京公网安备 11010802034615号
经营许可证编号:京B2-20210330
巧用“大数据” “智慧审计”为政府管好“钱袋子”
近年来,随着各行各业信息化程度的不断提升,大数据时代悄然来临,对审计信息化发展带来了全新机遇与挑战。正是在这种创新浪潮中,成都市审计局大胆创新,围绕全国审计技术新理念,结合自身“七化”工作目标,率先运用大数据技术,先后建成了大数据综合管理平台、现场管理APP、绩效考核平台以及投资管理平台等,并进行了有效的推广和应用,建起审计监督的“一张网”,不仅为管好政府的“钱袋子”提供了海量、准确的数据支撑,24小时不间断实时审计更是铸就起一道反腐的“防火墙”。
成都市审计局大数据审计分析平台,自2016年7月交付使用以来,已上线财政、工商等10余个行业及全市4200家被审计单位2012-2017财政支付、单位账套、会计报表等数据39亿条,基本形成一张“纵向到底、横向到边”的数据化审计“天网”,为实现审计监督“全覆盖”和足不出户大数据审计分析模式奠定了坚实基础。
亮点工作
强化数据分析
搭建大数据审计分析平台
按照一个中心、全面服务,分层、分级使用,纵横比对分析的原则,市审计局在原有的信息化设施设备的基础上,于2016年搭建了一个拥有800多核高性能CPU计算能力、150TB数据存储能力的大数据审计分析平台,开发了成都市大数据审计管理、绩效跟踪考核管理、审计现场管理APP、投资审计管理等系统。
“这些硬软件的投入,实现了市、区两级审计信息的集管共享,实现了全市800余名审计人员在线分析,实现了对审计现场工作的实时动态掌控,为足不出户的大数据审计分析模式奠定了基础。”市审计局负责人介绍,大数据审计分析平台采用hadoop框架以及分布式并行计算技术,并创新性地使用NoSQL与关系型数据库混合技术架构,引入“搜索引擎式的数据分析方法”,使数据分析的方式从传统的SQL查询,变为像谷歌、百度一样的搜索。自动化、可视化的数据分析功能,大大降低了审计人员进行大数据审计分析的门槛。
在数据安全方面,系统使用“两条主线、三层架构”的数据安全管理策略。两条主线,一是限制数据范围,根据不同用户所属部门、区域,限制用户所能访问的数据范围;二是限制操作类型,根据不同用户的职级、岗位,赋予不同的操作权限。三层架构则采用了用户、角色、操作三层访问控制,定义不同角色来管理不同的操作集合,同时将角色和用户进行多对多的映射。该管理策略能够更灵活、更安全、更合理地按照审计职责对权限进行管理,既满足审计人员的业务需要,又能很好地保障数据安全。
加强数据采集
初步实现数据化审计监督全覆盖
“全数据处理是大数据时代的特征。我们更加关注数据的全面性与多样性,这样数据采集环节非常关键。”市审计局相关负责人介绍,为此,市审计局自行研发了能兼容市场200多套、400多个不同版本财务与业务数据的采集转换工具,初步实现了全市被审计单位财务与业务数据线上采集、上传、共享、分析。截至目前,已采集整理入库全市4200多家预算执行单位和500多家国有企业近6年财务与报表数据、财政支付明细数据;全市近5年财政、工商等10余个行业管理数据;以及部分审计项目资料、法律法规、审计项目电子档案等数据,从而建立起多部门、多系统、跨行业的大数据审计资源,基本织成一张“纵向到底、横向到边”的数据化审计“天网”,初步实现全市财政资金数字化审计监督全覆盖。
加强经验总结
保障人才技术支撑
传统翻阅账本的审计方式很难找出审计线索的关联性,难以发现隐蔽的违法、违规行为,即便被发现也仅仅反映为个案,具有偶然性。但在信息技术条件和手段下,违法、违规行为会在庞大的数据中留下“痕迹”。市审计局通过集中攻关、重点突破,总结同类违法、违规问题的数据表现特征,形成了解决各行业“疑难杂症”的大数据多维精准审计模型,具有较高的普适性和推广性。审计人员在进行同类问题审计时,只需将审计模型套用到被审计对象数据上,就能迅速从蛛丝马迹中发现线索,将同类问题一网打尽,有效解决了审计问题个案化和审计成果碎片化的问题。
与此同时,面对非专业人员占比偏高、大数据分析与应用人才短缺的现实,还摸索出审计项目人员团队化、审计内容模块化、审计方法数字化、审计监管对象全域化的创新工作模式。通过整合资源,在全系统内先后建立了计算机、财政、国土等11个专业化审计团队,并定期进行技能提高培训,组织开展研讨、交流,分享工作中遇到的典型问题和案例,不断拓展审计分析人员的视野和技能。同时,积极创新审计组织方式,推出项目主审招标、审计成员组团竞聘上岗等工作组织模式,通过团队整合与合作,发挥了技术攻关、整体突破、以“点”带“面”的传帮带作用,有效提升了审计人员专业能力和审计项目质量。近年来,通过内部选拔、外部招录等方式,在市局组建了一支拥有计算机专业背景的8人专业化数据分析队伍,为我市大数据审计提供了智力支撑。
据了解,2017年6月,成都市审计局启动了大数据综合管理平台二期建设项目,在一期项目的基础上,新增审计对象门户子系统、可视化数据分析系统、招投标审计辅助决策子系统以及疑点管理模块、审计思路管理模块等。10月11日,成都市审计局自主开发的大数据综合管理平台获得了国家版权局计算机软件著作权。
典型点位
运用“大数据”审计
守护产业扶持资金
近年来,成都市温江区积极适应经济社会发展的新环境、新常态,把握发展机遇,全力推进产业转型升级,加大对重点发展行业的招商引资、产业扶持力度,产业扶持范围及区级财政安排扶持补助资金规模逐年提高,向社会传递了积极政策信号。但同时,也容易滋生骗取、套取扶持资金的行为,产业扶持资金安全问题亟须引起重视。
为更加有效地防范财政资金风险,提升扶持资金绩效,温江区充分利用“大数据综合管理平台”中海量收集的财政、税收、工商等行业数据,及其强大的数据挖掘分析能力,对产业扶持资金开展数据化审计,在全面审计的基础上,取得了显著成效,2016年查处并追回5家企业套取的扶持资金88.4万元,相关企业被纳入异常经营企业黑名单,盘活沉淀在各环节的扶持资金330万元,同时促进行业主管部门出台完善扶持项目真实性及政策符合性审查、扶持绩效目标引导、跟踪服务和监督等方面的工作措施10余条,切实维护了财政产业扶持资金的安全和效益。
“依托于成都市审计数据中心对多行业、多部门海量数据的聚集能力,以及大数据综合管理平台搜索引擎式数据分析技术的高效运用,有力地促进了审计方法的革命性创新和审计能力的跨越式提升。”温江区审计局负责人表示,按照审计思路和预先设定的分析路径,以平台调取的扶持企业各项行业及财政数据为基础,温江区建立起针对各类疑点线索的四套数据模型:一是注册地筛查分析模型;二是企业关联度分析模型;三是经营异常综合分析模型;四是支付异常数据筛查分析模型。
该负责人介绍,以温江区2016年度区级产业扶持资金审计为例,若按传统常规审计思路和方法,仅能抽查2-4类扶持资金、10余家单位或项目,覆盖面不足10%;运用数据中心全面数据的综合分析,实现了对当年25类1.65亿元扶持资金、210家企事业单位或项目100%的全覆盖审计。同时,有别于以往计算机审计方法中存在数据来源单一,分析路径狭窄的限制,数据中心实现了对各行业结构化数据的快速筛查,打通了全市不同区域、不同行业、不同时段、不同被审计对象电子数据之间的通道,从纵横两个方面拓展了审计维度。
而相较于以往按金额大小及企业多少选取审计重点后逐项审核排查等较为粗放的审计方法不同,通过数据中心动态分析和专项分析功能,有针对性地开展全面数据分析,将审计人员的审计思路转化为审计疑点做到“分分钟搞定”,“足不出户”就能、快速、精准挖掘审计疑点线索。2016年,温江区在扶持资金审计中运用审计数据中心数据,实施被扶持企业注册地关联分析,仅用几分钟即锁定了1户已搬离企业获取本区财政扶持资金13万元的问题。
心语心愿
拥抱“大数据”
展望审计新未来
近年来,成都市审计局利用大数据审计分析平台,在领导干部自然资源离任审计、财政预算执行审计、国有企业和政府采购审计等方面都发挥了重要作用。
“大数据审计与传统审计相比,在审计组织方式、审计核查方法、审计的广度和深度、审计的效率和作用发挥上都发生了根本性的变化。”市审计局主任科员段凯科表示,传统审计组织方式以单个项目为载体,很难实现连续性和全面性的审计监督,审计项目成果碎片化严重,不利于推动各项制度的完善,不能很好地为领导决策提供服务。在信息化高度发达的今天,传统的审计核查方法已面临无账可翻的窘况,看不到账摸不到物的审计项目越来越多,利用大数据开展审计具有时代必然性。
“特别是从人员配置上看,市局100来号人负责1100多家审计单位,传统审计方法无法从根本上实现上级对于‘审计全覆盖’的要求。”段凯科说,但利用大数据开展审计,审计全覆盖的问题迎刃而解。不仅如此,利用大数据,审计方法模型可以快速复制,利用计算机的强大计算能力,可以实现审计问题快速精准聚焦。
“市委市政府对我市大数据审计工作非常关心和支持。”段凯科表示,在人才保障方面,选调了一批高才生,充实到市审计局大数据审计队伍;在数据采集制度方面,出台了全市预算执行和企事业单位财务与业务数据定期采集报送制度;在项目建设方面,财政给予了专项资金支持,自主开发了大数据审计分析平台。
提到未来的愿景,他对“大数据”在审计方面的作用信心十足。“拥抱‘大数据’,我们的目标是足不出户就能对全市每个预算执行和国有企事业单位开支的每一笔资金进行实时预警监督,利用大数据,智能分析各单位开支情况的真实性和效益性,及时为经济社会发展提供决策依据。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析师认证考试全面升级后,除了考试场次和报名时间,小伙伴们最关心的就是报名费了,报 ...
2025-12-23CDA中国官网是全国统一的数据分析师认证报名网站,由认证考试委员会与持证人会员、企业会员以及行业知名第三方机构共同合作,致 ...
2025-12-23在Power BI数据可视化分析中,矩阵是多维度数据汇总的核心工具,而“动态计算平均值”则是矩阵分析的高频需求——无论是按类别计 ...
2025-12-23在SQL数据分析场景中,“日期转期间”是高频核心需求——无论是按日、周、月、季度还是年度统计数据,都需要将原始的日期/时间字 ...
2025-12-23在数据驱动决策的浪潮中,CDA(Certified Data Analyst)数据分析师的核心价值,早已超越“整理数据、输出报表”的基础层面,转 ...
2025-12-23在使用Excel数据透视表进行数据分析时,我们常需要在透视表旁添加备注列,用于标注数据背景、异常说明、业务解读等关键信息。但 ...
2025-12-22在MySQL数据库的性能优化体系中,索引是提升查询效率的“核心武器”——一个合理的索引能将百万级数据的查询耗时从秒级压缩至毫 ...
2025-12-22在数据量爆炸式增长的数字化时代,企业数据呈现“来源杂、格式多、价值不均”的特点,不少CDA(Certified Data Analyst)数据分 ...
2025-12-22在企业数据化运营体系中,同比、环比分析是洞察业务趋势、评估运营效果的核心手段。同比(与上年同期对比)可消除季节性波动影响 ...
2025-12-19在数字化时代,用户已成为企业竞争的核心资产,而“理解用户”则是激活这一资产的关键。用户行为分析系统(User Behavior Analys ...
2025-12-19在数字化转型的深水区,企业对数据价值的挖掘不再局限于零散的分析项目,而是转向“体系化运营”——数据治理体系作为保障数据全 ...
2025-12-19在数据科学的工具箱中,析因分析(Factor Analysis, FA)、聚类分析(Clustering Analysis)与主成分分析(Principal Component ...
2025-12-18自2017年《Attention Is All You Need》一文问世以来,Transformer模型凭借自注意力机制的强大建模能力,在NLP、CV、语音等领域 ...
2025-12-18在CDA(Certified Data Analyst)数据分析师的时间序列分析工作中,常面临这样的困惑:某电商平台月度销售额增长20%,但增长是来 ...
2025-12-18在机器学习实践中,“超小数据集”(通常指样本量从几十到几百,远小于模型参数规模)是绕不开的场景——医疗领域的罕见病数据、 ...
2025-12-17数据仓库作为企业决策分析的“数据中枢”,其价值完全依赖于数据质量——若输入的是缺失、重复、不一致的“脏数据”,后续的建模 ...
2025-12-17在CDA(Certified Data Analyst)数据分析师的日常工作中,“随时间变化的数据”无处不在——零售企业的每日销售额、互联网平台 ...
2025-12-17在休闲游戏的运营体系中,次日留存率是当之无愧的“生死线”——它不仅是衡量产品核心吸引力的首个关键指标,更直接决定了后续LT ...
2025-12-16在数字化转型浪潮中,“以用户为中心”已成为企业的核心经营理念,而用户画像则是企业洞察用户、精准决策的“核心工具”。然而, ...
2025-12-16在零售行业从“流量争夺”转向“价值深耕”的演进中,塔吉特百货(Target)以两场标志性实践树立了行业标杆——2000年后的孕妇精 ...
2025-12-15