在實踐中探索建筑業招投標數智化審計方法

一、審計背景

在建筑企業經營活動中，招投標環節是資金密集、交易頻繁、舞弊高發的風險高發地。尤其在近年來“集中采購＋電子化招標”持續推進的背景下，圍標、串標等違規手法愈發隱蔽，呈現出“表面合規、實質圍標串標”的新型舞弊趨勢。

在應對此類問題時，傳統審計手段面臨“三重挑戰”。一是數據分散、線索模糊。招投標行為橫跨電子招標、供應鏈、合同等多個系統平臺，導致行為鏈條難以完整還原。二是偽裝手段專業化。供應商通過設立殼公司、使用虛擬IP、偽造數據等手段，消除“靜態”風險特征。三是業務體量大、審計周期緊。單個項目的基礎文件可能多達上千份，審計資源與識別手段難以支撐有效查證。

為破解上述痛點，審計團隊（以下簡稱審計組）提出以“行為特征樹”為牽引、以“數智模型組合”為突破口的創新審計思路，靈活運用行為路徑聚類、結構化數據挖掘、電子文檔OCR以及輔助爬蟲技術等多類審計工具，把握全局多點突破，穿透表面合規假象、識別真實關聯，精準發現圍標、陪標等違規行為，在實戰中取得較好成效。同時，通過在多個審計項目中的應用迭代，逐漸探索出一套“可復制、可推廣、可演進”的建筑業招投標數智化審計方法。

二、審計實踐

（一）總體查證思路

2024年，在對集團兩家下屬公司的經責審計項目中，審計組將招投標環節列為重點審查內容。審前調查過程中，多條線索集中指向一些供應商，這些供應商周圍時常伴有其他關聯方出現，隱約出現“組團”痕跡，例如注冊地址集中于相鄰相近位置，成立時間相差不足半年。但這些企業在股權上未呈現直接關聯，也未發現明顯的圍標違規證據。

審計組意識到，要揭開這一隱藏的利益網絡，必須突破傳統審計方式的局限，運用更先進的數智化技術手段實現深度查證。經過討論研究，審計組確立了以下總體思路：以招投標違規特征樹為指引，從供應商圍標行為特征出發，系統梳理可能存在的違規手法與漏洞，并借助數字化技術、AI技術打造多維度的工具模型組合。

第一階段：繪制違規行為特征樹。全面梳理招投標、實施結算與支付、投融資三大環節的常見違規類型與表現形式，明確各類違規行為的典型手段與風險痕跡，初步匹配可應用的數智化技術方法，形成覆蓋流程、手段、線索與查證邏輯

的全景圖譜。

第二階段：梳理數據源和技術路線。在風險畫像基礎上，審計組梳理出可用的結構化與非結構化數據源，優選邏輯清晰、技術成熟、可快速落地的分析路徑，如供應商關聯圖譜分析、“握手”（即多家供應商在同一項目中共同投標）共現分析、陪標行為識別等，構建了多點突破的查證策略。

第三階段：設計開發組合模型并交叉驗證。針對不同風險特征，設計并開發多種模型工具，交叉比對分析結果，進一步提升了問題識別的準確性與證據鏈條的嚴密性。

第四階段：補充完善證據鏈條。結合傳統取證方式（如現場訪談、資料核查等），對模型識別結果進行人工核實，確保審計證據真實性、充分性、有效性，支撐后續處理建議。

第五階段：模型固化與持續迭代優化。根據業務需求與實際應用反饋，持續優化模型參數與功能，推動模型在更大范圍的復制推廣，不斷提升適配性與生命力。

（二）具體查證步驟

1.繪制違規行為特征樹，確定技術路線。

圍繞建筑企業招投標流程的關鍵節點以及后續利益實現的可能路徑，審計組構建了覆蓋招投標、商務結算和財務結算、投融資三個環節的“違規行為特征樹”，以樹狀結構形式系統梳理各類常見違規手段、審計線索、數據來源與查證邏輯（見圖1）。該特征樹不僅作為模型設計的核心依據，也成為實操查證中的路徑指南，可作為后續審計項目中的通用審計模型開發藍本，為全流程風險穿透與多維交叉驗證提供了標準化、結構化的技術依據。

在商務結算與財務結算環節，主要識別高價執行、轉包分包、虛增工程量、虛報勞務人員等問題。通過結算對比分析、圖像識別、費用比例分析等手段，從結算數據、施工資料、人員信息中提取可疑線索，提升風險識別效率。

線索涉及高頻共現、報價規律、文件雷同等，通過“握手”分析、文本比對等模型技術加以識別。同時，也關注限制競爭、虛構資質、內部舞弊等問題，并針對性設計了如“資審異常分析”“操作日志審查”等工具模塊。

在招投標環節，重點識別供應商之間的串通行為，包括輪流中標、陪標、抬壓報價等，主要

在投融資環節，聚焦虛構應收賬款、循環融資、虛假擔保等風險行為，結合合同文件、資金流水等數據，借助數據可視化與序列分析方法，揭示資金異常流向和虛假交易結構。

2.模型設計和開發。

圍繞前述“違規行為特征樹”，審計組開發了多套組合模型，這些模型從不同角度切入、相互驗證，有效提升對圍標、串標等違規行為的識別效率，在海量數據中精準聚焦問題線索，主要模型和工具如下。

(1) “投標關聯圖譜分析”模型。

模型目標：在海量數據中快速圈定異常交易主體，識別關鍵節點和潛在關聯關系，發現問題源頭。

查證邏輯：基于歷史投標數據，構建供應商間的關聯網絡圖，挖掘“核心中介”企業及其關聯路徑，輔助識別隱藏控制人或協同操作行為。

數據來源：集團招投標平臺投標記錄。

實施步驟：采集并清洗投標基礎數據，通過算法生成可視化圖譜，可進行節點放大與詳情導出，便于深入分析與證據溯源。

模型成效：成功從5萬條數據中識別出20組高頻“組團投標”供應商。

(2) “握手共現”模型。

模型目標：在關聯圖譜的基礎上，量化圍標企業之間的協作頻率，定位核心企業。

、招投標環節

1.供應商串通

一手段：輪流中標、陪標、抬價/壓價

一線索：高頻共現、陪跑指數、報價規律性（歷史維度）、文件雷同

一數據/邏輯：云筑網記錄（投標記錄、中標記錄）→關聯網絡圖分析、握手共現分析、陪跑指數分析

2.限制競爭

一手段：無理由剔除、異常資質要求

一線索：資審異常排斥、招標條款異常

數據/邏輯：云筑網投標記錄（資格審查記錄、評標記錄、招標文件）→資審入圍分析

3.虛構能力和資質

一手段：虛構業績、篡改證書、虛構人員—線索：業績沖突、文件PS痕跡、資審資料關鍵人員信息重疊、供應商考察資料—數據/邏輯：資質文件、企查查→企查查驗證、圖像分析、文本分析

4.內部舞

F 一手段：虛構或篡改招投標信息一線索：異常操作日志（操作人、操作時間、操作IP)一數據/邏輯：操作日志、評標記錄→異常操作分析

5.

二、商務結算和財務結算環節

1.高價執行

—手段：條款變更、補充協議

一線索：招標條款與合同條款不一致（注意陰陽合同）

—數據/邏輯：招投標臺賬、合同臺賬、合同文本、SAP 財務結算數據→OCR文本分析、結算對比分析

2.轉包分包

—手段：轉包關聯方、虛假履約

—線索：驗收雷同、駐場管理人員重疊、工人信息重疊—數據/邏輯：SAP 財務數據、驗收文件、投標人員信息、工人信息→文本分析、結算分析、費用比例分析

3.虛增工程量

—手段：虛增工程量

—線索：發票不符、金額異常

L—數據/邏輯：合同臺賬、施工圖紙、業主確權資料、監理批量、監理日志、分包分供結算→結算對比分析

4.勞務人員虛報

一手段：虛增工時、偽造考勤

一線索：工時異常、PS痕跡

一數據/邏輯：工時記錄、考勤表→數據比對、圖像分析

5.

三、投融資環節

1.虛構/虛增應收賬款

—手段：虛構合同一線索：合同不符、資金流異常一數據/邏輯：保理合同、資金流水→數據比對、資金可視化

2.循環融資一手段：反復質押、資金空轉一線索：質押異常、資金循環一數據/邏輯：質押記錄、資金流水→序列分析、資金可視化

3.虛假擔保

一手段：偽造擔保函、虛假抵押

一線索：用印記錄、PS痕跡、抵押異常、投訴或訴訟

一數據/邏輯：擔保文件、企查查、中登網→圖像分析、企查查驗證、中登網驗證

圖1 招投標違規行為特征樹

查證邏輯：以“握手”為切入點，統計高頻組合，結合中標率與報價特征，識別可能存在陪標、輪投或排斥競爭行為。

數據來源：集團招投標平臺投標記錄。

實施步驟：清洗數據后，通過程序統計各供應商的共同投標次數，量化“協同關系強度”。

模型成效：進一步驗證并細化“組團圍標”結構，鎖定“某系”供應商中的核心企業。

(3) “陪標篩查”模型。

模型目標：識別中標率異常低、投標次數過高的可疑“陪標”或“殼公司”供應商。

查證邏輯：設置閾值（如高投標次數、低中標率、特定發包方集中度），篩選出具有陪標特征的供應商，結合上下游關系進一步識別協同方。

數據來源：集團招投標平臺投標記錄。

實施步驟：設定參數后，系統自動篩查并輸出可疑名單，支持點擊查看企業歷史投標行為與關聯方。

模型成效：對“組團”內企業進行角色分層識別，明確核心企業與協作輔助方，查證精度進一步提高。

(4）“異常排斥”模型。

模型目標：揭示存在人為限制投標行為的項目，查證招標環節是否存在有意“清場”的圍標行為。

查證邏輯：篩查未人圍但報名的供應商，交叉驗證入圍名單中是否存在存疑供應商，并調閱資格審查記錄識別其合理性。

數據來源：集團招投標平臺投標記錄及相關資審資料。

實施步驟：上傳報名與投標數據，系統自動統計入圍情況并分析被排除供應商名單，支持進一步人工核查。

模型成效：查實部分項目存在內部操控、排除“異己”現象，獲取關鍵違規證據。

(5）電子文檔屬性與痕跡分析工具。

模型目標：識別供應商提交資料中可能存在的造假行為。

查證邏輯：分析投標文件（PDF、Word、圖片等）的元數據（創建時間、作者、編輯軟件）和圖像痕跡（如公章模糊、圖層不一致），識別疑似偽造或模板化資料。

數據來源：供應商資質文件、考察資料等電子檔案。

模型成效：識別部分資料編輯痕跡，完善證據鏈。

(6）OCR模型與爬蟲技術輔助。

模型目標：自動提取非結構化文檔中的關鍵信息，發現潛在關聯或偽造痕跡。

查證邏輯：運用OCR識別掃描文檔中的企業名稱、聯系人、印章、照片等信息，結合歷史資料進行橫縱比對，挖掘重復線索與隱性關聯。

數據來源：掃描版考察資料、結算文件、企業介紹等文檔。

模型成效：發現兩家供應商考察資料照片完全相同、公司牌匾并列展示等關鍵線索，支撐后續關聯關系查證；抓取工商網站數據，發現社保繳納人數與實際項目規模嚴重不匹配。

3.補充完善證據鏈條。

在基本鎖定問題事實的基礎上，審計組進一步運用傳統審計手段，補充和完善證據鏈條。通過關鍵人員訪談、實地走訪及調閱補充資料，逐步還原問題全貌。通過系統性、多角度、多技術手段的綜合運用，審計組最終形成了一套完整、閉環的證據體系，有效支撐了審計結論的客觀性和權威性。審計最終揭示出，某單位原高管在離職后，控制或設立多家建筑勞務公司，依托其在原單位的影響力和人脈資源，通過內外勾連、暗中操控招投標流程，違規獲取大量分包工程項目，并在后續結算環節中牟取不當利益，涉及金額巨大。

4.模型固化和迭代升級。

在現場審計期間中，審計組緊密結合業務實際與查證結果，持續優化和迭代所開發的數智模型，根據不同場景反饋及時調整算法邏輯、輸入參數與界面設計，確保模型“能用、好用、易用”。項目推進期間，模型開發團隊與審計業務團隊高效協同，實現了從需求提出到工具部署的快速閉環，顯著提升模型適應性與操作體驗。截至目前，相關模型已在多個項目中成功復制應用，部分模型仍在持續升級過程中，以更好適應工程審計、合規審計、財務審計等多樣化審計場景，力求延長工具生命周期，最大化技術投資回報。

三、審計成果運用

在對某集團下屬公司審計過程中，審計組通過對技術工具的應用，從近5萬條供應商投標記錄和招標任務中，精準識別出涉嫌圍標、串標的多筆可疑業務，同時發現以不合理理由限制投標單位的行為，所涉金額較大。

上述數智化審計的實踐探索不僅取得實質性成果，也沉淀出一套契合工程建設領域的業務特性，具有可復制性、可推廣性的數智化審計方法論。項目中開發出的數智工具包具備多場景適應能力，盡管部分工具尚待完善，但其總體方向明確、框架成熟，具備持續深化應用的潛力，未來隨著場景拓展和迭代優化，有望創造更多審計價值。

四、經驗啟示

（一）數智化審計是融合協作的審計

數智化審計的成功關鍵在于多領域人才的融合協作，由數字化專家提供技術支撐，審計專家提供專業方法，業務專家傳遞場景理解。實踐中，集團審計部門摸索出“專家協作工坊”模式，有效打通知識壁壘，實現數據流、信息流與業務流的深度融合，有效提升了解決復雜問題的能力。

（二）數智化審計是貼近一線的審計

模型是否好用，關鍵在于是否能深入一線、服務一線、解決一線實際問題。實踐中，數字化團隊分散至審計現場，現場提出問題、開發模型、測試并優化，確保技術成果能夠快速響應需求。實踐中，大多數模塊3日內即可完成開發，而小型功能甚至可在30分鐘內實現，體現出極強的實用性和靈活性。

（三）數智化審計是開放共享的審計

開放互通是推動組織整體數智化審計水平提升的有效手段。一方面，通過先行試點、經驗復用、培訓交流，讓“少數先行者”帶動“整體躍升”；另一方面，開放共享也確保模型持續優化與生命周期延長。在實踐中，審計部門始終堅持開放理念，積極組織培訓、答疑、交流，逐步形成可積累、可迭代、可傳承的數智化審計能力。

（四）數智化審計是多維立體的審計

數智化審計的成果不僅體現在查處問題和揭示風險，更應體現為多維度系統性和戰略性的綜合價值。未來應探索更深層次的數據治理與模型應用，如進行垂直領域本地大模型的微調與知識庫建設，構建審計人專屬的智能大腦——審計AI大模型，使其理解公司業務、熟悉規章制度、知曉業務數據及存在的問題。智能大腦可以有效輔助審計人員提供更加科學高效的管理咨詢建議，幫助審計人員在助力企業治理與高質量發展方面發揮更大作用。

[作者單位：審計部，郵政編碼：100161，電子郵箱：chenzhe01@cscec.com]