是根據審計業務需求，從海量的數據里發現審計線索，構建出標簽描述對象，進而通過標簽、統計、對標、評價等分析手段進行可視化呈現，直觀展示審計對象特征，發現疑點，預測風險，幫助企業提高內部審計工作效率，從而輔助提升經營管理水平。

二、畫像綜述

本文所指的畫像，系用戶畫像（User Profile），是由某一特定群體或對象的多項特征構成的要素集合。計算機輸出結果通常是對特征的具體描述，也可把畫像理解為由多個標簽組合而成的標簽集合。審計畫像，即在審計作業活動中，將畫像技術應用于審計對象，形成對審計對象或審計業務豐富的、立體化的描述過程。

針對用戶畫像的研究，早期關注對象是“實體的人”或“虛擬的人”，后來擴展到“組織”或“物”等非人的對象。

當畫像研究對象是“人”的時候，通過研究單一用戶或群體的特征，形成描述問題的標簽體系，進而實現用戶行為區分、個性化搜索、行為預測的目的。黃文林[ 5 ]提出高校精準思政工作的學生畫像方法。龔新剛等[ 6 ]認為，借助本體建模工具構建用戶畫像能詳細了解每個讀者的真實需求。范哲[ 7 ]以數字原住民為研究對象，通過訪談法收集用戶相關數據，利用親和圖抽取用戶行為過程中的階段性特征并構建多種典型用戶畫像，根據不同類型用戶分析行為與行為變化原因。文素華等[ 8 ]提出一種經濟責任審計為領導干部精準畫像的實現途徑。何雪海等[ 9 ]設計的網絡安全管理系統能實時地判斷用戶異常行為。

當畫像研究對象是“組織”或“物”時，對象的特征融合了業務特征。田娟等[ 10 ]討論了基于大數據平臺企業畫像標簽體系模型和建模框架。趙永柱等[ 11 ]開展了基于電力資產全壽命周期的標簽畫像技術研究，構建多層次、多視角、立體化的資產全壽命周期畫像，以實現對電力資產特征的全面刻畫。王鏤[ 12 ]研究了面向企業征信的畫像，根據畫像用途和企業數據特點，設計了一套適應征信的企業畫像體系框架。孫曄等[ 13 ]將畫像引入到金融監管，提供了一套風險定義、指標提煉、風險預警、風險處置的風險驅動監管閉環應用體系。

三、審計畫像構建方法

（一）畫像構建思路

本文研究的審計畫像基本思路是構建“數據—標簽—場景—畫像”體系，過程如下：（1）采集企業內外部審計數據，分析數據類型、數據結構、數據年份等并選擇可用的數據，編制數據調用接口。內部數據采集自人資、財務、經法、工程、營銷、ERP系統等，外部審計數據包括互聯網輿情、司法數據、企業征信大數據等。（2）基于數據，通過賦值、統計、數據挖掘等多種形式，形成描述審計對象特征的標簽。（3）結合審計畫像場景，選擇可以充分刻畫審計對象的多個分析維度，分別構建標簽體系。通常設計為一級標簽、二級標簽，必要時設計三級，各級標簽需定量打分時，要設計出標簽對應的權重和打分方式。（4）生成審計畫像，并對相關指標的風險進行預警，對重點關注指標進行預測，形成畫像分析報告。

審計畫像不是一成不變的，它會隨審計場景、審計對象、審計年份的變化而變化。畫像展現方式包括雷達圖、詞云、知識圖譜、數據分析表等或以多種方式組合展示，如圖1所示。

（二）標簽體系構建原理

審計人員使用計算機大數據畫像平臺時，需要完成標簽體系構建，主要內容如圖2所示。

標簽的構建過程按照層級進行[ 14 ]，即標簽主題+標簽維度+具體標簽，通過逐層刻畫，以實現能描繪對象標簽的全貌。標簽體系構建包括標簽生成、標簽存儲及標簽管理。

（1）標簽生成主要是圍繞企業、組織、資產、財務、人員等主體展開，從標簽的可獲取、可量化、可評分、可進行推論等角度出發，結合審計業務場景，選取與之相關的標簽描述形成畫像指標，如描述企業整體情況，選擇財務指標標簽、營商環境標簽等作為一級標簽。當標簽指標需要更加細致的描述時，要設計下一級標簽，例如財務標簽下細化出營業收入、營業利潤、資產負債率、償債率等二級標簽。數據標簽的確立以審計對象所在地區法律、法規和行業規定為基礎，將數據指標從定性分析轉為定量分析。（2）標簽存儲指針對標簽類型的差異在存儲時要按動態標簽、靜態標簽做必要的區別。（3）標簽管理包括對標簽的增加、編輯、調用、搜索、刪除等標簽生命周期內的主要操作。

按照數據特點又可把標簽分為統計類、規則類、挖掘類。統計類標簽是指利用統計用戶相關數值客觀描述用戶狀態的標簽，如年齡、年收入、年售電量、生產技改完成率等，這類標簽可以用單一數量反映標簽值，也可以用分組方式表示，如20～30為一類。規則類標簽指對行為規則制定的標簽，這類標簽有主觀判斷，在開發前需要進行數據調研，摸清業務數據的情況，再根據目的制定標簽規則，如業務強、規模大、效率高等。挖掘類標簽指的是需要應用算法挖掘用戶相關特征生成的標簽，如預測用戶行為、判斷用戶狀態、評價用戶風險、判斷用戶偏好、補充缺失值等。

四、經濟責任審計畫像的實現

經濟責任審計是指審計人員依據黨和國家的方針、政策，財經法令、法規、制度以及計劃、預算、經濟合同等，對經濟責任關系主體經濟責任的履行情況監督、審查、評價和證明的一種審計方式，是主要針對“人”的審計活動，在業務實現路徑上由“人”及“事”，做審計畫像時包括“人”和“單位”的畫像。

本文以國家電網某地市供電公司為例，用經濟責任審計為業務場景說明審計畫像構建方法和流程。在綜合考慮數據可取數、標簽可判斷、結論可推斷的基礎上，設計、構建6個與經濟責任審計相關的畫像場景。本文提出的畫像模式也可應用于其他審計業務場景中。

（一）經濟責任審計畫像場景及標簽設計

如圖3所示，本文以某供電公司領導干部的經濟責任審計畫像作為業務畫像場景，從經濟責任審計業務中選擇6個與之相關的畫像場景。

1.企業整體畫像

主要是用于獲取企業的基本信息，對企業形成整體了解，并通過獲取企業畫像指標與參考值進行比較，為制定審計計劃、確定審計重點提供依據。企業畫像一級標簽包括基本情況、市場營銷、財務指標、社會責任、計劃預算、勞動生產率等，在一級標簽下按照標簽相關內容構建二級標簽。各標簽的參考值及異常值要依據法律法規、國家標準、公司標準及公司制度等規范來確定。企業畫像也可用于集團公司下屬類似經營范圍公司的橫向比較。

2.領導干部基本情況畫像

這是干部畫像的基本內容，主要用于對領導干部基本情況的自動化和可視化的描述。領導干部基本情況畫像標簽包括基本信息、政治面貌、工作經歷、個人懲處、職務管理風險等一級標簽及相關二級標簽。在分析時，審計主管部門可根據領導干部學歷、職務范圍等維度進行分類，輔助決定采用何種審計方式。

3.領導干部內部社會網絡畫像

這是領導干部畫像的補充內容，主要用于對領導干部內部履歷及職務關系網絡的描繪，以便掌握領導人的工作背景和特征。通過對某領導標簽數據分析，可以發現領導的社會關系（圖4示意），從而為領導人風險判斷提供輔助證據。鑒于社會網絡數據較難獲得，可以從有限的數據中加以描繪。領導人社會網絡關系類型標簽包括平級關系、上級關系、下級關系、任職單位之間關系等。在畫像時用社會網絡繪制工具（如Ucinet）或使用Python繪制單位內部社會網絡關系圖。

4.資產畫像

主要是對企業資產情況進行全面描述和綜合評價，也可用于固定資產盤點。客觀上不同企業的資產結構不同，通過畫像技術掌握被審計對象的資產特征，分析這一任領導上任前的資產畫像與上任后的資產畫像，發現領導任期內資產結構變化，找出任期內做得好的地方以及生產經營忽略的風險點，例如資產殘值、資產折舊情況等。資產類標簽包括固定資產卡片類標簽、通用資產類標簽，并在一級標簽下設置多組二級標簽進行資產的勾畫。

5.客戶信用畫像

主要用于對客戶信用總體情況進行評價，以便幫助審計師確定電力用戶抽查重點，防止出現電費損失。如長期遲交電費，或所處行業不景氣，或用電量持續下降，或社會信用評價不高，都預示著該電力用戶存在電費風險甚至竊電風險。客戶信用畫像一級標簽包括負荷報裝差異率、及時交費率、用電量、行業景氣度、電力用戶狀態、社會信用評價等一級標簽。把客戶分為“正常用戶”“關注用戶”“信用不良用戶”三類，利用數據繪制圖表展示統計結果。

6.審計問題及整改畫像

主要關注被審計單位或人員的問題整改情況，通過畫像判斷審計單位審計問題分布、整改完成率、是否存在審計問題反復出現。本畫像包括審計問題數、審計問題類型、審計違規金額、審計整改完成數、整改完成率等一級標簽。利用審計問題及整改畫像，可以對各單位之間的問題差異、問題重點、整改情況進行橫向比較。

（二）標簽權重評估體系

標簽權重評估體系如圖5所示。

在審計畫像構建過程中，根據場景需要對標簽進行分層處理，依據場景描述的需要，采取類似逐層細化的方式進行指標設計，依據畫像的復雜程度可采用一級標簽、二級標簽，或三級標簽。不建議使用四級標簽，會帶來指標權重設計困難和畫像過細的問題。

選定標簽后，要確定標簽權重。常見的專家問卷法可用于初步確定各指標權重，再根據層級分析法修訂權重。

層級分析法[ 15 ]，即AHP分析法，在20世紀70年代由運籌學家薩蒂教授提出，主要實現過程是通過將問題分解為若干層次和若干因素，對指標之間的重要性做比較判斷，并建立判斷矩陣，通過計算判斷矩陣的最大特征值及對應的特征向量，進而確定畫像的權重值。

實現過程包括四步，依次是“分層設計判斷矩陣”“比對確定重要程度”“計算特征向量和特征值”和“一致性校驗”。

第一步，分層設計判斷矩陣。矩陣記為A=An×n。矩陣內所有元素均為正數，且滿足Aij=1/Aji。

第二步，比對確定重要程度。即確定分析指標i和j相對彼此的重要程度。

第三步，計算特征向量和特征值。首先計算矩陣中每一行各元素的乘積開四次方，構建M向量。

其次利用M做歸一化處理構造出W向量，公式為Wj1=Mj1/∑kMk1。最大特征值λmax根據式（2）確定。

第四步，一致性校驗。按式（3）計算一致性指標CI。

把CI和指標數n對應的隨機一致性指標RI進行比較，若CI<0.1RI，層級分析是合適的，反之則調整A矩陣。

五、研究結論與展望

用戶畫像技術是大數據環境下對用戶、對象進行分析的一種重要手段。本文提出一種“數據—標簽—場景—畫像”的審計畫像工作機制，即利用標簽化技術，構建審計業務場景標簽體系，形成場景或審計對象的描述，通過可視化方式進行畫像呈現，并以某央企旗下供電企業為例，結合經濟責任審計作為畫像業務主題，展示了該主題下多個相關審計畫像指標的設計。

審計用戶畫像構建和技術實現時，可從標簽設計、數據采集、綜合判斷、邏輯推理、可視化5方面開展。在標簽設計方面，開發標簽描述、生成、管理技術，并適時應用數據挖掘技術，比如開發基于特征深度學習的標簽自動計算生成技術。在數據采集上，開發出適應多個源端系統的ETL數據分析工具。在綜合判斷上，依照場景—標簽對應關系，結合風險影響權重分析選出潛在高風險標簽。在邏輯推理技術方面，通過關聯分析、貝葉斯理論等技術進行風險判斷和結果輸出。在可視化技術方面，綜合分析詞云、指數圖譜、拓撲結果、數據透視表等畫像呈現技術，開發與畫像業務相適應的可視化技術。

利用本文提出的審計畫像機制，審計人員可進行多場景、多指標的分析，并通過直觀的畫像可視化展示，結合大數據分析的指標預測功能，幫助發現對象的指標異常或風險，從而及早堵上內部管理漏洞，降低企業資產損失風險，讓大數據畫像技術成為輔助審計決策的良好工具。

審計畫像機制通過充分利用大數據分析技術，可全面提高審計工作效率，對審計署要求的“完善審計工作全覆蓋”，推動審計工作從事后審計向事中審計、連續審計的工作機制轉變有積極意義。

【參考文獻】

[1] 宋定勝.大數據時代內部審計面臨的挑戰[J].環球市場，2020（1）：99.

[2] 王向陽，席斌，胡璟懿，等.基于知識圖譜的審計智能專家模式設計與應用：以國網湖北電力為例[J].會計之友，2021（14）：140-145.

[3] 李文想.基于大數據的政府專項審計案例研究[D].廈門：暨南大學碩士學位論文，2019.

[4] 郭建龍，方院生，黃欽偉，等.基于大數據的人才畫像技術應用研究[J].微型電腦應用，2021，37（6）：166-170.

[5] 黃文林.基于學生畫像分析的高校精準思政探索[J].東北大學學報（社會科學版），2021，23（3）：104-111.

[6] 龔新剛，沈麗娟，胡之茜.以讀者為中心的基礎數據庫建設[J].圖書情報工作，2016（S1）：199-202.

[7] 范哲.數字原住民采納社會化媒體影響因素的扎根研究[J].情報資料工作，2017（1）：25-33.

[8] 文素華，彭運民，彭怡.經濟責任審計為領導干部精準畫像的實現途徑[J].中國內部審計，2020（11）：49-51.

[9] 何雪海，黃明浩，宋飛.網絡安全用戶行為畫像方案設計[J].通信技術，2017，50（4）：789-794.

[10] 田娟，朱定局，楊文翰.基于大數據平臺的企業畫像研究綜述[J].計算機科學，2018，45（11A）：58-62.

[11] 趙永柱，馬霽謳，張可心.基于電力資產全壽命周期的標簽畫像技術研究[J].電網與清潔能源，2018（1）：51-58.

[12] 王鏤.面向征信的企業畫像研究[D].西安：西北大學碩士學位論文，2019.

[13] 孫曄，楊照東，陳德華.大數據用戶畫像技術在商業銀行的應用[J].數字通信世界，2016（9）：86-88.

[14] 王飛飛，周少軍，韓迎軍.基于大數據技術的電力用戶畫像分析[J].山西電力，2019（4）：26-29.

[15] 郭金玉，張忠彬，孫慶云.層級分析法的研究與應用[J].中國安全科學學報，2008（5）：148-153.