京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 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, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-06-10在MySQL数据库日常查询、数据统计、后台接口开发、数据导出等场景中,开发者经常需要查询数据表除某几列之外的所有字段。例如查 ...
2026-06-09在Python网络请求、爬虫开发、接口测试、数据抓取等实操场景中,requests库是最常用的第三方请求工具,而content属性是requests ...
2026-06-09