大數據技術在銀行反舞弊審計中的應用
——基于J 銀行審計實證研究

尹 蕾

（江蘇銀行內審部，江蘇 南京210001）

一、 引言

近年來，銀行內外部舞弊案件頻發，且往往涉及金額巨大，社會影響深遠，銀行舞弊案件對我國金融體系的安全穩定運行產生了不良影響。巴林銀行員工尼克·李森利用開立的特殊賬戶掩蓋損失，為了彌補損失不斷補倉杠桿效應放大幾十倍的期貨合約，最終給巴林銀行帶來了滅頂之災，一名員工的舞弊行為導致一家百年銀行倒閉。許多舞弊行為是隱藏在海量的大數據下發生的，這給內審工作帶來了極大的挑戰，把握大數據技術發展的契機是進一步提高內部審計發現能力的重中之重。近年來各銀行內部審計在大數據技術應用方面不斷探索，開發非現場審計系統，加大數據挖掘力度，讓數據“說話”，提高審計工作質量和效率。商業銀行內部審計團隊能否抓住大數據技術發展的契機，深入應用大數據技術，借鑒外部大數據技術使用的成功經驗，將成為內審人員有效履職、推動內部審計高質量發展的關鍵因素。

二、 文獻綜述

（一）關于反舞弊審計的文獻綜述

美國特雷德維委員會（Treadway Committee，1987）的調查報告中提出企業反舞弊四層次機制理論，企業可通過建立下列四道防線來預防企業舞弊:高管的管理理念、內部控制、內部審計、外部獨立審計。

Albrecht 和Wrens 等（1995）提出舞弊三角理論，指出影響舞弊行為發生的三要素分別為壓力、機會與借口。Albrecht（2015）認為，商業銀行舞弊行為具有隱蔽性，內審人員必須要采用先進的技術手段查找隱藏的舞弊痕跡。

Dumitrescu（2014）認為有效的內部審計是銀行內部控制的重要環節，內部審計可以有效識別已發生的舞弊行為，堵住潛在舞弊風險，有效遏制員工為牟取私利損害銀行利益，提高銀行的資產安全性與聲譽。

Ogara（2016）認為，商業銀行的管理層舞弊行為產生的損失金額比員工舞弊產生的金額更大，管理層容易凌駕于內審人員之上；隨著手機、網銀等電子支付渠道的便捷，很多舞弊案件的資金流發生在行外，進一步加大了審計排查的難度。

（二）關于大數據技術應用于內部審計的文獻綜述

Connolly（2012）認為審計大數據是企業交易數據、互動數據和觀測數據組成的集合，他將審計大數據用一個關系等式表現出來:審計大數據＝交易數據＋互動數據＋觀測數據。

白濤（2013）認為，建設以“云計算”為基礎的“大數據處理平臺”，是內審信息化建設的基石。該平臺將實現數據共享，打破信息孤島，實現全過程、全覆蓋審計。

鄭偉等（2016）分析了大數據給審計模式帶來的影響，提出從審計流程、模型架構、應用工具等角度，進一步完善大數據環境下的數據式審計模式，提供研究和實踐數據式審計模式的新思路。

程平等（2016）認為，大量結構化和非結構化數據存儲在云平臺中，使得內審人員能夠更加便捷、快速地獲取非標準化數據，進行聚類分析，確定審計重點，并將其存入知識庫，可實現對審計經驗的積累和再利用。

中國銀行（香港）有限公司非現場審計課題組（2018）認為，大數據的統計技術和可視化分析技術可以應用于銀行內審工作，如授信客戶行業真實性核查、洗錢客戶群多層交易分析、授信審批效率評估等。

（三）文獻述評

查閱近年來大數據技術發展和銀行反舞弊審計的相關文獻，國內外專家學者從不同角度、不同層次探討舞弊，舞弊方面包括舞弊三角理論、反舞弊四層次機制理論、內部審計對反舞弊的重要性等，以及大數據技術對審計的影響、應用于審計的大數據技術、如何搭建審計大數據平臺等。理論研究的學者較多，將理論和應用實踐結合的較少，且由于內部審計的非公開性，大數據技術在銀行反舞弊審計中的實踐案例研究更少，論文嘗試從內部審計實務出發，研究如何通過大數據技術發現員工舞弊行為，從而治理和預防舞弊。希望通過研究如何利用大數據技術提高反舞弊審計的發現能力，提升內部審計防范員工舞弊案件的方法和手段，提升銀行內部控制水平，為J 銀行以及整個銀行業的實踐應用提供一定的參考價值。

三、 大數據技術在J 銀行反舞弊審計方面的主要實踐

近年來J 銀行加大對非現場審計系統的建設力度，在反舞弊審計中通過大數據技術的運用和探索，助推了審計事業的快速發展，帶來審計“創新力”的大幅增長，有效降低了審計的抽樣風險，提高了反舞弊審計的效果和效率。

（一）J 銀行非現場審計系統建設

J 銀行近年來不斷改進審計技術，開發了非現場審計系統，該系統數據架構采用Gbase 集群列存儲數據庫環境，通過建立數據接口，完成與生產數據庫或數據倉庫的對接，實時加載核心系統、信貸管理系統、資金系統、影像系統等多個業務系統數據，為非現場分析提供數據基礎。再利用審計系統，通過調集所有機構的有關業務數據，運用計算機輔助技術，從系統海量的數據中進行關聯、分析和挖掘開發審計模型，實現對被審計單位問題的快速定位，最終輸出疑點數據。具體審計流程見圖1。

圖1 審計流程圖

（二）打造員工關系圖譜，構建內部反舞弊排查體系

J 銀行充分運用大數據分析技術，通過打造員工關系圖譜，深挖違規行為特征，構建了較為完善的員工行為排查體系，實現了對全行員工違規行為的實時掃描。

在技術層面，針對員工圈、客戶圈，挖掘“三層員工及員工親屬賬號”、識別“三重控制關系”、挖掘“五類交易對手方”、識別“四種交易特征”等模型群組。在業務層面，關注以員工為中心組成的員工圈與以客戶為中心組成的客戶圈之間的資金往來，以及員工圈利用他人信息申請授信、員工圈財務狀況異常失范行為等。

（三）運用聚類算法，調校收單業務反舞弊焦點

近年來，為了與支付寶、微信開展競爭，多家銀行推出了基于二維碼的收單業務。在業務拓展初期，銀行往往采取降低或減免手續費的方式開展營銷，這就給某些商戶進行信用卡套現等舞弊交易提供了機會。J 銀行在開展支付業務合規性內部審計時，使用聚類算法對交易行為分析進行了一些積極的研究和探討。

J 銀行通過對商戶交易數據的統計分析，最后選定五個統計量作為最后參與聚類分析的輸入參數，運用SAS 統計分析軟件①SAS（Statistical Analysis System）是一個模塊化、集成化的大型應用軟件系統，主要應用于統計分析。進行聚類運算，最終產生聚類結果，根據聚類結果再結合對每類中抽樣商戶交易流水的人工判斷，可以初步分析出該類商戶的交易特征，可直接用于對判斷存在舞弊交易的商戶開展進一步的統計分析，也可作為對行內反舞弊控制過程進行審計評價的依據，較為科學并高效地實現了對舞弊行為的聚焦和鎖定。

（四）爬取非結構化數據，輔助監測信貸資金流向

按照銀監會相關規定，信貸資產嚴禁流入股市、房地產、投資公司等高風險領域。P2P 平臺大多由民營企業營運，存在較大的風險，在P2P 投資的高峰期往往兩三天就會有新的平臺冒出，但每個月都可能有平臺“爆雷”，而銀行收集到的相關信息通常較為滯后。

通過自動爬取“網貸之家”“網貸天眼”等專業信息類網站公布的P2P 平臺公司名單、平臺問題等信息，高效地將互聯網的非結構化數據轉化為可分析識別的結構化數據；再結合工商、征信等專業數據，對信貸客戶資金流向進行分析，描繪出關聯圖譜，從而掌握資金流入P2P 平臺的情況以及P2P平臺在行內的授信情況，做出相關預警。網絡爬蟲技術的運用，得以進一步提升審計的數據采集能力，通過整合內外部信息，挖掘數據價值，拓寬了審計的視角。

四、 大數據技術應用于J 銀行反舞弊審計存在的問題

大數據技術在J 銀行反舞弊審計中已有成功的實踐經驗，但是J 銀行反舞弊審計還存在一些問題以及需要改進的地方，從數據采集、數據挖掘、結果展示、分析預測四個方面分別說明。

（一）審計數據采集不夠全面

1.外部交易、信息數據缺失

銀行內審人員無法獲得客戶及員工跨區域、跨銀行的賬戶資金流動、賬戶往來等交易數據，無法獲取行外行為信息，使一些線索中斷，無法將問題查深查透，產生審計風險。反舞弊審計中需要使用的外部數據包括:客戶及員工行外的賬戶交易；客戶及員工的互聯網行為、購物、社交等信息；授信客戶的工商、征信、稅收、訴訟、輿情等信息；授信客戶的行外賬戶交易。

2.未采集半結構化、非結構化數據

目前內審人員多為對結構化數據進行分析，但對于半結構化、非結構化數據，如簽訂的信貸合同文本、服務電話的錄音信息、經營場所的監控視頻，該類文本、音頻、視頻尚未使用文本檢索系統、圖像識別系統、自然語言處理系統進行大數據技術開發，僅為人工查看，沒有有效手段加以利用。未來反舞弊審計的突破口在于半結構化、非結構化數據的采集和處理。

（二）數據挖掘深度不夠

1.審計系統數據挖掘工具較為單一

目前J 銀行非現場審計系統中的數據挖掘工具主要是關聯規則分析工具，缺乏聚類分析、決策樹、鏈路預測算法、趨勢分析、回歸分析等工具，數據挖掘工具單一。在近期開展的審計項目中審計人員使用SAS 分析軟件對收單業務反舞弊進行了首次嘗試，并取得了較好的效果，非現場審計系統中的數據挖掘工具有待豐富。

2.數據挖掘思路有待拓展

目前銀行規模不斷擴大，銀行資管、理財、票據等業務交易結構不斷創新，銀行內外部舞弊形式和手段更為隱蔽，不斷翻新，且銀行舞弊案往往與銀行業務緊密結合，目前商業銀行的大數據開發人員以技術人員為主，對銀行業務了解不多，大數據技術人員脫離了銀行業務往往缺乏模型開發思路，很多模型思路還是沿用以前年度的，該類模型思路的審計發現越來越少。

（三）數據可視化技術尚未應用

1.非現場審計系統中缺乏數據可視化工具

可視化工具目前在非現場審計系統中尚未應用。當存在海量數據時，數據的分布情況無法用散點圖、正態分布圖等描繪，復雜的人員關系、資金流向無法用不同的圖形和箭頭描繪，風險程度無法用不同的顏色標注。審計人員無法將人的認知和計算機的計算能力融合，需要耗費較多的時間理解表與表之間的關系。

2.舞弊疑點展示不直觀

目前非現場審計系統中疑點數據均用表格來展示，對于每個被審計對象的關系網、資金網沒有一個直觀的感受，特別是當某個目標對象涉及多種類型的關系人、復雜的資金流向時，現在審計信息的展現方法多樣，傳統文字和表格已經不能滿足復雜的審計思路，無法將聚集的各員工圈、擔保圈、客戶圈和風險程度展示出來。

（四）審計重發現舞弊，輕預防舞弊

1.對舞弊行為未能實時預警

目前反舞弊審計還是停留在事后對舞弊行為的檢查發現，對已暴露的風險事件進行披露，對相關的人員進行責任界定和問責，但是對事前、事中審計開展得較少，對潛在的風險事項缺乏預測和預警。內審人員要通過實時預警功能，減少舞弊發生的機會，才能從根源上治理舞弊。銀行有大量的交易數據，為事中預警提供了可行性，目前尚未能夠根據已識別出的關聯關系，固化關聯模式，利用圖搜索方式定時、批量地監測疑似員工、客戶、擔保關系。

2.預防舞弊手段不夠

銀行業務不斷創新，同業、理財、債券、資管、金融衍生產品等業務規模不斷擴張，且資產結構越做越復雜，經常交易結構設置成多層嵌套以監管套利，一方面是銀行套利，另一方面也是為企業套利，同時為了達到套利效果經常簽訂抽屜協議、兜底條款，這其中隱藏巨大的道德風險。傳統的規則審計模型已難以跟上其變化速度，預防手段不夠。

五、 大數據技術在J 銀行反舞弊審計中應用的改進策略

J 銀行通過進一步加大大數據技術在數據采集、數據挖掘、結果展示、分析預測四個方面的研究和應用水平，可以提高內審管理的科學化水平，提升內審工作質量和效率，推動內部審計高質量發展。

（一）挖掘并維護系統數據資源

1.使用網絡爬蟲等技術采集外部可用數據

積極吸收與挖掘外部可用數據資源，豐富審計數據來源渠道，加大與外部各機構、行內其他部門之間的溝通。對于可批量采購的，開通與政府機構、人民銀行、銀監會等機構的數據共享和交互；對于無法直接批量采購的，從政府官網、同業門戶、萬得資訊、各大媒體、購物網站等外部信息渠道，可以使用網絡爬蟲等技術采集外部可用數據、輿情信息，抓取網頁中需要的信息，再經過數據的清洗和深加工，形成有效的審計疑點。

2.使用自然語言處理等技術采集非結構化信息

通過專業的識別系統，借鑒國內外先進的圖像識別、語義分析、智能語音交互、人臉識別技術、光學字符識別、自然語言處理、計算機視覺等技術方法，加大對非結構化數據的采集和挖掘。對文本、圖像、音頻、視頻等數據進行有效的加工和處理，生成對應編號并存儲，將非結構化數據轉換為表格式電子數據存儲，改變非結構化數據的存儲方式，對存儲空間進一步擴容。

（二）強化非現場審計系統建設

1.增加決策樹、鏈路預測算法等數據挖掘工具

在非現場審計系統中開發決策樹、鏈路預測算法、趨勢分析、回歸分析等數據挖掘工具，對數據進行深度挖掘，進一步推進智慧審計，提高審計的發現能力。通過聚類分析、決策樹等科學的統計方法，找出數據的特征和相互關系。將對內、外部業務風險洞察與智慧審計技術相結合，形成“業務＋科技”的智慧審計核心能力與應用場景。

2.加大業務與大數據技術結合，拓展審計思路

加大審計人員業務知識和大數據技術的結合，培育知業務懂技術的專業隊伍，審計模型的開發思路離不開銀行業務，懂業務的人員同時也能夠勝任模型開發的工作，能夠減少由于溝通不暢產生的摩擦。培養大數據分析型人才，熟練掌握分析應用工具，善于進行數據挖掘。加強對已引入非現場審計系統數據的價值深挖，通過對業務系統前臺界面的使用、字段含義的理解和業務數據之間的邏輯關系的研究和學習，思考大數據分析方法，搭建各專業化的模型體系。

（三）加大可視化技術的應用和研究

1.加強可視化應用工具研究

搭建更先進、工具更加多樣的大數據審計工作平臺。通過各種途徑參與外部SAS、Python、R、Go 語言等先進應用系統編程語言的培訓，增加關系網絡分析、知識圖譜等可視化應用工具的研究學習。使用可視化分析可以直觀、高效地洞察數據關系，如散點圖可以幫助審計人員迅速找到偏離正常的目標數據；關系網絡分析廣泛應用于關聯關系反查、團伙分析、反舞弊等。

2.利用知識圖譜技術展示舞弊人員畫像

將舞弊人員畫像可視化呈現，使大量的數據表格通過一張圖像來展示，并用不同的形狀、箭頭、顏色表示不同的人物關系、資金流向、風險程度，發掘不合理的關聯關系，排查貸款詐騙。知識圖譜等可視化技術需要使用Hadoop、Storm、Spark 等具有海量存儲功能的大數據開源技術，進一步滿足審計大數據存儲、查詢、分析和圖形化展示的功能。

（四）建立反舞弊預警、預測機制

1.建設反舞弊實時監測平臺

現代內部審計應當由檢查發現問題審計向服務增值審計轉變，由監督導向型審計向增值導向型審計轉變，搭建事中預警平臺，實時監測新發生的業務，發現可疑人員、可疑業務、可疑操作時實時預警，及時預測預警才能盡量避免損失，而不是發現問題后，損失已無法挽回。有效治理舞弊，最能發揮作用的是事前預防而不是事后問責，才能真正實現審計的“免疫系統”功能。

2.使用機器學習技術發現新線索

大數據時代下，“非法集資”“洗錢”“不良客戶特征”等犯罪行為的實現手段變得越來越多樣和隱蔽，需要引入機器學習算法來識別異常行為，提示新的審計線索，從而發揮相關性分組、估計、預測等功能。機器學習技術通過對歷史大量數據學習和分析，一般不預設主題，不斷通過數據訓練機器，使用各種算法來歸納歷史數據的規律，并通過總結的規律來預測未來，發現新的規律。

六、 結語

內部審計工作不僅能夠幫助商業銀行發現內外部舞弊，而且能夠幫助銀行提高資源使用效率、提升經營效益。經濟全球化的影響下，金融舞弊現象層出不窮，因此，如何通過內部審計更有效地發現舞弊現象，堵塞經營管理過程中的漏洞，從而預防和治理舞弊，提升商業銀行市場競爭力，成為內部審計人員思考并亟須解決的問題。

將大數據技術應用到內部審計反舞弊審計中，通過大數據采集工具、數據挖掘技術、機器學習技術等對結構化數據和非結構化數據進行分析和處理，可以發現傳統手工審計中所不能發現的隱蔽的舞弊行為。J 銀行內審部開展反舞弊審計，在較為先進的非現場審計系統的基礎上，還嘗試運用了關系圖譜、聚類算法、網絡爬蟲等先進的大數據技術，但審計人員也意識到大數據技術的應用還有很多需要進一步研究和提高的地方，在大數據時代，只有收集海量的內、外部數據，充分理解并掌握大數據技術，采用先進的大數據技術進行深度數據挖掘，才能提高內審反舞弊發現能力，提升內審價值增值，推動銀行高質量發展。