
大数据分析助推审计信息化_数据分析师考试
全球已然进入大数据时代。总量大(Volume)、种类多(Variety)和速度快(Velocity),数据的3V特征促使每个行业都推动着自身信息化发展,而四川省审计厅在面临被审计单位的发展变化时,也积极地应对时代的变革,创新审计方法手段,努力推动审计工作的转型升级
审计工作的出路在信息化。省审计厅对大数据审计高度重视,2014年以来,以“金审工程”建设为基础,加强制度规范,创新审计方式,培养人才队伍,全面推进四川审计信息化工作,并且从省本级做起,搞好全省数字式审计的顶层设计。
建立长效机制
数据归集分析由制度说了算
去年,全国审计工作会议对大数据审计提出三点要求:数据归集要全、数据分析要深、技术手段要新。为了更好地达到大数据审计的发展要求,审计厅组建了一个全新的部门——电子数据审计处。该部门依照这三点要求发挥职能,负责电子数据的归口管理,组织开展跨行业、跨部门、跨地区的数据分析和利用,并组织开展联网审计和省直各部门(单位)电子信息系统审计等相关工作。
审计厅相关负责人告诉记者,目前数据的收集方式有两种,一是结合审计项目的进行对所涉及数据进行收集存储,另一种是根据需要制定数据采集计划主动对国土、社保等与审计相关的重要数据进行收集、整理。数据采集后按行业、按单位、按年度,以目录的形式分门别类地储存,方便各个审计项目的调用和分析。目前,审计数据中心已经收集了包括全省地税、社保、工商等8个部门共计1.5TB数据。
数据的收集是为数据分析做准备,审计人员通过数据分析可以快速锁定疑点、定向排查和查实查透。“因为数据具有普遍联系性,所以我们采用的方法主要是进行数据比对。”电子数据审计处负责人解释道,比如对于医保基金的审计,审计人员就需要将医院系统与医保中心的相关数据进行对比,核实两者是否相匹配。
在全省保障性安居工程跟踪审计中,审计组开展了跨地区、跨行业的数据对比分析。一是将收集的部分市、县10多万条人员信息数据与房管部门商品房信息进行对比,发现上千名购有商品房、超过规定标准的人员,依然在享受保障性住房。随后,将其与同期养老保险缴费基数、公积金缴费基数、个人所得税应税数以及机动车辆登记信息进行对比,查处了骗取或违规享受保障性住房,骗取或违规领取货币补贴等问题。审计除责成相关部门整改外,对典型的违纪违规问题,已移送当地纪检监察部门处理。
除了不断强化对数据的使用、分析,省审计厅还高度重视数据的安全管理。数据收集、分析的具体操作流程非常严谨规范,如跨地区、跨部门、跨行业的数据收集必须发出正式公函。而数据分析查出的疑点,审计厅也会给被审计单位发出建议函,对方将在1-2个月内将核定结果反馈审计厅,整个收集和分析过程,都要保证数据的绝对安全。审计厅还专门出台了《四川省审计厅电子数据安全管理办法(试行)》和《四川省审计厅现场审计数据管理办法(试行)》,形成了数据安全控制长效机制。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23