京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据审计护航现代金融体系构建
近日,审计署印发了《“十三五”国家审计工作发展规划》(下称《规划》)。这是第一个全国性的国家审计工作五年规划。
根据规划,审计部门将依法对金融监管部门、金融机构、金融市场开展全方位、多层次审计监督,推动建立安全高效的现代金融体系。
其中值得注意的是,《规划》强调要“适应新常态、践行新理念”。适应新常态,可以说是审计工作与时俱进的一个亮点所在,而大数据技术无疑成为审计创新的强劲驱动力。
业内专家普遍认为,在大数据时代当中,加快推进审计信息化建设,是适应信息科技高速发展的必然选择,也是提升审计监督能力的重要途径。
大数据推动审计信息化
在当前大数据背景下,互联网技术的快速发展催生了网络中各种可信任官方数据的呈现,促使计算机审计将进入大数据时代,大数据下的计算机审计必将带来审计技术和方法的革新,也将出现新的特点。面对新的任务和要求,审计部门更需要勇于创新,创新审计方式方法,注重运用信息化、大数据等现代科技手段提高审计效率。
这一点在地方审计工作中得到了充分体现。湖南省审计厅金融审计处处长李作尧对记者说:“我们试图不断创新审计方法,着力加强金融审计业务和计算机业务的融合,对被审计单位的数据进行深度分析整理,建立各种审计分析模型,逐步形成依托信息化技术的审计方法体系。”为此,他们结合金融审计的特点,站在现代审计的新高度和最前沿,在审计实际工作中不断创新方法,积极运用大数据理念,提高审计效率。
眼下,很多综合性现代服务企业也将信息化审计摆在重要位置。
供职于天职国际会计师事务所质监与技术支持部的王蕾预计,大数据时代将给审计工作带来变化,很有可能彻底改变传统审计工具。“当前,数据的收集来源从被审计对象内部扩展到与其相关的全部外部数据,从仅针对选取的样本转为全面覆盖,与此同时,数据分析模式的多样化和可视化以及数据导入及预处理的智能化,都会给审计工作提出新的要求。”王蕾表示。
在业内人士看来,大数据工具的深入运用将显著提高审计工作的效率和质量,使得审计人员从现场繁重的资料的收集和整理工作中解放出来,将时间和精力转移到构建分析模型和职业判断上去,能够为被审计单位提供更多、更有价值的预警和建议。
因此,做好应对随大数据时代而来的挑战和机遇,从政府审计到社会审计行业,加大对“大数据”的人、财、物的投入就显得尤为必要。
审计队伍还是根本保障
信息化技术诚然重要,但在整个审计工作中,人的因素尤其是审计队伍是否具备足够强的专业胜任能力,仍然是非常关键的因素。除了需要持续提高各级审计人员的常规经验、知识、专业等之外,更需要顺应大数据时代的新要求,提升审计人员的专业素质和创新能力。
这其中,审计信息化要求审计人员的知识结构有更大的深度和广度。信息化条件下审计人员需要掌握更丰富的审计专业知识、信息技术知识和常规知识。需要强调的是,审计人员所掌握的专业知识不能停留在书本、准则与制度上,要融会贯通,灵活应变,能够应用职业判断分析和解决非常规问题。
王蕾告诉记者:“我们事务所一直以来高度重视打造高层次审计信息化人才队伍,努力提升审计人员适应信息化、运用大数据的能力素质,现在更是已经明确要求加大信息化人才培养力度。”只有审计队伍的专业力量得到保证,才能更好地保证其审计工作的质量。“我们最关心的是基于尽职调查的审计,包括财务、法律、业务和团队,引入第三方专业审计机构有利于客观评价企业的价值和风险,尽可能减少人为干预可能导致的偏差也消除可能的寻租空间。”香颂资本董事沈萌表示。
恒昌合规中心审计部高级经理乔靖说,“我们都要配备经验丰富、符合胜任能力要求的审计人员,必须拥有履行职责所需的知识、技能和能力,坚持客观求实,实事求是地揭示、分析和反映问题,定期开展内部培训,相互交流项目经验。”“审计作为一种第三方审核方式,在我国经济深化改革、转型升级并建设制度化、规范化的现代市场经济体系过程中,担负着更加重要的作用。《规划》的出台有利于进一步提升公众对审计工作的清晰认识,也有助于推动我国市场经济诚信体系的基础完善。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16