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
CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04CDA数据分析师 出品 作者:李诗怡 1. 波士顿矩阵(BCG Matrix) 定义: BCG于1970年提出的业务组合分析工具,以"市场增长率"(纵 ...
2026-09-04 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-09-04数据透视表是Excel与Power BI中最核心的数据分析工具,具备快速汇总、维度拆分、动态筛选的能力,可高效完成数据归类与统计展示 ...
2026-09-03在Power BI数据分析可视化场景中,堆积柱状图+折线图是最常用的复合图表组合。堆积柱状图适合展示各细分维度当期数值、结构占比 ...
2026-09-03 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-09-03CDA数据分析师 出品 作者:李诗怡 一、8个核心数据清洗函数 1. TRIM:一键清除多余空格(最常用) 作用:仅保留文本中"单词/字 ...
2026-09-02数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31