商業銀行應用信息技術開展非現場審計的若干思考

徐光海

摘 要： 非現場審計作為在現代信息處理和傳遞方式下迅速發展起來的一種內部審計方式，借助計算機數據分析技術的支持，以其廣泛的覆蓋面和較強的時效性彌補了傳統審計方式的不足，拓展了內部審計的深度和廣度，實現了動態、持續的風險預警與提示效果，已經成為現代商業銀行內部審計的發展趨勢和方向。闡述了非現場審計的數據處理流程與核心內容，并結合實際深入分析了其局限性，對未來如何有效發揮非現場審計的功效提出了見解與展望。

關鍵詞： 非現場審計； 計算機； 數據分析； 風險預警

中圖分類號：TP393 文獻標志碼：A 文章編號：1006-8228（2013）06-03-02

Some considerations on commercial banks' offsite auditing based on

application of information technology

Xu Guanghai

（China Construction Bank Zhejiang Branch， Hangzhou， Zhejiang 310016， China）

Abstract： Offsite audit， as an internal auditing approach developing rapidly？under the circumstance of modern information processing and transmitting， compensates for the shortage of traditional audit and extends the depth and breadth of internal due to its extensive coverage and strong timeliness， with the support of computer data analyzing technique. It realizes dynamic and persistent risk warning and prompt. Offsite audit has been becoming the developing trend and direction of modern commercial banks' internal auditing. Data processing procedures and cores of offsite auditing are introduced， and its limitations are analyzed. Suggestions and outlooks on its effective utilization in the future are proposed.

Key words： offsite audit； computer； data analyze； risk warning

0 引言

由于商業銀行的業務都要在信息系統中操作，而操作都會在系統中產生動態或靜態的痕跡，操作行為與痕跡之間必然會存在相應的關系。因此應用信息技術開展非現場審計，是以操作行為的正常規律與規則為依據，運用數據分析、數據挖掘等方法判斷總體風險、精準抽樣和發現問題，識別和發現在業務運行過程中存在的各種不當操作與非法操作，通過對一般具有顯著特征的不合理行為和重大異常點的有效甄別，揭示影響商業銀行生存與發展的重大異常和風險事件，發現違法違規問題和大案要案線索，從而能夠有效控制并更廣泛、更及時地防范金融風險，且最大限度地降低審計風險。

1 商業銀行非現場審計數據處理的流程

商業銀行非現場審計是基于數據采集、整理和分析的審計[1]，數據采集的范圍覆蓋所有業務的計算機應用系統，其處理的數據包括：本外幣存款業務、貸款業務、結算業務、信用卡業務、中間業務、網上銀行業務、自助銀行業務（ATM、POS、TBS），以及各項業務的管理信息系統等。非現場審計系統需要有單獨的服務器，將采集到的數據按統一的存儲規則存放于服務器中，供非現場審計系統用戶使用。從非現場審計系統運行情況看，非現場審計系統與業務系統并不直接進行交互，對業務系統運行、安全不產生任何影響。

非現場審計通過調集被審計單位的業務數據，進行連續、全面的分析，及時發現被審計單位存在的問題、疑點和異常，評估被審計對象的風險狀況，為現場審計提供線索和資料，為制訂審計計劃、方案提供決策支持，同時為審計人員提供靈活易用的數據分析工具。相關數據處理的流程如圖1所示。

圖1 數據處理流程圖

2 非現場審計的核心內容—數據分析

面對海量和諸多類型的數據，關鍵問題在于審計人員是否能對數據進行有效的分析，并使原始數據轉化為對審計人員有用的信息。只有完成將數據轉化為信息的過程，審計人員才能實施審計程序，最終實現審計目標。因此，非現場審計的核心是數據分析[2-3]。

2.1 利用非現場審計系統實現分析性復核

“非現場審計系統”是面向審計人員的應用軟件，它提供了靈活的數據接口、強大的數據計算、可編程的數據審核分析，以及多方位的數據查詢、展示和統計分析等功能，該系統是為審計人員分析處理復雜、多樣的數據提供的一個強有力的工具。該系統從技術上解決了分析性復核在審計中運用的手段問題，為進一步有效應用分析性復核拓寬了道路，同時系統還可以通過列表、曲線圖、餅圖、柱狀圖等形式對數據進行多角度的具體展現，使得觀察數據更為直觀、方便[4]。例如在經濟責任審計中，審前準備時通常要搜集整理大量的被審人任期內所在行的主要綜合經營指標及可持續發展能力指標等，并分析其結構及趨勢變化，為具體審計方案的編制提供基礎數據。我們可利用非現場審計系統，提取包括一般性存款、同業存款、考核利潤、中間業務凈收入、存貸比、不良貸款率、貸款利息實收率、資產收益率等在內的，能反映綜合經營情況和可持續發展能力的經濟責任審計所需指標，隨時獲取不同幣種、不同時間頻度、不同機構的任何時間段的指標數據；還可對指標進行結構分析、趨勢分析等，對分析結果進行列表、曲線圖等多角度直觀展現，并通過分析各指標變動情況，發現異常信息，確定審計重點領域，為審計抽樣、現場審計提供指導，提高審前準備效率。

2.2 通過審計模型查找數據異常發現審計線索

審計模型是審計人員用于數據分析的技術工具，它是按照審計事項應該具有的時間或空間狀態（例如趨勢、結構、關系等），由審計人員通過設定判斷和限制條件來建立起數學的或邏輯的表達式，并用于驗證審計事項實際的時間或空間狀態的技術方法。按在審計中的不同功能，可將審計模型具體劃分為系統分析模型、類別分析模型和個體分析模型三大類型。系統分析模型主要用于對被審計單位的數據進行整體層次上的全面的、系統的分析，發現趨勢、異常，幫助審計人員把握被審計單位的總體情況。如需在總體上掌握某一級分行信貸資產五級分類的真實性與準確性，發現隱藏在正常貸款中的不良貸款，審計模型就從“已經逾期并且存在表外欠息但仍為正常類貸款、借新還舊且欠息的企業、一筆貸款劃分為不良貸款后又轉為正常類貸款”等特征入手捕捉貸款分類不實及人為調整分類級態的問題[5]。類別分析模型主要按業務類別對審計數據進行分析，指引審計人員發現和鎖定重點審計的內容、范圍。如果數據分析發現某經營機構12月銀行承兌匯票業務呈異常增長，且辦理客戶較為集中，可重點審計該行業務的合規性，銀行承兌匯票是否有真實的貿易背景，有無貼現資金回流等。個體分析模型主要用于核查問題、篩選線索，為延伸取證提供明確、具體的目標。在實際操作中，更偏重個體分析模型的創建與運用，以期發現重大違規問題，增加審計報告“份量”。如對“一個賬戶為多個借款人批量還款的疑似假個貸”模型具有較高的疑點命中率，在實際應用中取得了較好的效果。

2.3 通過數據挖掘創新開展咨詢審計業務

數據挖掘運用復雜的統計分析技術，能夠檢測大量的數據，并能客觀地提示被隱藏的或未預期的信息。數據挖掘技術通過數據的預處理過程，能夠將有缺陷的數據補全、消聲、清洗和歸約，從而提高數據的可靠性，并能夠將數據從業務系統中篩選出來，減少冗余，完成一系列的轉換、結構改變和聚集處理。數據挖掘的發現經過解釋與評估，可以形成明確的審計思路，找出經營管理中經常出現的操作風險的主要因素和違規違章行為的根源，以便管理層及時修訂策略，出臺針對性措施，有效防范和規避風險。如通過對商業銀行信用卡惡意透支的歷史數據進行數據挖掘，可以發現“信用卡惡意透支與信用卡客戶收入狀況、平均消費額、職業、年齡等客戶屬性之間的聯系”等，以此為基礎構建審計模型能有效確定審計重點；同時數據挖掘在客戶關系管理中也能發揮重要作用，通過數據挖掘可查看客戶對銀行的貢獻度，從而提供差別化服務；還可以通過對新產品的推廣應用情況進行挖掘，細分客戶，以便量身定做營銷方案，搶占高端客戶市場等，這是未來開展管理、咨詢業務審計的重要工具。

3 非現場審計的局限性及展望

雖然數據分析、數據挖掘在舞弊與異常檢測方面具有較強的客觀性、指向性與可操作性，但也有其自身的局限性。

3.1 數據挖掘對目標數據集特征有一定的要求

數據挖掘法有其特定的適用范圍[5]，如Benford法則只對一些數據適用，而對另外一些數據不適用，如固定資產臺賬記錄、銀行存款、提款記錄等。

3.2 能夠檢測的異常和舞弊形式具有局限性

現實中的舞弊行為是非常復雜的，舞弊手段千變萬化，違規手法不斷翻新，而且很多對數據分布規律不造成影響，如受賄、回扣等舞弊行為采取現金或其他方式，不在賬目中反映，數據挖掘就無法檢測出異常。

3.3 某些正常的業務活動也可能影響數字的分布規律

因為合理的四舍五入、季節性、政策性（如某項業務得到總行特批）等外部因素的影響，以及集中的大宗交易都會導致數據分布異常。而受數據、模型等因素的局限，部分非現場審計發現的疑點還只是表象，深層次的東西仍然要現場查閱資料、進行訪談甚至實地查看才能夠得出完整、準確的結論。

3.4 非現場審計展望

近年來商業銀行非現場審計的應用不斷推進，審計時效得以提高，審計觸角得到有效延伸，審計風險得到較好控制。但我們應清楚地認識到，成功的數據分析與挖掘，應當是數理統計、定性分析和風險控制的有效結合，一旦脫離這個前提，審計發現的正確性和準確性就難以保證。非現場審計面臨以下挑戰：一是不斷增加的業務數據量與處理數據效率之間的矛盾日益突出；二是數據質量的挑戰，大量的審計疑點并未能準確定位實際問題；三是對審計人員素質和技能的要求更高，不僅要了解業務和業務產生的數據，而且能夠利用這些知識和經驗進行有效的分析。

我們對非現場審計的期望越來越高，而且越來越具體，期待數據分析技術能達到最佳效果，即能有效地分析出一些趨勢、模式和異常（除去數據質量引起的異常），能獨立地進行針對性的測試和監控，進一步提高對風險的預測能力，實現全過程的動態監督，使審計部門在審計過程中處于主動地位。如何接受挑戰，并達到最佳效果，取決于審計人員將數據分析技術與審計思路結合的能力。

4 結束語

應用信息技術開展非現場審計可以對海量數據進行分析與挖掘，在控制審計風險和提高審計效率方面已顯示出傳統審計無法比擬的巨大優勢，本文結合近年來非現場審計在商業銀行中的探索與實踐，進行了較為深入的思考與分析。應用信息技術開展非現場審計在商業銀行內部審計中具有廣闊的發展前景，如何提高非現場審計的深度、廣度、精度和時效性有待于我們持續研究和改進。

參考文獻：

[1] 李玲，劉汝焯.計算機數據審計[M].清華大學出版社，2010.

[2] 陳丹萍.數據挖掘模式下的審計風險決策研究[M].中國社會出版社，

2007.

[3] 王曉霜.計算機審計[M].東北財經大學出版社，2011.

[4] 田芬.計算機審計實務[M].經濟科學出版社，2009.

[5] 劉汝焯.審計線索的特征發現[M].清華大學出版社，2009.