基于“業審一體＋”的信息化審計模型構建方法研究與實踐

[摘要]為認真貫徹習近平總書記“科技強審”重要指示精神，落實國務院國資委加快構建“業審一體”信息化平臺工作部署，課題組以“業審融合”為切入點，結合企業內部審計實際需要，以中國華電所屬R公司的三條業務主線和五大業務信息系統為樣本，開展信息化審計建模方法研究，創新形成以“問題清單化、特征數字化、分析模板化、流程標準化”為主要內容的“四化”開發思路，以及能復制、易掌握、可推廣的“345審計建模法”，并在實踐應用中得到充分驗證，成效顯著，為今后進一步利用人工智能工具開展信息化審計開拓了思路、積累了經驗，也為其他電力企業審計信息化建設提供了借鑒。

[關鍵詞]業審融合" "審計建模方法" "數據倉庫" "問題特征數字化" "內部審計

一、研究背景

（一）開展信息化審計是審計工作發展的必由之路和內在要求

習近平總書記在2018年召開的中央審計委員會第一次會議上強調“要堅持科技強審”，隨后審計署、國資委相繼發文要求中央企業充分運用現代信息技術開展審計，加快推動內部審計信息化建設與應用，構建“業審一體”信息化平臺，提高審計監督時效性和精準性，并且將審計信息化建設納入央企內部審計工作質量評估考核體系。近年來，各央企信息化建設突飛猛進，電力能源央企也在數字電廠、數字營銷、數字司庫、數字科工和數字金融等方面取得突出成效，為信息化審計奠定了堅實基礎。實踐證明，開展信息化審計有利于開闊審計視野、強化審計職能、保證審計質量、提升審計效能，有助于發現和解決系統性風險、整體性問題，促進企業高質量發展。

（二）開展信息化審計是內審突破傳統局限的迫切需要和必然選擇

目前，已有部分央企在審計信息化開發領域做出了探索和嘗試，但多數還處于審計項目作業的數字化管理階段，主要側重于計劃制訂、流程審批、資料存儲、查詢統計等功能。發現問題仍以“看資料、查標準、做分析、下結論”的人工審計模式為主，存在人力投入多、耗時長，審計風險大，審計監督難以實現事前預防等弊端。各央企多年來積累的審計案例和審計經驗，缺乏復制和傳承手段，亟須通過審計建模實現智慧成果轉化，但審計人員缺乏計算機建模思維，程序員又多數不懂審計判斷邏輯，雙方難以跨界融合。面對日趨復雜的業務系統和爆炸式增長的海量信息，審計人員缺少適用的分析工具，數據分析處理和動態監測開展困難，對企業內部各業務系統間數據孤島和協同不足等問題往往束手無策。綜合來看，推行基于審計分析模型的信息化審計，是高效解決上述一攬子難題的有效途徑。

二、以“四化”為特征的審計建模理論

課題組將“業務與審計相融合”作為解題思路，創新構建“四化”建模理論，如圖1所示。即以“問題清單化”為基礎，以“特征數字化”為核心，以“分析模板化”為載體，以“流程標準化”為實踐路徑，“四化”理論層層遞進、環環相扣、相輔相成，為后續形成“345審計建模法”奠定了堅實基礎。

（一）問題清單化

各央企在多年的內部審計實踐中，雖然積累了大量的審計案例資源，形成了一批具有行業特色的查證方法和寶貴審計經驗，但這些審計智慧成果大都停留在原始記錄、審計底稿、審計報告等各類檔案資料中，尚未統一匯總，既不便于分類管理和檢索查詢，也不便于問題定性依據和處理意見的更新維護，更不便于問題的統計歸類和分析研究。因此，有必要將歷年審計案例匯總形成一套完整、規范的結構化數據表單，集中統計審計項目類型、問題分類、定性表述、審計意見建議等基本信息。數據表單還包括問題定性典型特征和定性法規依據兩項重要內容，將其與問題定性表述中的業務數據信息相對應，以此建立起問題特征與數據源之間的標準化關聯關系。“問題清單化”為整體搭建“四化”理論提供基礎保障，也為后續推進“特征數字化”提供數據支撐。

（二）特征數字化

通過把問題定性特征與業務數據建立因果關系，將抽象的定性特征轉化為具象的定量數據指標的過程即為“特征數字化”。這一過程主要分為三個步驟：一是總結歸納特征，以“業務實際－審計標準＝審計發現問題”為判斷依據，從“業審融合＋問題導向”入手，總結歸納問題典型性、標志性和規律性的定性特征；二是確定信息來源，分析問題特征的具體表現形式，探究其特征信息的來源或載體，如企業內部業務信息系統數據庫；三是提煉數據選項，在業務系統數據庫中，進一步查找與問題定性特征存在因果關系的具體數據項，實現“問題特征→信息來源→具體數據”的抽象變具象、定性變定量的轉換。其中“定量”指標是審計分析模型公式中的基本組成元素，既包括存儲于業務系統數據庫中數值型、時間型、日期型、文本型等業務事項原始數據，還包括第三方大數據平臺可查詢獲取的數據信息。

（三）分析模板化

在問題特征值提煉和指標數字化基礎上，結合法規制度知識庫問題定性判定標準，對量化指標設置閾值范圍，并把審計人員的判斷思路、方法和經驗轉化為在計算機上運行的數據公式或邏輯表達式，形成樣本抽樣選取、風險指標預警、業務合規審查、復雜問題查證四類固定模板模型的過程即為“分析模板化”。每個審計模型均包括量化特征指標、邏輯運算公式、審計模型說明書三個部分。通過模板化分析，對某一類審計問題如同有了解題思路和萬能公式，以此實現對同一應用場景的同一類問題，使用固定模板對不同數據進行分析處理，并對照標準答案進行結果分析，列出各種可能，快速指導審計疑點落實。

（四）流程標準化

審計模型開發的主要步驟是，在業務系統數據中提取風險問題事項特征予以量化賦值，形成中間表，設計特征值數據公式和邏輯表達式，從內外部信息系統取數、運算、求解，根據判斷結果查證問題，現場取證復核，完善修正審計模型，保持迭代更新。經過歸納提煉，上述步驟可標準化為特征量化、模型應用、采集清洗、復核驗證、修正改進五步標準作業流程。此舉切實解決了審計人員不懂編程，程序員缺乏審計思維的兩難困境，以此實現將線索疑點落實為審計問題的“流水線作業”和信息化審計的“全生命周期管理”，并形成良性循環。

三、基于業審融合的“345審計建模方法”及應用范例

為解決審計建模與計算機編程跨界融合難題，課題組以問題為導向，將業務與審計有機融合，形成了三個數據倉庫；打破常規，設計了可滿足各種審計場景的四類審計模型；打造了規范易用的審計建模五步作業表單，形成可切實解決企業實際問題的“業審一體”＋“四化”理念下的“345審計建模法”，如圖2所示。

（一）“三個數據倉庫”，夯實審計建模基礎

基于“問題清單化”理論，課題組以被審計單位業務信息化系統數據字典、審計應用法規和典型問題案例為基礎，創建三個數據倉庫，提煉轉化各類數據信息，為設計審計模型奠定基礎。

一是建立業務數據字典庫。結合企業業務流程及數字化程度，形成以數據項名稱、取數來源、字段名稱、字段類型等關鍵信息為主要內容的業務數據字典庫，為問題特征量化做好準備。

二是建立法規制度知識庫。根據審計收集整理資料，形成包括相關法律法規、行業監管要求以及企業內部制度等內容的法規制度知識庫，為問題定性和審計模型判斷邏輯提供依據。

三是建立審計案例資源庫。分類梳理典型問題風險，形成包括內外部審計監督結果、巡視巡察和專項檢查結果、法律糾紛訴訟等問題的審計案例資源庫，為梳理問題定性特征和各領域問題查證提供基礎素材。

（二）“四類審計模型”，應用審計各類場景

基于“分析模板化”理論，課題組將問題判斷思路、方法和經驗進行數字化，轉變為可執行程序或邏輯表達式，并對運算和判斷結果作出分析說明，進而形成適用于常規工作場景的四類審計分析模型。

1.樣本抽樣選取模型。該模型選取業務規模、時間范圍等特征性指標作為篩選條件，在樣本量巨大而無法實現全量審計時，針對性梳理全部樣本內在規律特征，進行抽樣性分析，幫助審計人員發現代表性、典型性和傾向性問題線索，減少審計查證工作量，規避審計風險。該模型可應用于審前調查和日常監督的大數據分析等工作場景。比如，審計中用于篩選十大供應商及多次與其共同參與競價但屢不中選供應商的分析模型。

2.風險指標預警模型。該模型選取財務、運營、績效和技術等業務指標作為分析對象，對照基準值、預算值、標桿值等進行偏離分析和趨勢變化分析，幫助審計人員查找指標異常的業務事項，或對可能發生的經營風險作出預判。該模型可應用于經濟責任審計評價和日常監督風險排查等工作場景。比如，審計中用于判斷向其他企業購銷煤炭價格偏離市場價格的分析模型。

3.業務合規審查模型。該模型選取業務系統中與立項、決策、審批、執行等各環節相對應的量化特征指標，對照法規制度、相關規定進行程序和授權規范性審查分析，幫助審計人員查找經濟業務合規性問題。該模型可應用于重大決策、建設程序、合同管理、資金支付等各類經濟事項的決策程序合規性審查。比如，審計中用于發現供應商管理程序倒置，未入圍即參與競價問題的分析模型。

4.復雜問題查證模型。該模型在業務系統數據字典中選取與問題定性存在因果關系的量化指標，根據人工判斷經驗，設計多組邏輯判斷公式，或綜合運用前述三種模型，對問題疑點進行驗證，并提供輔助證據。該模型可應用于特征分散、邏輯復雜問題的疑點排查。比如，審計中用于排查串通報價、陪同競價等問題的分析模型。

（三）“五步作業表單”，規范審計建模流程

為解決審計建模與計算機編程跨界融合難題，課題組基于“流程標準化”理論，設計了簡單易學、通用規范的審計建模五步作業表單，使用者在建立三個數據倉庫基礎上，根據審計場景選擇相關模型，按流程依次填寫作業表單，即可高效完成審計建模。下面以中國華電所屬R公司審計過程中構建“供應商串通報價查證模型”為例詳細說明，如圖3所示。

1.問題特征量化。供應商串通報價的一個典型定性特征是“兩個或兩個以上報價人頻繁出現在同一標段，但從不中選”，對應信息來源是“電煤競價平臺數據庫中的競價結果數據”，具體數據項是“標段編號、中選人名稱、未中選人名稱”；另外，“同一人實際控制的關聯企業協同參與競價”也是供應商串通報價的定性特征之一，其可查證的信息來源是“天眼查系統中報價人工商登記信息”，具體數據項則是“實際控制人、法定代表人、股東、高管、注冊地址、聯系方式”，如表1所示。在業務數據字典庫中找出上述具體數據項，并據此創建“電煤競價”和“供應商自然信息”兩個中間表。

2.分析模型應用。供應商串通報價問題查證需要應用“樣本抽樣選取模型”和“復雜問題查證模型”兩類模型。首先，選取基于抽樣性分析的樣本抽樣選取模型，用于縮小串通報價嫌疑供應商的排查范圍，預設判斷邏輯為：計算每家供應商報價次數及中選率，并按中選率降序排名，對比中選率低的供應商，是否出現在中選率高的供應商的中選標段中，若存在則記數為1次并統計總次數，將其與中選率低供應商的報價次數進行對比，兩者次數越接近，存在串通報價嫌疑越大。其次，在篩選出串通報價嫌疑供應商的基礎上，應用基于經驗性分析的復雜問題查證模型，預設判斷邏輯為：若存在兩個及以上報價人“實際控制人、法定代表人、股東、高管、注冊地址、聯系方式”等任意一項信息相同，則信息一致的報價人存在串通報價嫌疑，如表2所示。

3.數據采集清洗。對照標準消除噪點數據，形成有效中間表。比如，使用SQL語句從R公司“電煤競價平臺”數據庫中，取出某時間段全部供應商對應批次、標段的全部電煤競價數據，注入“電煤競價中間表”，對供應商名稱、金額單位、日期格式不統一，以及重復、缺失或無效數據記錄等問題進行集中處理，確保中間表數據的完整性、規范性和唯一性。比如，通過使用SQL語句“UPDATE [table] SET‘field_name’=replace （供應商，‘上海YSNY科技有限公司’，‘YSNY’）”解決公司名稱不一致問題。

4.運算復核驗證。使用SQL工具對中間表進行運算分析，根據運算結果定位反復出現在同一標段的供應商，結合天眼查大數據比對結果，發現其中兩家供應商注冊地址、電話、高管相同，基本可以確定存在串通報價問題。

一是排查串通報價供應商的SQL語句運行結果顯示：某區域中選次數最多的A、B、C三家供應商分別參加競價24次、22次、21次，參與競價次數多但未中選的X、Y、Z三家供應商分別競價23次、22次、18次。X、Y與A供應商在同一標段出現22次，初步判斷A、X、Y之間存在串通報價嫌疑。

二是排查報價人工商信息相同的SQL語句運行結果顯示：全部3294家供應商中，有64家供應商存在兩兩或兩個以上關聯關系，A、X、Y供應商位列其中。具體為A與X供應商實際控制人為同一人、A供應商董事同時任職Y供應商監事，且A、X、Y供應商地址、聯系電話、郵箱相同。綜合兩模型輸出結果，A、X、Y三家供應商存在串通報價嫌疑。

三是經現場取證復核，上述A、X、Y三家供應商的三筆競價保證金均在同一日、同一銀行由同一人以現金方式存入保證金賬戶。經統計，A、X、Y三家供應商存在22次串通報價問題，涉及煤炭采購量24.2萬噸、合同金額1.45億元。

按照上述預設判斷邏輯，編寫排查串通報價供應商的SQL語句為：

1. #計算每家供應商報價次數及中選率，并按中選率和報價次數降序排名

2. create table 中選率排名 as

3. select 供應商，

4. count（*） as 報價次數，

5. count（if（中標結果='中標'，競價號，Null）） as 中選次數，

6. count（if（中標結果='中標'，競價號，Null））/count（*） as 中選率

7. from 競價結果

8. group by 供應商

9. order by 中選率 desc，報價次數 desc;

10. #建立視圖為后續篩選做準備

11. create view zbdw as

12. select *

13. from 競價結果

14. where 中標結果='中標';

15. create view format_conversion as

16. select zbdw.供應商 as 中選單位，zbdw.競價號，zbdw.標段號，jjjg.供應商 as 未中選單位

17. from zbdw

18. left join 競價結果 jjjg

19. on jjjg.競價號=zbdw.競價號 and jjjg.標段號=zbdw.標段號

20. where jjjg.中標結果='未中標'

21. order by 中選單位，未中選單位;

22. #篩選出中選率低的供應商出現在中選率高的供應商中選標段中的記錄

23. create table 風險標段 as

24. select *

25. from format_conversion

26. where 中選單位 in （select 供應商 from 中選率排名 pm where pm.中選率gt;=0.8）

27. and 未中選單位 in （select 供應商 from 中選率排名 pm where pm.中選率lt;=0.2）;

28. #統計有上述情況的單位組合共同出現次數，并與報價次數進行對比

29. select 中選單位，未中選單位，count（*） as 同標段次數，pm.報價次數，pm.中選次數，pm.報價次數-count（*） as 次差

30. from 風險標段 ri

31. left join 中選率排名 pm on ri.未中選單位 = pm.供應商

32. group by 中選單位，未中選單位

33. having count（*）gt;1;

編寫排查報價人工商信息相同的SQL語句為：

1. #從天眼查工商登記信息表中篩選出有任一信息相同的兩家或多家公司

2. #先清洗原表結構為需要的格式，再使用SQL查詢

3. select name，count（company）

4. from tyc

5. group by name

6. having count （company）gt;1;

5.模型修正改進。一是誤差分析糾正。在現場驗證過程中發現有部分環節與模型設計思路存在差別。比如，天眼查系統中個別供應商信息更新不及時，與全國企業信息公示系統存在差異，需要增加復核環節，防止誤判；又如，“電煤競價平臺”中供應商設備的MAC地址以及支付保證金銀行賬號的數據項尚未利用，可增補到預判邏輯中，提高排查精度和審計效率。二是生命周期管理。R公司根據審計意見對供應商、采購、合同、調運、結算五個業務系統整合升級，對規章制度和業務流程進行了完善優化，課題組結合這一情況修訂完善了相關審計模型的業務數據字典庫和法規制度知識庫，并對審計模型數據項和判斷邏輯進行了升級，刪除已不適用部分，保持審計模型迭代更新，確保時效性和準確性。

四、成效與展望

（一）取得成效

1.創建線上線下相結合的審計新模式。

新冠疫情發生后，審計人員異地流動受限，難以開展現場作業，審計建模方法研究的成功，使遠程線上審計成為可能，成功克服疫情影響，全面完成各項審計任務。審計人員使用審計模型開展線上審計后，傳統人工審計“看資料、查標準、做分析、下結論”的方式和步驟，逐步轉變為“采集數據、構建模型、運算判斷、查證確認”的數字化審計流程。

2020年，中國華電組織的大型審計項目全部以線上方式開展審前調查，大大提高了審計效率，壓縮了現場工作時間；2021年逐步推行“線上為主、線下為輔”的審計模式，非必要不到現場；2022年全年，按照國資委審計全覆蓋要求，加之疫情影響，大型審計項目全部以“遠程審計＋現場確認”方式開展，全面進入了線上審計新階段。

2.打開“業審一體”數字化審計管理新格局。

中國華電“業審一體”信息化平臺，在審前調查、審中研判、審后應用三個階段均嵌入了基于審計模型的大數據分析功能，極大提高了審計監督的時效性、精準性，給中國華電內部審計帶來了全方位變革和審計效能的全面提升。

一是采集被審計單位財務結算、合同管理、燃料管理、工程管理、采購招標等各業務系統平臺數據，圍繞各業務板塊重點領域和關鍵環節開發設計審計模型，對審計期間內業務數據進行多維度掃描式分析，實現從“抽樣審計”到“全量排查”的轉變。

二是審計監督關口前移，將日常審計監督納入年度審計工作計劃，在不影響被審計單位日常工作前提下，使用審前全面調查、指標在線監督、程序合規審查三個模型對其業務數據進行分析排查，提早發現風險隱患，實現從“現場事后審計”到“在線日常監督”的轉變。

三是“345審計建模法”是中國華電“業審一體”信息化平臺建設的重要組成部分，平臺上線運行后，與各業務系統深度融合，借助平臺運行審計模型，實現審計樣本選取、風險指標預警、業務合規審查和復雜問題查證的數字化，實現從“人工審計”到“數智審計”的升級。

（二）未來展望

當前，內部審計正站在數字化轉型的歷史交匯點，中國華電從實踐中總結的理論成果，為央企內部審計信息化建設工作提供了借鑒和參考，未來的“科技強審”之路，還要繼續在“業審一體”上下功夫，在體制機制改革上做文章，在審計方法創新上求實效。

一是提早介入業務系統建設，深度推進“業審融合”。審計數字化系統與各業務信息化系統之間是監督與被監督的關系，同時審計數字化系統的開發又依賴于各業務系統的完善程度，以及業務數據結構化和標準化程度。數字化審計有助于業務系統的改進，業務系統的升級又必然倒推審計系統優化，雙方呈現螺旋式上升發展態勢。為打破各央企審計系統、業務系統開發各自為戰，審計系統開發被動跟跑的局面，建議各央企審計機構在業務系統建設（改造升級）初期即參與規劃設計，同步謀劃審計系統開發；發揮信息系統審計職能，參與業務系統開發評審和后期評價，為審計系統優化升級提供依據和方向，實現業審融合、雙向提升的目的。

二是優化體制機制建設，加快內部審計轉型。審計系統開發不但要介入業務端數據管理，還要致力于審計端人力和數據資源管理。目前在央企審計隊伍中，掌握信息技術的復合型人才屬于稀缺資源，成立專門數字化審計機構的更少之又少，數字化審計力量薄弱問題亟待通過“外部引進+內部培養”的方式解決。同時，要正確認識“數據資產”的價值，不斷積攢審計經驗智慧，積累審計數據資產，為后期訓練人工智能構建審計模型做足儲備。在不斷豐富“三個數據倉庫”的基礎上，可借鑒國家電網等央企先進經驗，建立激勵機制，開展審計建模競賽，促進審計經驗方法“模型化”，提高模型共享程度。

三是創新審計技術手段，探索人工智能賦能審計。目前，人工智能技術已取得重大突破，并在科技、教育、文化等領域展現出前所未有的影響力。靠人腦分析、計算機編程的建模審計方式未來必然會被人工智能審計所取代。現階段在業審融合一體化開發進程中，必須未雨綢繆，及早做好“AI+審計”的謀篇布局，不斷積累業務端和審計端各類資源，利用審計案例大數據對人工智能進行訓練，同時要做好對人工智能的管控，有效防范數據安全風險。

（作者單位：中國華電集團有限公司，郵政編碼：100031，電子郵箱：peng-zhang1@chd.com.cn）

主要參考文獻

[1]楚文光，胡為民，雷年楨，等.大數據智能審計助推企業高質量發展[J].中國內部審計， 2021（6）：48-53

[2]侯本忠，黃松，張志斌，等.基于數字化技術的業審融合模式在電網企業的創新實踐[J].中國內部審計， 2021（1）：62-64

[3]劉博宇，賈永華，陳占斌.基于數字移動互聯模式的經濟責任審計研究[J].中國內部審計， 2021（7）：8-14

[4]王彬，樓斌，王一萍.數字化改革背景下審計模型的構建與應用分析[J].企業改革與管理， 2021（19）：177-178

[5]張旭，徐法璐.企業數字化審計平臺建設初探[J].國網技術學院學報， 2019（3）：38-41