油田企業大數據審計運用實踐

李向敏

[摘要]近年來，大數據分析在審計中的應用越來越廣泛，本文以油田企業為例，分析了開展大數據審計面臨的挑戰、發展的方向，在此基礎上提出利用“萬物皆聯”大數據分析法，深入油田生產經營最前端，探索專業性更強、覆蓋面更廣的專項審計，堵住影響企業效益增長的風險點，發揮內部審計的預警、實時監控作用，實現真正意義上的大數據審計。

[關鍵詞]內部審計? ?大數據? ?專項審計? ?數據分析

一、大數據背景下油田企業內部審計面臨的挑戰

隨著互聯網、云計算、人工智能等信息技術的飛速發展，我國已經大跨步地邁進大數據時代。油田企業也緊跟大數據的浪潮，大力推進信息化建設，積極推行無紙化辦公，上線了生產運行、財務、ERP等幾十套信息系統，努力實現各種生產資料的電子化、信息化、系統化。

審計部門作為中國石油天然氣股份有限公司華北油田分公司（以下簡稱公司）的內部監督部門，在油田企業信息化轉型的背景下，面臨著一系列的挑戰。一是審計數據信息量龐大。公司勘探、開發、財務、企管、物資等部門均應用了各類信息系統，各系統的數據信息量均達到了TB甚至PB級別，數據量十分龐大。二是信息系統關聯性不高。盡管公司各部門均實現了信息系統化，但系統間未建立傳輸端口，缺少關聯性的數據共享平臺，審計人員獲取信息的途徑只能是拿到查詢權限，依次登錄不同的系統，從前端界面導出數據信息，再由自己通過關鍵字建立中間表進行數據分析。三是審計線索更加隱蔽。企業的數字化、信息化轉型發展，讓業務風險和管理問題逐漸隱藏在龐大的數據中，違規違紀的舞弊手段越來越高明，涉及大量的信息技術，審計人員依靠簡單的書面資料和單一系統業務數據的因果關系查找問題越來越難，傳統的審計經驗、方法、模式嚴重受限，促使審計人員進一步向前端生產作業深入，利用信息技術手段向更加隱蔽的問題邁進。

二、大數據背景下油田企業內部審計的發展方向

面對大數據帶來的挑戰，審計部門需要駛入信息化轉型發展的快車道，加快審計技術手段與各信息系統的融合，提升數據信息處理能力，加強業審融合，改變傳統的審計思維模式和工作方法。

一是由傳統抽樣分析向大數據審計轉變。傳統審計下，審計的資料多以紙質為主，資料厚重、存儲在各地，審計人員在有限的時間、空間和技術條件下僅能采用抽樣分析方法進行問題查證，問題的覆蓋面、準確性相對較差。大數據有效解決了這一問題，全國各地、各種業務數據均以電子形式存儲在信息系統或數據倉庫，審計人員從上述平臺就可以獲取電子數據，利用有效的審計技術手段即可開展大數據審計，查證問題更加精準、更具代表性，實現審計全覆蓋。

二是由因果關系審計向萬物皆聯的相關性審計轉變。過去的傳統審計過程中，審計人員通常將關注重點放在問題因果關系的分析上。大數據背景下，油田各項生產經營業務都有自己龐大的信息數據庫，所有數據信息均有千絲萬縷的聯系，正是由于這種萬物皆聯的相關性，能夠還原各項業務的發生過程，審計人員可以分析業務運行的合法合規性，利用關聯性數據查找問題，從而大大提高審計效率，提升審計問題的準確性。

三、大數據審計運用實踐方法

2019年至今，公司積極推廣大數據審計，在分析各項業務時，充分利用數據倉庫及各類生產信息系統數據，嘗試運用“萬物皆聯”的大數據分析法挖掘數據、發現線索、查找問題，取得一定成果，凸顯了大數據技術的強大優勢。

（一）關聯分析法，揭開拉油運費多支付面紗

關聯分析，是指通過利用關聯規則可以從操作數據庫的所有細節或事務中抽取頻繁出現的模式，其目的是挖掘隱藏在數據間的相互關系。

在審計某單位拉油運費的真實性時，對比拉油運費的財務發生額與相關生產部門記錄臺賬的發生額，發現金額一分不差，全部一致。從表面看沒有什么問題，但仔細審核費用構成時發現，5個工區的調運臺班數量全年各月均相同，各月的產量不同，正常情況下拉運車使用數量不應相同，調運臺班的數量卻如此一致，引起了審計人員的注意，并運用關聯分析法進行查證分析。調運臺班數見表1。

1.查證思路。常規的審計思路可能是進一步到工區核實車輛拉油記錄，統計核實各月車輛調運情況。但這次審計人員選擇跳出常規思路，利用拉油車上安裝的GPS系統與該采油廠保衛部門的油水井監控系統進行關聯分析。選擇這個監控系統作為查證證據，是由于該廠為防止偷油行為，實時監控各油井的生產及拉油車的運輸情況，為各拉油車安裝了GPS系統。車輛每天從駐地出發，出入井場拉油，到卸油點卸油等工作均全程監控記錄，利用車輛每日的行駛記錄，即可確定拉油車每天是否回到駐地，實際調運臺班數量是否與結算數量一致，查證思路分析見圖1。

2.查證方法。首先，梳理5個工區各月拉油車的車牌照及出車天數；其次，利用油水井監控系統，導出各月每輛拉油車每日的行駛記錄；最后，利用大數據關聯技術，將“日期”“車牌照號”作為關鍵字進行關聯對比分析，最終得出真實調運結果。

3.分析結果。通過監控系統，查證了部分工區拉油調運臺班數量不準確的證據。比如，某拉油車，××年××月僅24日、28日2天回到駐地，其余28天均停在卸油點，應按照2天結算調運費，而實際按照30天結算調運費；另一拉油車，××年××月僅10日、13日等8天回到駐地，其余23天均停在卸油點，應按照8天結算調運費，而實際按照27天結算調運費。

據此，利用數據的關聯分析法，揭開了拉油運費過多支付的面紗，該單位一年共向某運輸公司多付調運費近70萬元。審計結束后，多結算款項已全部追回。同時，公司相關部門完善了生產運行協調的制度辦法，進一步規范了汽車運輸規則和費用結算管理。

（二）聚類分析法，暴露“三集中”采購目錄管理缺陷

聚類分析是指將物理或抽象對象的集合，分組為由類似的對象組成的多個類的分析過程。

項目進點前，通過對公司近三年的采購訂單進行分析發現，“三集中”目錄式采購從訂單數量和金額上，分別占比55%和58%，剩余近50%的物資均是通過非目錄和其他方式進行采購。采購目錄的覆蓋面僅占全部采購總量的一半，各單位的常用物資數量這么少是否正常，是否存在經常采購的物資未及時被納入目錄管理的情況，對此，審計人員利用聚類分析法進行了查證分析。

1.查證思路。使用聚類分析法，將近三年公司物資采購訂單中相同類別的物資進行聚類，分析是否存在連續3年均有大量采購的情況以判斷是否應納入“三集中”采購目錄。

2.查證方法。第一步：數據采集。通過數據倉庫中的電子采購系統，取得了公司近三年全部物資采購訂單數據，數據量多達幾十萬條。采購訂單的數據中詳細列出了每筆訂單的采購內容、數量、金額、時間、物料編碼、物資等級、供應商、采購計劃號、采購方式等信息。第二步：數據處理。首先，按照“物料等級”，將一級物資刪除，僅留下二級物資；其次，將訂單中“采購方式”為“目錄采購自動匹配”和通過“公開招標”采購某電商平臺的訂單刪除。第三步：數據聚類分析。首先，利用數據倉庫敏捷BI的聚合功能，以采購訂單中“物料編碼”為聚類關鍵字，匯總近三年各種物資每年的采購量、金額；其次，將三年數據相互關聯，過濾出連續三年均有采購的物資；最后，將采購量過小、其他單位委托采購、下放采購物資等數據刪除整理。

3.分析結果。通過分析查證，最終確定存在40余項物資連續三年均有采購，但未納入“三集中”目錄管理，涉及訂單上百條。

針對此項問題，主管部門及時啟動了集中采購方案的編制工作，按照“成熟一個推進一個”的原則持續完善集中采購目錄，發揮集中采購優勢，物資價格較往年均有降價，減少了招標次數，降低了運營成本，為公司節約資金幾百萬元。

（三）多維分析法，揭示防膨作業注入濃度造假事實

多維分析法，是指把一種產品或一種市場，放到一個兩維以上的空間坐標上來進行分析。

2022年，在進行專項審計的過程中，發現某單位對×口井進行措施作業，僅20天向井注入某化學藥劑160余噸，個別單井每日注入量高達3噸，注入量過大引起了審計人員的關注。

1.查證思路。經詢問相關專業人員，化學藥劑的注入量是根據日注水量按一定濃度配比計算得出，該單位井場未安裝遠程數據采集設備，注水量由人工每日抄表測算取得，并及時填寫日報，再由相關人員根據日報完善到生產系統中。于是，審計人員從多維度分析入手，將每口井的生產系統數據與日報表數據進行橫向對比，將×口井措施作業的數據進行縱向對比，查找數據異常點，尋找審計線索。查證思路分析見圖2。

2.查證方法。第一步：數據采集。首先，從生產系統中導出×口井的生產日報，其中包含開關井情況、日配注量、日注水量、油壓、套壓、泵壓及每日注入化學藥劑數量等數據信息；其次，向作業區索取×口井的注水日報，獲取與系統中同樣的數據信息。第二步：數據處理。首先，利用ABBYY軟件，將紙質的注水日報轉為電子Excel表格；其次，將生產系統、生產日報中各類數據進行分類匯總計算，計算出各單井的平均日配注量、平均日注水量及累計注水量。第三步：數據多維度分析。橫向對比×口井作業前后生產系統數據與注水日報中日配注量、日注水量、累計注水量等數據是否一致、開關井情況是否一致；縱向對比×口井作業期間油壓、套壓、泵壓的數據是否合理。

3.分析結果。經核對，發現×口井生產系統日注水量與注水井日報表記錄不一致，通過多維度分析，邏輯不通證據擺在被審計單位面前，相關人員終于承認措施作業的注入濃度存在造假情況。

四、大數據分析法應用于專項審計的思考與建議

（一）統籌分析，提高數據信息采集質量

大數據審計模式下，數據是信息的載體，是審計的基礎對象，數據信息的真實性、準確性至關重要。沒有準確可靠的數據支持，再強大的分析技術都發揮不了作用。因此，在數據采集前，要做好統籌，確定好數據采集方向，盡量貼近生產一線，獲取第一手數據；盡量選取不可更改的數據庫及報表系統；盡量選取結構化的電子數據，以利于大數據分析，提高審計效率。

（二）勇于創新，加大數據倉庫應用力度

目前，集團公司數據倉庫建設已進入實際應用階段，對接的系統數據越來越多，已經深入油氣田的一線生產數據。充分利用集團公司提供的數據倉庫平臺，秉承“萬物皆聯”思想，以“審計關口前移”為目標，利用不同信息系統的數據構建模型，實現重要的審計領域、核心業務環節審計全覆蓋。

（三）多措并舉，提升內部審計隊伍的技術水平

既懂專業知識又精通計算機技術的復合型人才是大數據審計未來發展不可缺少的中堅力量。審計部門應充分認識到大數據分析法對提升審計問題查證效率的重大意義。積極開展大數據審計知識應用培訓，鼓勵大家利用業余時間自學數據挖掘技術，不斷提高審計隊伍的技術水平。工作中，應充分利用數據倉庫、Excel軟件、Power BI軟件、SQL語言等大數據技術開展審計工作，更有效地發揮大數據審計在推動油田公司管理提升中的重要作用。

（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： hj_lixm@petrochina.com.cn）

主要參考文獻

[1]張志恒，成雪嬌.大數據環境下基于文本挖掘的審計數據分析框架[J].會計之友， 2017（16）：117-120