大數據統計分析在商業銀行內部審計中的應用

方智

[摘要]本文在梳理大數據統計分析概念的基礎上，以A商業銀行小微企業信貸為例，結合內部審計項目目標，基于大數據平臺搜集數據，構建研究指標體系，運用多種統計分析方法，充分體現大數據統計分析在商業銀行內部審計中的應用效果，并提出提升大數據分析平臺質量、加強大數據統計分析應用和加快復合型人才培養等建議。

[關鍵詞]大數據 ? ?統計分析 ? ?方法 ? ?商業銀行 ? ?內部審計

數據技術的快速發展帶動了各行業、各機構

的快速發展，基于大數據的分析方法也隨之在各領域得到應用。同樣，大數據技術對內部審計的環境、流程、方法和質量產生了重要影響和變化，傳統的審計技術方法正逐漸被大數據等新信息技術的應用所替代。商業銀行是金融領域改革的前沿，大數據等新信息技術浪潮正在加速促進商業銀行的發展，商業銀行快速發展成果體現為大量數據，大數據不僅是數據量“大”，還需要得到合理、充分的應用。基于大數據的統計分析如何在商業銀行內部審計中得到恰當的應用，如何利用統計分析方法充分挖掘大數據的價值，得出隱藏在數據背后的重要結論，是當前商業銀行內部審計應著重考慮的內容。

一、大數據統計分析概述

（一）搭建大數據分析平臺

大數據等新信息技術帶來各行各業的改革發展，充分利用大數據技術的前提是搭建大數據分析平臺。以商業銀行為例，大數據分析平臺應綜合外部監管、業務發展、效益、考核等方面的數據，根據實際情況不斷完整、豐富、更新數據內容。大數據采集是進行統計分析的重要前提，也是最初環節，數據的完整性是保障內部審計項目順利開展的前提條件，構建大數據分析平臺，才能避免非現場審計時需要搜集大量數據而導致工作效率下降。

（二）利用大數據進行統計分析

利用大數據分析平臺采集到的海量數據，結合內部審計項目工作目標和任務，構建非現場數據分析指標體系，運用已嵌入大數據分析平臺中的統計分析模型進行分析。如大數據分析平臺中現有的統計分析模型難以滿足非現場審計需求，則應導出分析指標數據并進行備份，利用STATA、R、SPSS、MATLAB等統計軟件進行分析。首先，需做好數據的預處理，使導出的數據信息轉化為結構化數據;其次，根據構建的指標體系建立統計分析模型，利用統計分析軟件對預處理的數據進行分析;最后，根據統計分析軟件運行的結果，圍繞審計目標形成有價值的分析結果。

（三）充分利用大數據統計分析結果

為確保大數據統計分析在內部審計項目中得到良好運用，體現其分析結果的價值，提升審計效能，應充分利用大數據統計分析得到審計目標的發展趨勢、分布狀況、綜合評價、成因和異常數據信息等，以大數據分析結果指導現場審計工作，從而整體提升內部審計工作成效。

二、統計分析方法及其應用

以A商業銀行基于信貸擔保模式的小微企業信貸創新效果評價審計調查項目為例，審計A商業銀行是否有效履行了社會責任，是否有效提升了A商業銀行的信貸收入。依托A商業銀行的大數據分析平臺，運用描述性統計、關聯分析、效率評價、回歸分析等統計分析方法，探析大數據統計分析方法在商業銀行內部審計中的應用。

（一）構建研究指標體系

商業銀行擔保結構由抵押、質押、保證金、信用和保證五種擔保模式構成，根據內部審計項目工作目標，綜合、客觀評價A銀行基于擔保模式的小微企業信貸創新效果，分析影響其信貸利息收入的因素。構建基于擔保模式的小微企業信貸投入產出指標體系，根據投入產出效率評價統計分析模型，將反映銀行盈利能力高低的信貸利息收入作為評價信貸效率的產出變量。選用的投入指標主要有：從業人數反映商業銀行對小微企業信貸規模的人力投入，開辦機構數反映商業銀行的營業設施和業務開辦機構數量上的投入，信貸的放款量、收回量與核銷額均會影響商業銀行的貸款利息收入，將貸款利息收入作為產出指標。投入產出評價指標體系如表1所示。

（二）描述性統計法

在大數據統計分析中，描述性統計是最為常用的一種方法，以平均值、最小值、最大值、標準差等數據分析結果，反映大數據的分布狀況和集中趨勢。內部審計人員根據描述性統計分析的結果，可初步了解審計目標的特征。在A商業銀行大數據分析平臺中，梳理出2007—2018年的327，942條小微企業客戶明細數據。其中，缺失關鍵指標數據為5794條，有效數據為322，148條，并對缺失關鍵指標數據進行刪除，運用R軟件，得出被審計單位的描述性統計結果，如表2所示。為滿足后續大數據統計分析模型的研究需要及對該商業銀行經營數據進行保密要求，文中對26個指標數據進行統計初步整理及標準化預處理。其中，因變量為信貸利息收入（Y），自變量為不良貸款核銷（U）、業務發展（L）、業務收回（R）、開辦機構數（K）、從業人數（J）5個影響因素，擔保模式為抵押（dy）、質押（zy）、保證（bz）、保證金（bzj）、信用（xy）5種。

（三）關聯性分析法

在商業銀行內部審計中，對大數據進行關聯性統計分析是較基本的分析方法，能夠探索各指標數據間的相互關系。從指標間的共線性角度來體現其關聯度，能夠更好地發現評價指標體系中可能存在的異常指標值，借此對具體審計項目的價值進行優化，避免因關聯度高導致探索影響因素的回歸分析失真。運用R軟件，對抵押擔保方式核銷額等25個自變量間的共線性進行描述，發現各自變量間均存在高度共線性，最高的是信用擔保模式的開辦機構數（K.xy），共線程度高達111，893.7，最低的是質押擔保模式的收回量（R.zy），共線程度為20.6，具體情況如表3所示。

（四）效率評價法

效率評價是對審計目標主體的客觀、綜合性評價，根據構建的評價指標體系，全面綜合性評價審計目標主體的效用，并用具體的效率值來體現效用值。效率評價法是大數據統計分析中常用的分析方法，評價效率常用的方法有參數和非參數兩種。

本文選擇能夠對面板數據進行分析研究的Malmquist-DEA模型，整體評價各擔保模式的信貸效率變遷。當效率水平M>1時，表示生產率呈增長趨勢;反之則呈下降趨勢。運用MAXDEA軟件和Malmqiust-DEA效率評價方法，將A商業銀行貸款利息收入作為產出，將經辦客戶經理數量、開辦機構數、不良貸款核銷額、貸款放款量、貸款收回量作為投入，測算出該銀行小微企業信貸整體效率及其各擔保模式的信貸效率變動指數，如表4所示。

由表4可知，2007—2018年，A商業銀行小微企業信貸整體的Malmquist變動指數均值為1.71，說明樣本期內A商業銀行小微企業信貸整體效率較高，處于長期增長趨勢。其中，除2018年A商業銀行小微企業信貸整體效率的Malmquist變動指數值小于1外，2007—2017年Malmquist變動指數值均大于1，并于2014年至2015年間達到最高值10.74。

從擔保模式看，各擔保模式的小微企業信貸效率Malmquist指數變化呈現如下特征：一是抵押、質押、保證、保證金和信用擔保模式的Malmquist變動指數平均值均大于1，分別為1.14、1.53、1.34、1.49、1.96，均處于增長趨勢;二是只有信用擔保模式的Malmquist變動指數平均值高于信貸整體效率，為1.96，高出整體效率平均值0.25;三是各擔保模式的Malmquist變動指數值于2014—2015年期間達到最高值，2017年至今，變動指數值開始下降，處于增長速度減緩趨勢;四是傳統意義上的“抵押+保證”擔保模式的Malmquist變動指數平均值均小于質押、保證金和信用擔保模式的指數變動值，各擔保模式的Malmquist變動指數平均值大小依次是信用（1.96）、質押（1.53）、保證金（1.49）、保證（1.34）和抵押（1.14）。

（五）回歸分析法

經過大數據描述性統計分析、關聯分析、效率評價模型分析得出審計目標的客觀情況后，通過回歸分析法能夠較好地探析影響審計目標的主要因素，有針對性地提出審計建議，才能更好地提升內部審計效果，促進商業銀行穩健發展。為提高回歸分析模型的精確性，避免多重共線性問題帶來的模型失真風險，運用Tibshirani（1996）提出的一種有偏估計算法Lasso對變量進行分析，能夠有效解決多重共線性問題。同時，為提高模型分析高維數據的效率，運用Efron（2004）提出的LAR高效變量選擇方法，有效解決Lasso計算效率不高的問題。

為了更詳盡地分析影響信貸效率的因素效應，避免上文分析的多重共線性問題對回歸擬合效果的影響，運用R軟件和LARS-Lasso方法對樣本數據進行回歸擬合分析，得出回歸模型系數如表5所示。

根據大數據LARS-Lasso回歸模型分析結果，得出如下非現場審計發現：一是質押、保證金和信用擔保模式對貸款利息收入產生一定的正影響。LARS-Lasso回歸分析模型結果顯示，從業人數和放款量是影響貸款利息收入的主要因素。其中，質押、保證金和信用擔保模式對貸款利息收入均產生一定的正影響，從業人數中的質押、保證金和信用擔保模式的模型系數值分別為0.184、0.1009、0.0483，放款量中的保證金和信用擔保模式的模型系數值分別為0.8775、0.1609。二是放款量指標對小微企業貸款利息收入的影響力較大。從LARS-Lasso回歸分析模型的各自變量系數來看，放款量項下的兩個擔保模式的模型系數值均高于從業人數項下的擔保模式模型系數值，最高的是保證金擔保模式放款量（sL.bzj）系數值0.8775。

三、促進商業銀行內部審計大數據統計分析應用的建議

審計人員將統計分析應用到大數據等新信息技術中，可在短時間內分析出被審計單位的異常點，客觀地進行綜合性評價并找出影響因素，快速、精準、高效地發現被審計單位的問題并集中力量攻破，可有效提升非現場審計工作效率和效果，充分利用大數據的價值，展現隱藏在數據背后真實的結論。在應用大數據統計分析過程中，同樣存在大數據信息不完整、不全面，統計分析能力不足，統計分析應用著陸點少等難點。為促進大數據統計分析在內部審計中得到更好的應用，提出如下建議。

（一）提升大數據分析平臺質量

目前，大數據已應用于金融、互聯網、商超等領域，一些大型商業銀行已搭建了大數據分析平臺，但部分已搭建平臺的商業銀行仍然存在數據完整性不足、數據處理效率慢、內嵌統計分析模型少、數據價值利用低等問題，亟需商業銀行加大資金投入進行研發完善，提升平臺數據及分析質量。對于難以獨自研發的商業銀行，可與大數據研發機構或高校進行合作，開發一個內部審計子平臺。

（二）加強大數據統計分析應用

由于大數據涉及的數據量大、統計分析方法多，應在結合內部審計項目目標的基礎上，構建研究評價指標體系，從海量數據中獲取審計目標數據，選擇恰當的統計分析方法，除上文提到的描述性統計分析、關聯分析法、效率評價法和回歸分析法外，還可運用聚類分析、因子分析、主成分分析等統計分析方法，并根據審計目標數據的特性，選擇前沿、適合的統計分析方法，得出有效的分析結果。為確保大數據統計分析價值得到充分利用，應對分析結果進行全面、深入的研究，對異常點進行驗證，以便正確指導現場審計，發現被審計單位的不足和風險點并提出改進措施。

（三）加快復合型人才培養

商業銀行應加快培養內部審計人員的信息技術能力，一方面，可與高校、互聯網企業等科研機構合作，針對內部審計方面的專業人才開設一些大數據統計分析技術培訓班，加強內部審計人員的知識學習;另一方面，基于研發的大數據分析平臺，倡導商業銀行內部審計人員在非現場審計時積極應用大數據平臺，并在獲取數據后發散思維，運用統計分析方法進行深入分析，豐富并提高內部審計人員的技能和自身專業水平，成為既了解大數據技術又了解商業銀行內部審計知識的復合型人才。

（作者單位：中國郵政儲蓄銀行審計局南昌分局，郵政編碼：330013，電子郵箱：anhuifangzhi@126.com）

主要參考文獻

藍虹，穆爭社.我國農村信用社改革績效評價：基于三階段DEA模型Malmquist指數分析法[J].金融研究， 2016（6）：159-175

劉星，牛艷芳，唐志豪.關于推進大數據審計工作的幾點思考[J].審計研究， 2016（5）：3-7

呂尚.當前大數據環境下審計數據統計分析方法[J].南方企業家， 2018（3）：127

田程濤.大數據審計下統計分析方法研究[J].會計之友， 2018（1）：140-145