大數據挖掘技術在電力審計風險防范中的應用研究

禹湘暉 廣東電網公司調度中心

引言

大數據挖掘技術屬于一種基于數據分析與數據挖掘的計算方式，目前在許多領域均有著廣泛性應用，按照國網審計業務的綜合分析，目前已經在許多領域均有應用，按照電力審計風險防范工作特征來看，其主要是將驗證性的分析方式轉變為挖掘性的分析方式，并將審計方式轉變為風險預警，實現對審計思維、內容、目標、技術等多方面的優化改進，并基于聚類分析算法方式實現應用空間的擴展。伴隨著信息化及時的持續性發展，數據形成速率以及生成量持續增多，大數據挖掘技術的應用價值也會隨之提升。對此，探討大數據挖掘技術在電力審計風險防范中的應用具備顯著實踐性價值。

一、大數據挖掘技術在電力審計中的應用

對于挖掘性的數據分析方式屬于大數據中最為典型的一種技術形式，其主要是從大數據當中尋找到隱含的數據規律的模式，并以預測的方式將趨勢與行為完成數據的分析，數據挖掘技術屬于實現發掘性有價值數據的一種處理方式[1]。大數據挖掘技術的關鍵在于數據挖掘的算法，算法屬于數據中非線性關系與因果關系的決定性因素，不同的算法可以應用于不同的場景。當前按照大數據挖掘技術的大數據審計可以在財政、金融、電信、保險等多方面提供海量數據并實現對行業生命力、效能的強化，逐漸在財政審計、工程審計、民生專項資金以及社保資金審計等方面提供支持。

(一)數據挖掘算法

大數據挖掘技術中關鍵的技術便是數據挖掘算法，聚類分析方式主要是將所有數據對象劃分成為不同的子集，其目的是將同一個子集當中的對象保持高度相似性，對于不同的機組中對象差別相對較大，聚類算法屬于無監督性學習方式，因為所涉及到的數據提供不同的類型標簽數據，借助觀察學習實現對非示例的學習，聚類可以實現對數據內在性質與規律的挖掘，從而實現對數據綜合分析，聚類分析方式主要涉及到劃分方法、層次方法以及基于密度與網格的方式。

(二)數據挖掘過程

普遍而言，數據的挖掘過程主要涉及到三個階段，分別為數據準備與數據預處理、數據挖掘模型建設、數據的運用與評估。

在數據準備與預處理方面，主要是將審計問題轉化成為數據挖掘問題，明確問題相關數據源之后將不同數據源集中到一起，并形成原始的審計數據資料，數據預處理過程中需要實現對數據的完整性處理以及噪聲判斷，對于不理想的原始數據實現預處理并實現對數據清理、集成以及規約等轉變[2]。數據挖掘模型的構建方面，主要是按照審計任務和轉換完成之后的數據類型，采用適當的數據挖掘技術，并從相應的算法庫當中采用適當的算法和綜合應用算法方式構建數據挖掘模型，建設模型期間屬于反復進行的，借助修改模型參數的方式按照不同評估方式對比模型實現對最有效模型的判斷。在模型應用和評估方面，將處理后的數據基于數據輸入模型和輸出分析的結果，在設置好模型參數之后通過計算機自動完成計算，模型的評估主要是對模型完成審計任務的質量進行評估，并衡量模型的適用性。

(三)大數據審計

基于全業務的數據中心建設方式，基于國家電網地方企業結合自身信息化的發展需求和已有的專業領域信息系統構建成果數據資源并構建全業務的數據中心，面向全業務范圍、類型以及時間維度等實現統一性的儲存與管理服務，為企業提供全量的業務數據匯總與數據分析統一服務，實現業務高度融合以及數據充分分享，基于全業務的統一性數據中心挖掘方式，可以綜合分析并開展夯實基礎、數據擴充介入以及資源在線納管的處理工作，從而進一步完成數據資源的儲存與應用，更好的服務于大數據分析應用。基于二級部署系統的介入以及一級部署系統數據按需介入，實現對業務數據的有效處理，結構化的數據接入表與數據總量達到TB級，采集數量涉及設備上百萬臺，非結構化的數據也可以實現對大量采集。對于業務系統數據可以基于系統數據倉庫模型實現規范化的儲存，并為后續大數據分析奠定基礎。

在數字化審計平臺建設方面，基于全業務數據中心的大數據資源，基于數字化審計平臺的建設目標，打破傳統專業系統之間的壁壘，采用全業務數據中心的海量數據資源，可以實現對數據字段的綜合分析，并基于營銷、財務、工程以及物資等實現對不同業務領域的審計需求并構建智能化審計模型以展示審計結果，對存在疑點信息以及資料明細的業務數據實現穿透性的查詢，借助圖像化的方式可以實現對在線智能審計工作成果的判斷，促使審計問題與結果保持可視化。

二、大數據挖掘技術在電力審計風險防范中的應用案例

為了更好的貫徹落實生態環境保護、清潔取暖等政策精神，某電力企業投資大量資金實現對配電網的改造與煤改電等民生項目的建設，內部審計屬于保障企業重大項目安全穩定有效落實的關鍵，可以實現全程化的民生項目資金審計工作。借助重大民生項目的資金構成，發現約有50%的資金應用于購置物資并存在大量的結余表現，資金風險相對較高[3]。對此，內部審計工作期間需要將物資的全流程風險防范作為民生項目的審計工作重點。

(一)工程物資管理風險

企業的物資管理部門采用常規物資管理全流程模式，在物資采購和配送、物資需求與采購配送等環節中應用SAP系統開展操作，線下按照采購清單根據相應比例收貨，物資管理部門的全程監控在物資結算方面需要基于工程現場實際情況實現對物資結算清單的管理，同時基于管理、施工、監理以及設備運行等不同部門進行聯合確定，設備運行單位需要將現場所應用的設備投入到PMS系統中，保障系統中電網拓撲結構和實際情況保持一致，從而確保電網的安全穩定性，確保工程物資結算時的準確性。在結余物資退庫方面，因為不同地區供電企業的物資倉庫容納空間有限，大量結余的物資線下無法實現有效的退回，只能夠存在其他的非注冊倉庫中[4]。按照這一風險問題，內部審計工作期間需要將工程結余物資的總量作為審計的工作重點，并借助大數據挖掘技術方式實現對物資存量、風險的評估，在審計期間針對問題爆發之前采取相應的防范措施，達到早期防控的干預目的。

(二)工程結余物資取向

在數據來源方面，線上物資的需求需要基于提報、審計、收發貨、結算以及利庫等業務操作方式在SAP系統中進行操作，所以和相關數據源應當以結構化的方式進行處理，按照SAP系統數據進行處理。在結余物資的取向系統分析方面，工程結余物資線下可以基于倉儲容量限制和物資管理單位的要求實現對庫存物資的統一性管理，并基于線上不采取退回注冊倉庫的方式進行操作。隨著結余物資的工程項目結決算關閉，保障物資結算時的準確性，在結余物資方面線上必須先退回原項目，在無法退回注冊庫時需要基于SAP系統應用不停寄存的方式應用于其他工程，對于電力企業而言，在建工程所有物資中過濾出全量工程結余物資屬于數據挖掘審計模型中的核心，屬于模型建設與應用的重點。對于在建工程的所有物資應當劃分為兩個方面，分別為藏匿的結余物資與工程實際使用物資。伴隨著藏匿的結余物資持續流轉，相對于工程實際使用物資與藏匿的結余物資有兩個基本特征，分別是時間維度，結余物資形成之前已經結算關閉項目，藏匿的結余物資在系統中存在時間比較長和實際使用物資存在比較大的差異，此時可以借助設置庫齡指標的方式進行區分[5]。另一方面在于空間維度，藏匿的結余物資流轉在不同工程項目中，流轉項目數量明顯超過了實際使用的物資流轉項目數量，此時可以設置流轉項目并明確區分于實際物資的特征，借助聚類算法的方式實現對數據分組，并將其相似性保持最大化，按照相似性最小化的原則實現分組與聚類，并以兩店的歐式距離作為聚類規范。

在結余物資總量方面，明確結余物資在SAP當中唯一取向屬于在建工程的重點，借助篩查在建工程中所有物資的明細，結合物資的年齡、類型、沖轉次數、移庫次數等因素，計算出物資的庫齡與流轉項目數量并設置兩個考核指標，構建藏匿物資的識別模型，借助聚類算法方式計算歐式距離內的物資庫齡長和流轉項目多的物資，明確結余物資的數量與明細，從而實現對整體物資風險的準確評估。在挖掘數據模型方面，需要基于藏匿在建工程的物資數量和金額，明確審計主體，同時借助聚類算法方式獲得物資庫齡與項目流轉次數，同時明確物資交集，針對庫齡數據與項目流轉的明細實現數據的標準化處理，并通過SAP系統提供數據實現對相應數據的準確處理。

三、結語

綜上所述，在審計工作環境之下大數據挖掘技術對于審計工作的影響顯得越發突出和明顯，為了更好的適應新形勢，仍然需要不斷的改進發展，特別是需要從數據質量、審計思路等方面進行不斷的創新與改進，注重數據分析與數據挖掘的真實性以及數據高質量水平，在數據量不斷增多的環境之下必然需要強化對系統數據的稽核，保障數據真實性，提升審計工作中數據質量水平，同時做好內部審計工作的多樣化轉變，按照不同審計目標采用針對性方式，應用統計學、分析性程序以及內控評審，提高審計工作精準度與數據分析與挖掘深度，從而確保電力企業綜合經營水平。