
推进大数据在地方审计工作中的应用
随着大数据时代的到来,以电子数据为代表的信息资源大集中模式逐渐成为各类审计信息存储的主流。2015年召开的全国审计工作会议提出:“十三五”时期要加快实施“金审三期”工程,拓展大数据技术运用,形成独特的“国家审计云”。当前,推进实施大数据审计的实践应用,已成为地方审计机关亟待解决的现实课题。
目前大数据审计面临的主要问题
1.大数据审计队伍急需加强。随着审计领域不断放大,外延不断扩展,审计人员在完成既定任务之外难有精力对数据进行深层次的挖掘。同时,目前审计队伍中掌握数据采集、数据分析等技术人才严重缺乏。
2.数据管理的碎片化和大数据采集标准的不统一。一方面各单位、各部门之间数据不共享,存在“信息孤岛”效应,另一方面各级审计机关对大数据的采集缺乏统一标准,导致数据利用效率较低,审计部门无法全面准确的进行数据对比。
3.大数据审计共享平台急需建立。各地已建立的部分数据分析模型,目前还缺乏成果共享和培训推广机制。另外,基层审计机关没有自己的规模化制式化数据存储中心,很难用大数据共享平台的方式,为一线审计大量储备和提供有效的“攻城利器”和“弹药仓库”。
4.地方审计机关对大数据审计认识需要进一步提高。虽然国务院已将大数据审计列入审计信息化工作重点,但在地方审计实践中,数据审计仍是一种可选审计方式。由于数据审计没有被列入《审计法》及《审计准则》等法规中,多数地方审计机关对大数据的认识仍比较初级化,审计人员认为可以使用现场审计实施系统查阅浏览电子账就已足够,缺乏对财务数据和业务数据进行深度挖掘与关联分析的意识与能力,导致基层审计人员在大数据分析上缺少思路和技术创新。
5.数据分析团队的组织方式需要转变。目前,数据分析团队主要是各参审单位的计算机骨干和业务骨干临时组成,这种方式影响了数据分析的效率和质量,特别是在宏观分析、政策执行情况分析等方面,临时组成的数据分析团队受软硬件环境、人员知识结构等因素的影响,难以完成系统性、宏观性的分析工作。
推进大数据审计应用的对策建议
1.提高思想认识。强化审计人员运用计算机审计的意识与兴趣培养,用宏观的视野来看待大数据,不再局限于被审单位的点滴数据,善于采集各相关方面的数据,从数据挖掘中提取有用信息和发现问题线索,真正做到用数据说话。
2.实现跨界融合、打造统一大数据审计平台。互联网思维的精髓就在于跨界与融合,一方面要运用行政倒逼、利益调整等多种手段打破“数据孤岛”,实现数据按需、契约、有序、安全式开放,形成跨部门数据共享机制,为实施数据审计提供源源不断的大数据。另一方面,要将现有成熟的审计模型和方法整合到大数据审计平台中,在审计实践中运用联网跟踪审计平台,探索建立经常性审计监督机制。
3.加强复合型人才培养。一是组织财政审计人员参加国家审计署举办的各类培训,不断提升计算机实用技能;二是地方审计机关内部要定期组织计算机学习,以点带面来触动、影响全体审计人员;三是引进计算机专业人员,把技术精湛、热爱审计事业的计算机人才吸纳入国家审计机关,通过审计实践打造出一支能应对大数据时代的数字化审计人才队伍。
4.创新审计工作思路。审计机关要履行好审计监督职责,实现大数据环境下审计监督全覆盖,必须要积极创新审计工作思路,走科技强审之路。从审计观念和审计方式转变上认识数字化审计工作,依托计算机技术推进审计方法、方式和手段的创新,提高审计监督的有效性。
5.保障数据安全性。大数据在为政府治理提供方便的同时,也会给个人隐私、企业机密、政府公信乃至国家安全带来挑战。要加快审计数据应用安全的立法进程,加大网络与信息安全投入,着力加强审计数据保护关键技术手段的建设,确保审计数据的安全、保密。
6.打造高效的数据分析团队。在加强复合型人才培养的同时,要通过聘请相关行业专家加入到数据分析团队中来,通过数据分析团队大胆创新和尝试运用新型信息技术手段,通过推进引领数字化的审计方式,实现审计一线作业与后台数据分析一体化,不断提高地方审计机关的整体工作效率,扩大大数据审计技术应用的示范效应。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15