大數據挖掘技術在電力審計風險防范中的應用研究

黃松 尚穎 馬薇 吳婷婷

[摘要]本文創新運用人工智能領域先進技術聚類分析算法，以工程結余物資風險分析為切入點，利用業務全流程數據制定評價指標標準，計算物資庫齡和項目流轉數，從而篩選出工程結余物資存量，總體評估審計風險，進而實現審計風險防范。

[關鍵詞]大數據? ? 數據挖掘? ? 結余物資? ? 風險防范

一、大數據挖掘技術在審計中的應用

發掘型分析是處理大數據最好的方法之一，是從大數據中尋找隱含數據規律和模式、預測將來趨勢和行為的一種數據分析模式，數據挖掘技術是實現發掘型分析的有效手段。數據挖掘技術的核心是數據挖掘算法，該算法往往能找到數據中的非線性關系和因果關系，不同算法應用于不同場景。目前，基于大數據挖掘算法的大數據審計在財政、金融、電信、保險等具有海量數據的行業具有極強的生命力和效能，并逐步在財政審計、工程審計、民生專項資金和社保資金審計等方面扮演重要角色。

（一）主要數據挖掘算法介紹

作為最主要的數據挖掘算法之一，聚類分析法是將所有數據對象劃分成各個子集（簇）的過程，目的是使同一簇中的對象盡量相似，不同簇中的對象差別較大。聚類算法屬于無監督學習方法，因為所擁有的數據對象沒有提供類型標簽信息，因此只能通過觀察學習，而非示例學習，聚類可發現數據內在的性質和規律，為進一步進行數據分析提供基礎。主要的聚類分析方法包括劃分方法、層次方法、基于密度的方法、基于網格的方法。

（二）數據挖掘過程

一般來說，數據的挖掘過程包含三個階段：數據準備及數據預處理、數據挖掘模型的構建、模型的運用及評估。

1.數據準備及數據預處理。將審計問題轉化為數據挖掘問題后，需確定與此問題相關的數據源，并將不同數據源中的數據集中到一起，形成原始審計數據。數據預處理階段，需對數據準備得到的不完整、有“噪聲”、不太理想的原始數據進行預處理，主要過程有數據清理、數據集成、數據規約和數據變換。

2.數據挖掘模型的構建。針對審計任務及轉換后的數據類型，選擇合適的數據挖掘技術，然后再從相應的算法庫中選擇適當的算法或綜合運用多種算法建立數據挖掘模型。建模的過程是一個反復的過程，需通過修改模型參數并根據不同評估方法比較哪個模型對當前的分析最有效。

3.模型的運用及評估。是將經過處理的面向分析的數據輸入模型并輸出分析結果的過程。在設置好模型參數后，該過程可由計算機自動完成。模型的評估是指對使用該模型完成審計任務的質量作出評價，衡量模型的適用性。

（三）大數據審計開展情況

1.全業務數據中心建設。2017年底，國家電網北京市電力公司（以下簡稱公司）結合自身信息化發展需求和已有各專業領域信息系統建設成果數據資源，建成全業務數據中心，面向全業務范圍、全數據類型、全時間維度數據提供統一的存儲、管理與服務，完成企業全量業務數據匯集、數據分析統一服務的工作目標，實現業務高度融合、數據充分共享。全業務統一數據中心數據分析域如圖1所示。2018年在前期工作的基礎上，進一步開展夯實基礎、數據擴充接入和資源在線納管等工作，進一步規范數據存儲和使用，更好地服務于大數據分析應用。截至2019年3月，共完成22套二級部署系統的接入，一級部署系統數據按需接入，業務數據接入總量達13.5TB。其中，結構化數據接入表2.2萬張，數據總量5.1TB;采集量測數據共涉及7，796，798個設備，數據總量3.1T;非結構化數據總量5.3T。完成15套業務系統數據按照分系統數據倉庫模型的規范化存儲，為今后開展大數據分析應用奠定了基礎。

2.數字化審計平臺建設。基于全業務數據中心大數據資源，公司于2018年啟動數字化審計平臺建設，打破原有專業系統間壁壘，應用全業務數據中心的海量數據資源，對數據字段進行分析清洗，以營銷、財務、工程、物資重要業務領域審計需求為依托構建智能審計模型、展示審計結果，并對存在的疑點信息、資料明細進行具體業務數據的穿透查詢。通過圖形化看板直觀展現在線智能審計相關工作成果，使審計問題和成果可視化，幫助管理決策層快速準確掌握持續審計工作情況，為管理決策提供數據支撐。數字化審計平臺如圖2所示。

二、大數據挖掘算法在電力審計風險防范中的例證

為貫徹落實中央推廣清潔取暖、助力生態環境保護的重要政策精神，過去五年公司投入上百億資金大力推動配電網改造、煤改電等民生工程項目的實施。內部審計為保障公司重大項目安全穩定落地，全程對重大民生項目資金開展相關審計。通過分析重大民生項目的資金構成，發現近50%的資金用于購置物資并產生大量結余，資金風險隱患巨大。基于此，內部審計將工程物資的全流程風險防范作為民生項目的審計重點。

（一）關注工程物資管理風險

公司物資管理部門的常規物資管理全流程如圖3所示。在物資采購及配送階段，物資需求、采購、配送等環節均通過SAP系統線上操作完成，線下根據采購清單比照收貨，物資管理單位全流程監控。在物資結算階段，工程現場實際使用物資結算清單必須經公司項目管理單位、施工單位、監理單位、設備運行單位四方簽字確認，設備運行單位才能將現場使用的設備投運至PMS2.0系統（設備運維精益管理系統），從而保證系統中的電網拓撲結構與實際情況一致，更好地維護電網安全穩定，進而保證工程物資結算的準確性。在結余物資退庫環節，由于各屬地供電公司物資倉庫容納空間的限制，大量結余物資線下不能實際退回實體庫，只能寄存于其他非注冊倉庫。根據物資管理單位要求的庫存物資線上線下賬實必須一致的管理規定，線上SAP系統對結余物資并不進行退庫操作，導致各屬地供電公司物資中心管理人員無法掌握本單位實際結余物資存量臺賬，大量結余物資游離于物資監控體系之外，不能總體評估結余物資存量給公司運營管理帶來的風險。基于上述分析，內部審計將工程結余物資總量作為審計重點，著力通過大數據挖掘方法總體計算出公司結余物資存量，評估風險，在審計發現問題集中爆發前提出對應的防范措施，達到“治未病”的效果。

（二）分析工程結余物資去向

1.數據來源。線上物資的需求提報、審核、收發貨、結算、利庫等業務操作均在SAP系統內完成，所以與此問題相關的數據源為結構化系統數據，來自于SAP系統數據。

2.結余物資去向系統分析。工程結余物資線下由于倉儲容量限制以及物資管理單位要求的庫存物資賬實一致性的管理規定，線上并不做退回注冊庫操作。伴隨著產生結余物資的工程項目進行結決算并關閉，為保證物資結算的準確性，結余物資線上必須退出原項目，在不能退回注冊庫的前提下，SAP系統中只能不停寄存于其他在建工程，如圖4所示。在建工程中的所有物資必然包含全量的工程結余物資，因此，如何在在建工程所有物資中過濾出全量的工程結余物資是數據挖掘審計模型構建的重中之重。在建工程的所有物資由兩部分組成：藏匿的結余物資和工程實際使用的物資。隨著藏匿的結余物資在在建工程中不斷流轉，相較于工程實際使用物資，藏匿的結余物資有兩個明顯特征：一是從時間維度看，結余物資產生于之前的已決算關閉項目，藏匿的結余物資在系統內存在的時間會比實際使用物資存在時間長，可通過設立庫齡指標進行區分;二是從空間維度看，藏匿的結余物資流轉于各個不同在建工程，其流轉項目數遠大于實際使用物資流轉項目數，對此可設置物資流轉項目數進行區分。藏匿結余物資的庫齡和項目流轉數具備明顯有別于實際使用物資的特征，可通過聚類算法進行數據分組，將其類內相似性最大化，再根據類間相似性最小化的原則進行分組或聚類，以兩點的歐式距離為聚類規范。

3.結余物資總量獲取。首先確定結余物資在SAP中的唯一去向是在建工程，再通過篩查在建工程中所有物資明細，綜合分析物資的庫齡、物資類型、沖轉次數、移庫次數等因素，計算出物資的庫齡和流轉項目數并將其設立為兩個考核指標，建立藏匿物資識別模型。通過聚類算法計算歐式距離內的物資庫齡長且流轉項目數多的物資明細，即藏匿的結余物資的數量和明細，進而總體評估結余物資風險。

（三）構建數據挖掘模型

1.構建模型總體思路。模型目標是獲取藏匿于在建工程的物資數量及金額;審計對象為16個屬地公司、電科院、信通公司、檢修分公司;主要約束條件是計算在建工程物資庫齡和項目的流轉次數，再通過聚類算法獲取物資庫齡和項目流轉次數的物資明細的交集;數據來源于SAP系統。

2.梳理模型算法流程，如圖5所示。

3.編制審計模型中間表，如表1所示。

4 .審計模型實施路徑。在SAP系統中統計公司當前所有在建工程項目，根據已在建工程項目編碼獲取項目消耗的所有物料、批次，根據物料、批次統計分析是否有沖銷物資，根據批次、實際消耗物資數量查詢供應商的交貨日期，以實際消耗物資、批次的交貨日期與當前日期按月統計分析在建工程物資庫齡，通過聚類算法計算得到歐式距離內的物資庫齡較長物資明細;根據統計的在建工程實際消耗物料、批次判斷是否為協議庫存物資。如非協議庫存，根據物料、批次查詢所有單位的所有項目，以項目為單位統計流轉次數;如是協議庫存，根據物料、批次查詢在本單位的所有項目，以項目為單位統計流轉次數，進而獲取所有物資的項目流轉次數，通過聚類算法計算得到歐式距離內流轉項目數多的物資明細。綜合庫齡長和流轉項目次數多的物資明細，確定在建工程中的藏匿物資。

5.聚類分析方法應用。由于藏匿物資的庫齡較長且項目流轉次數較多，為區分藏匿物資，本文使用聚類方法，從時間（庫齡長短）和空間（項目流轉次數多少）兩個維度分別得到庫齡長和項目流轉次數多的明細，然后取二者交集得到藏匿物資明細。

首先，分別對庫齡數據和項目流轉的明細進行數據標準化，具體如下：

其次，建立模糊相似矩陣，具體如下：

最后，計算明細數據的歐式距離，具體如下：

其中，i和j表示第i和第j個觀測值，為第j個變量的均值，n為變量的個數，表示第k個類中第i個變量，表示第k個類中第j個變量。

基于物資庫齡及項目流轉數計算的物資明細的聚類分析結果如圖6所示。

（四）應用數據挖掘模型

在建工程藏匿物資的數據挖掘模型已固化于SAP系統中，具體操作過程為：在模型輸入界面輸入“在建工程截至的年度、月份、項目編碼、工廠”等，即可獲取該單位藏匿物資全量明細，然后根據查詢結果計算出該單位藏匿物資金額為7802.76萬元，整個公司藏匿物資金額為7.23億元。按大類分，藏匿物資明細如表2所示。按中類分，2.27億元的裝置性材料中，藏匿物資明細如表3所示;1.84億元的輔助設備設施中，藏匿物資明細如表4所示;1.26億元的一次設備中，藏匿物資明細如表5所示;1.00億元的二次設備中，藏匿物資明細如表6所示;0.39億元的通信設備中，藏匿物資明細如表7所示。

（五）大數據審計模型的評估

相較于傳統審計模式，基于聚類分析方法的藏匿物資審計模型具備如下優勢：

一是促進審計效能大幅提升。對16家單位的全樣本審計，揭示了藏匿物資問題的總體情況，審計出隱匿于在建工程中的工程剩余物資金額7億多元，首次全口徑梳理出公司范圍內的剩余物資總量，避免了抽樣審計風險，提高了審計結果的準確性，極大提升了審計監督效能。從根源上梳理問題成因，研究解決措施，審計結果直接成為領導決策的重要依據。

二是服務業務管理漸趨規范。之前由于物資倉庫倉儲容量限制，物資管理部門為保證注冊倉庫倉儲物資賬物一致，不允許項目管理部門的結余物資退庫，導致項目結余物資游離于現有物資監管體系之外。此次審計曝光藏匿物資問題后，直接促使物資管理部門改變業務管理思路，專門為非注冊庫的實物在SAP系統中開辟一個專屬線上倉庫，將全部結余物資納入線上物資管理體系，線下根據物資清單加強物資出入庫管控，消除物資非正常消耗隱患，降低了國有資產流失風險，彰顯了內部審計在公司治理體系中的監督作用。

三、啟示與建議

在當前審計環境下，大數據分析技術在審計過程中必將發揮越來越重要的作用。為適應這一形勢，需進一步做好以下工作：一是全面提升數據質量。一切數據分析、數據挖掘的前提都是真實、高質量的數據。當數據量呈幾何級數增長、數據源來自多系統且各系統之間接口規范不統一時，勢必給數據質量帶來一定隱患，因此須針對所分析的系統數據進行稽核，確保數據真實性，同時提高審計人員對數據質量的重視程度。二是轉變審計思路。隨著公司對內部審計的要求逐年提升，內部審計方法應由單一性向多樣化轉變。針對不同審計目標應選擇具有針對性的審計方法。在傳統審計方法基礎上，采用統計學、分析性程序、內控評審和風險導向審計等方法，提升內部審計的精準度，加大分析力度，節約成本、降低風險，促使內部審計更加科學高效。隨著轉型的深入，內部審計應更加關注事中和事前，逐漸開展對企業經營管理全過程的監督和評價。

（作者單位：國家電網北京市電力公司，郵政編碼：100031，電子郵箱：nash19890922@163.com）