內部審計視角下的數據治理

于威 涂志敏

近年來，隨著金融科技及數字化技術的迅速發展，金融業數字化轉型已成為必然趨勢。銀行業金融機構在業務快速發展過程中，各類數據均呈指數級增長，數據已經成為銀行的重要資產和核心競爭力。充分發揮數據價值，用數據驅動商業銀行發展，提高銀行經營質效，具有重要意義。2018年5月，銀保監會發布《銀行業金融機構數據治理指引》，體現了銀行業金融機構從數據管理到數據治理的核心邏輯轉變，目的是引導銀行業金融機構加強數據治理，提高數據質量，發揮數據價值，提升經營管理能力，由高速增長向高質量發展轉變。在此過程中，銀行內部審計也在不斷推動數字轉型工作，充分應用科技手段，更好地履行風險管理第三道防線的職責，持續提升審計服務于全行發展戰略的價值。

數據治理對商業銀行內部審計的積極影響

金融業正處于以大數據賦能實現數字化轉型的階段，內部形成了“用數據說話，用數據營銷，用數據管理，用數據決策”的文化。當商業銀行開展數據治理時，建立符合本行特點的數據治理架構，配置符合要求的崗位及人員，建立數據管控平臺和管控機制，形成數據生命周期管理，是形成數據越用越好、越好越用良性循環的必要條件，對數字化轉型下的內部審計應用產生深遠影響。

加快審計數字化轉型

內部審計在職責上有獨立監督評價董事會授權的商業銀行的各類生產經營活動的權力，是商業銀行內部最大的數據用戶，需要獲取全量的基礎數據。為支撐強大、高效的數據分析及挖掘功能，內部審計的“數字化”需要按照“共享、共用”原則搭建數據基礎平臺。通過數據治理工作，將分散和缺失的數據科學合理補充并碼放，形成跨條線、跨板塊及跨部門的數據基礎，并擴展至對外部數據、非結構化數據存儲及管理。形成指標層、報表層、中間層、貼源系統的多級數據建設及應用機制，通過先進模型工具、方法、算法等發現隱蔽風險邏輯，建立模型體系、指標體系，加快傳統現場型審計向持續審計加敏捷審計的新型數字化審計轉型。

提升審計價值

提高審計效率。數據治理能提高數據的可用性，這使得審計人員能通過數據分析準確揭示經濟活動的規律，獲取更有價值的參考信息，提升審計模型的有效性。數據治理可以增強審計數據信息的可信度，目前審計取證模式注重用數據說話，數據治理通過規范跨系統、跨條線的業務數據，有助于審計人員調用數據資源對被審計對象作出合理評價。數據治理可以促進審計業務協同，基于統一的業務規范、數據標準、取數規則等，各審計小組對分散的數據進行分析和查證，提高審計工作效率。

提升監督效能。數據治理強調發揮數據的應用價值，在企業中提升數據資產應用是關鍵，銀行應當將數據應用嵌入到業務經營、風險管理和內部控制的全流程，有效捕捉風險，優化業務流程，提升內部控制有效性，實現數據驅動下的商業銀行發展。商業銀行內部審計是數據應用部門，通過數據分析與挖掘，建立風險評估方法論和可量化的內控評價指標體系，合理應用審計資源，為商業銀行業務發展保駕護航。此外，良好的數據治理可以使審計部門與一線經營部門和二線管理部門建立內控信息共享共建機制，增強各業務條線檢查的精準性和發現風險隱患的及時性。同時也可以更加客觀、全面、完整地反映問題，提高了監督的效率和效能，推動監督合力顯著提升。

降低審計成本

數據積累以及海量數據、異構數據融合難等問題使得審計人員數據分析難度加大。數據治理通過建立數據索引，梳理好數據的血緣關系，完善數據平臺，形成數據處理集群，對風險管控提供數據服務，有助于審計人員在規定時間內快速對海量數據進行深度挖掘，能減少其在數據分析、數據處理方面的資源投入。通過加大審計的非現場階段分析投入，壓縮同質同類審計項目的現場時間，不僅可以替代和節省相當可觀的人工成本及差旅費用，同時節省被審計單位的迎審成本，將相關資源投入到業務經營中。

控制審計風險

數據治理遵循“全覆蓋原則”，即覆蓋全生命周期、內外部全部數據、全部分支和附屬機構，這對于審計樣本選取和審計流程重構產生重要影響。一是有效解決內部審計樣本覆蓋的問題。數據治理使審計人員能夠充分運用內外部數據進行審計，并對數據進行深層次挖掘和分析，有效降低信息不對稱等原因造成的審計抽樣風險。二是解決時間和空間覆蓋的問題。數據治理對全部機構和全量數據進行全生命周期的管理，且在信息標準層面進行統一，為日常持續監督審計提供了穩定、可用的數據保障，有利于項目制審計向持續審計和敏捷審計并重轉化，而這正是現代審計為了控制審計風險而作出的重要轉變。

商業銀行內部審計數據應用現狀

作為商業銀行風險管理的第三道防線，內部審計部門已經主動開展內審數字化轉型，通過整合全行數據、引入AI工具、建立審計新平臺、優化流程、強化內審員工數據應用能力、優化組織架構等方式，提升內審對全行內部控制評價的可量化分析，前瞻性識別內控缺陷，提高內部控制的有效性，推進大數據風控體系建設。利用全行的數據，并集成工商、投資、訴訟、擔保等外部數據，依托大數據分析技術，對銀行客戶信用狀況進行準確評估和精準畫像，實現客戶的嚴格準入和風險的實時預警，更大程度降低銀行風險水平。

各大金融機構內部審計均在進行審計數字化轉型，提高非現場審計與持續監督評價工作的數據支撐能力，實現“風險導向、數據驅動”的智慧型審計，在傳統審計向數字化審計轉型過程中，數據質量變得越來越重要。但現實中，銀行的業務系統間數據壁壘嚴重，缺乏企業級的數據規范，不同系統間數據存在重復甚至沖突，數據處理過程缺乏時效性，無法迅速響應業務部門的數據需求，阻礙了內部審計對數據的有效應用。主要體現在以下方面。

數據完整性不足，審計采集成本增加。從存量數據來看，源系統中未錄入或錄入錯誤會導致數據存在缺省值和無效異常值;紙質合同、公文系統、郵件等重要非結構數據未被有效采集轉換，部分數據仍需要人為逐級報送。從數據訪問和獲取來看，部分外部關聯信息共享不充分，而部分內部數據因涉及數據安全采用按級別、按權限獲取，導致審計人員獲取數據不全面。

數據可用性較差，審計分析阻力上升。目前，數據從不同源系統進行采集，可能會導致重復采集、采集結果不同步等問題，主要原因是不同源系統對同一數據字段定義標準不一致。缺乏統一的數據標準，從源頭上造成數據錄入混亂，造成數據融合困難和數據可用性差，導致不同系統的數據難以被唯一標識并識別，在審計建模中關聯失效。

數據應用能力不足，審計數字化有待加強。從業務需求定義到數據提取、數據預處理、數據建模的過程中，存在數據理解和信息傳遞誤差，造成提取的數據或建立的審計模型偏離總體分布特征。審計人員自身缺乏數據化審計思維和能力，仍采用傳統審計觀念和審計方式開展審計，對隱藏在大數據中的舞弊線索及疑點數據難以發現和識別，且大數據審計技術和工具在內部審計中尚未實現普及化應用，導致審計效能低下。

推進商業銀行數據治理工作的解決方案

數據治理能解決目前商業銀行存在的數據真實性、準確性、連續性、完整性和及時性等各類數據質量問題，為內部審計開展數據挖掘、風險防控等深度應用提供高質量的數據保障。但全行級數據治理涉及范圍廣、流程長，是一項持續而反復的工作，目前仍有許多“痛點”問題亟需解決，已成為商業銀行內部的管理難題。內部審計從全行視角發現數據治理存在的問題，積極探索相關的解決途徑，切實推進商業銀行數據治理工作。

組織高度重視，完善數據治理體系。目前商業銀行普遍意識到數據是重要的戰略資源，但對數據治理的重要性認識還不夠到位。對數據質量提升目標停留在僅滿足監管報表要求的階段，頂層設計不足，缺乏統籌規劃，配套制度不足，制約了商業銀行管理和應用數據的能力。一是完善數據治理體系建設，加強數據治理統籌規劃。良好的數據治理是大數據時代的領先競爭優勢，但也是一項關乎全局的系統性工程，需要組織對其保持高度的重視，通過頂層設計建立自上而下、協調一致的數據治理體系，建立健全組織架構，合理配置數據治理資源。二是開展全行數據治理相關制度的梳理和完善，推動數據標準的制定與應用，有效減少系統開發未按照統一的數據標準執行造成的數據多頭管理、數據沖突和數據冗余等問題。

構建工作機制，規范數據管理。商業銀行內部各部門之間職責割裂，底層數據未能打通，數據標準未建立或執行不到位，導致系統間協同合作和資源共享存在難度。一是建立數據分級管理機制，梳理全行數據資產目錄，制定數據分級標準，針對不同數據采取差異化管理。二是從源頭上加強數據治理，強調業務與技術相結合，建立統一的業務規范和技術標準，在數據采集錄入的薄弱環節設定系統剛性控制，要求根據業務邏輯規則全面準確地錄入數據，確保數據的完整性、規范性、一致性等。三是強化數據管控機制，包括數據共享機制、機構間的協同工作機制、數據的上下游調用機制等，促進各業務條線或部門的互聯互通。四是構建后評估機制，持續跟進數據治理問題整改，杜絕屢查屢犯。

推進配套體系建設，提升數據質量。商業銀行內部條線和部門之間存在明確的權利和責任邊界，既得利益者不愿打破邊界，導致部門之間配合度較低。數據治理工作方面投入的資源還有一定缺口，落地實施存在困難，管理主體責任沒有落地到具體部門的具體人員，且對數據質量的問責處罰未落實到人。一是加大數據治理資源投入，數據治理需要信息技術支撐和基礎設施保障，信息系統應具有完備的數據字典和維護流程，應能自動提示異常變動及錯誤情況，也能實現監管數據加工的自動化。二是完善“1+N”數據治理隊伍建設，設立總牽頭部門，并在各部門配備專兼職人員，承擔數據治理相關工作，為全行數字化轉型夯實人力資源基礎。三是加強數據能力建設，制定能力提升培訓方案，著力提升數據采集、整合、融合、應用、服務等能力，培育既懂銀行業務又懂數據運用的復合人才。四是加強數據質量考核引導，通過獎懲機制對數據治理工作進行有效的激勵，參照考核收益分配規則確定客戶數據的責任部門，由業務部門牽頭對相關報表數據進行總體把控。

加大科技應用，助力數據價值實現。部分商業銀行目前使用系統存在分時、分階段、分業務需求建立的特點，后期雖根據業務發展形勢進行“打補丁”式優化，但由于底層設計不符合當前大數據應用趨勢，很大程度上限制了數據價值的有效發揮。一是實現系統整合，商業銀行要想從數據中獲取價值，必須整合原有分散的各類系統，構建一套對接全行各部門的一體化、模塊化的數據平臺，實現統一的數據視圖，既滿足各類業務需求，又便于收集各類數據。二是預留接口負責采集全行外部數據，有效整合內外部資源，實現數據關聯關系的深度挖掘。三是提升數據標準化，構建分層級的指標管理體系，實現全行指標的統一管理，使全行數據具備標準化的數據格式。四是嵌入開發數據質量監控平臺，通過部署各類數據質量校驗規則對全行數據開展自動化監控，準確定位數據質量問題及其成因。五是利用內外部數據聯合建模，采用知識圖譜、聚類分析等技術在平臺上開發風控模型、定價模型、風險預警模型等，運用數據開展風險管理、業務流程優化和針對性營銷，推動數據資產釋放其潛在價值。

（工作單位：中信銀行審計部，中信銀行審計部武漢審計中心）