新时代电网企业全业务大数据审计研究

陈冬梅 厉雨

[摘要]本文从探寻新时代背景下电网企业内部审计创新发展途径出发，通过整合企业内部全业务系统数据资源，构建全业务数据中心，研究应用大数据技术对公司业务全过程数据开展数字化审计分析，探索信息化审计新模式，以创新提高审计效率，全面提升内部审计价值。

[关键词]电网企业    全业务数据    内部审计

着电网企业信息化建设向纵深发展，如果内

部审计继续延用传统的审计手段和方法，将不能适应新时代下企业对内部审计创新发展的要求。此外，电网企业各业务系统间因未建立有效的信息资源共享机制，形成了数据孤岛，而数据的获取是依靠对各个业务系统的查询，这就给内部审计开展全链条审计带来困难。为此，电网企业内部审计应以创新为先，整合各业务系统数据，用大数据技术对公司全业务数据进行多角度、多方位、全链条审计分析，迅速锁定审计方向，提高审计精度和深度，提升内部审计价值。

一、研究背景

（一）国家倡导审计大数据应用

2014年10月9日，国务院《关于加强审计工作的意见》要求，加快推进审计信息化，推进审计机构和有关部门、金融机构和国有企事业单位实现信息共享，构建国家审计数据系统。

2017年12月8日，中共中央政治局就实施国家大数据战略进行第二次集体学习。习近平总书记深刻分析了我国大数据发展的现状和趋势，对我国实施国家大数据战略提出了五个方面的要求：一是推动大数据技术产业创新发展;二是构建以数据为关键要素的数字经济;三是运用大数据提升国家治理现代化水平;四是运用大数据促进保障和改善民生;五是切实保障国家数据安全与完善数据产权保护制度。

目前，我国涉及大数据发展与应用的国家政策、规定已多达63个，其中国家大数据发展顶层设计1个，国家层面顶层规划4个，重点行業领域发展应用31个，重点工作推进25个，重点区域发展2个。大数据战略已上升为国家战略高度，各部委应从战略规划、技术能力提升、应用与管理三个层面积极落实推进大数据发展政策。

（二）国家电网公司要求积极应对审计发展挑战

国家电网公司提出，推动现有审计信息系统优化整合，紧跟公司业务系统和业务数据日趋集中的发展变化，建设覆盖全面、资源共享、流程清晰、数据完整、智能高效、可视化、互动化、可扩展的数字化审计系统平台。积极应对未来审计发展挑战，探索开展持续审计监督，运用大数据技术归集数据、分析数据、查找疑点、综合提炼，结合现场审计查证，提出审计意见，在线监督整改，实现审计现场作业与在线数据分析一体化融合，提高审计效率和效果，提升审计辅助决策能力。

（三）大数据审计是内部审计的大势所趋

大数据环境下电网企业内部审计由“依赖经验”发展为“依赖数据”。内部审计面临着新的挑战，随着电网企业信息化平台的建立，从企业办公管理、人资管理、财务管理、物资管理、工程管理、营销管理等各个环节都产生大量的数据，如员工工资、财务账、物资出入库、工程预决算等数据，都成为电力系统的数据。信息技术在电网企业内部的普及，使得上述数据具有网络化、数字化等特点，也使得大数据技术在电网企业数据中的应用成为可能。这就要求内部审计变革审计思维技术和方法，灵活应用大数据技术，构建审计信息化的新模式，提升电网企业的综合管理水平。

二、大数据综述

（一）大数据的基本概念

1.大数据应用的核心价值。大数据应用的关键不是“大”和“数据”，其核心价值是将数据视作与人财物一样的企业核心资产，让资产创造价值。与传统数据挖掘分析的区别是，通过采用新的采集、存储和处理技术，实现跨业务、多类型、实时快速、灵活定制的数据关联分析，满足公司在电网生产、经营管理、优质服务三方面的管理提升和业务创新需求。

2.大数据5V1C的基本特征。大数据同过去的海量数据有所区别，其基本特征可以用5V1C（见图1）来概括，其中规模（Volume）指数据体量巨大，可以是TB级别，也可以是PB级别;多样（Variety）指数据类型多，数据源多，多为半结构化、非结构化数据;快速（Velocity）指时效性强，要求传输速度快、处理速度快;价值（Value）指价值潜力大，价值密度低;灵活（Vitality）指分析和处理模型须快速地适应新的业务需求;复杂（Complexity）指需要有新的方法来满足异构数据统一接入和实时数据处理的需求。简而言之，大数据的特点包括体积大、多样性、价值密度低、速度快、快速适应、复杂程度高等。

（二）大数据环境下的计算机数据审计模式

1.计算机数据审计。计算机数据审计是指运用计算机审计技术对被审计单位相关业务信息系统所存储和处理的电子数据进行的审计。通过对被审计单位的电子数据进行采集、转换、清理、验证和分析，帮助审计人员掌握整体情况，发现审计线索，收集审计证据，形成审计结论，实现审计目标。

2.计算机数据审计的特点。利用数字化技术对被审计单位信息系统存储和处理的电子数据进行审计，是信息化环境下内部审计履行审计职责、发挥审计功能的重要内容。计算机审计与手工审计相比，虽然审计目标相同，但审计技术、方法和审计的作业方式都发生了根本性改变。计算机数据审计将审计的视线由传统账目转向了电子数据，是审计观念和审计方法的进步。

3.计算机数据审计的七步流程法。大数据环境下的审计流程较传统的审计流程有着明显的区别。计算机数据审计过程中，审计人员要采集和转换被审计单位的原始数据，建立某种业务的中间表或审计分析模型，并进行某种类型的数据分析。根据目前的研究，可将计算机数据审计的流程归纳为七个阶段，简称“七步流程法”（见图2），七个阶段之间相互联系，并无严格界限。

三、全业务数据中心的构建及审计分析模型应用

（一）全业务数据中心建设理念及构成

1.全业务数据中心建设理念。以业务系统数据统一管理为基础，以全业务数据中心建设为支撑，以体制机制建设为保障，加强大数据统筹管理，强化大数据价值挖掘和成果应用，积极培育数据文化，推动公司数字化建设，促进公司创新发展。

2.全业务数据中心数据域构成。全业务数据中心由数据处理域、数据分析域和数据管理域三部分组成（见图3），其中数据管理域是公司生产经营管理过程中各类业务数据存储、处理、融合中心，主要支撑业务处理类应用，是推进业务流程贯通和数据共享、保障数据质量的关键，也是提升数据应用水平的基础;数据分析域是公司各类数据清洗转换、汇聚整合中心，主要支撑采集监测类和分析决策类应用，是挖掘数据资源价值、提升数据应用水平的核心;数据处理域是公司数据模型管控、主数据应用中心，是实现数据规范、安全、正确的关键和保障。

（二）全业务数据源端业务系统调研

1.审计业务需求调研。通过调研，确定审计主题内容，了解相关业务流程现状，形成审计业务需求调研报告，编制审计分析场景设计说明书，明确审计业务分析视角及相关规则，同时明确应用场景的展现形式。

2.源端业务系统情况调研。掌握源端业务系统涵盖的业务范围、存量数据大小、存储类型、字符集、数据库类型等情况。

3.源端业务系统数据接入准备。按照场景审计说明书，分析评估需要接入哪些源端业务系统的数据，对欠缺的数据进行进一步评估和调整增补。

（三）获取源端业务系统数据

根据审计业务需求及源端业务系统调研成果，编制全业务数据中心数据处理域的数据接入方案。数据接入方案中，应明确数据接入范围、接入频度、技术路线（OGG、ETL）、工作计划、职责分工、风险及应对措施等内容。

初始数据接入采用文件导入方式实现存量数据初始化;后续增量数据的同步复制，采用数据同步工具Oracle Golden Gate、ETL实现。具体步骤见图4。

（四）全业务数据中心处理域的数据清洗与转换

数据清洗与转换是在前端业务系统数据接入全业务数据中心处理域后，对接入系统数据质量进行校验核查。通过ETL汇总整理，实现企业全局数据的完整性、准确性、规范性、唯一性，为分析服务提供统一的数据支撑。

（五）全业务数据中心分析域构建中间表

在全业务数据中心分析域中，按照审计分析主题对处理域数据进行重新组织，通过数据抽取、清理转化、汇总和整理等手段，建立审计中间表，为跨专业、业务全过程等综合审计分析构建提供数据支撑。

分析域分为两层，即数据明细层和轻度汇总层。数据明细层保存清洗转换后全业务、全量明细数据，实现物理分散的数据表合并和编码归一，为后续数据溯源及反向核查奠定基础;轻度汇总层是根据审计分析场景需要，对明细层数据重新组织规划，实现跨域共用数据的合并和汇总，为跨专业及业务全过程等综合分析应用构建提供数据支撑。

（六）开展总体数据分析，选择审计重点

采取结构分析法、趋势分析法、比率分析法等方法，对总体情况进行分析。利用结构分析法揭示总体的结构关系和各个构成项目的相对重要程度，从而确定重点审计疑点，提示进一步审计分析的方向。利用趋势分析法对公司若干期相关数据进行比较和分析，从中找出规律或发现异常变动。通过了解数据的规律及异动情况，确定审计的分析角度及审计重点。

（七）审计重点的数据建模

结合审计重点需求以及实际数据支撑情况，按照审计重点需求开展分析模型的验证及调优工作，主要包括算法设计、算法实现、模型验证、模型评估、模型发布、模型优化等，并对分析结果数据进行验证并适当修正，从而提升分析模型结果对审计业务的支撑能力。

（八）延伸审计

应用已构建的审计分析场景，核查问题或筛选线索，针对审计问题或线索延伸到业务层面，核实审计问题或线索。在审计过程中，审计人员经过前期的充分准备和提前谋划，有针对性地开展数据获取、线索分析、项目管理、抽样计算等信息化综合应用，利用全业务数据中心审计分析场景进行信息初筛并核实，确保了审计质量和审计抽查范围的全面覆盖，提高了审计效率。参审人员运用信息化技术核查问题、宏观评价判断问题、分析问题的能力通过审计工作得以充分展现。

（九）大数据审计分析模型实例

国网辽宁电力通过2016—2017年的建设，完成41套业务系统数据接入及核心数据清洗转换，围绕营销、运检、人资、物资等多项业务，完成12个审计分析模型设计研发及分析应用场景建设;按照国网公司分析应用场景建设要求，完成10个审计分析场景在国网大数据应用专题的发布共享。现以“物资积压情况审计分析应用场景”为例，介绍国网辽宁电力审计分析模型建设及应用情况。

1.实例。为了更加高效地利用库存资源，节约公司成本，减少采购投入，公司领导高度重视库存积压带来的影响，公司逐步开展清仓利库、盘活利库、积压物资库存鉴定及跨区域调拨等多项重点工作。但“积压物资分类不准确、物资来源不明确、鉴定过程时间跨度较长，存储时间与采购日期、领用日期间存在差异”等问题仍然存在，给库存积压的准确鉴定带来了困难。国网辽宁电力基于全业务统一数据中心，应用大数据挖掘算法，对公司内各单位的在库物资进行了多角度、多维度分析。对库存资金占用较大、积压时间严重超期的地市单位，对其积压物资的物料类型、仓库编码、物料小类、在库时间等分布情况进行统计和分析。

2.审计分析场景功能。

（1）采购物料库存到期情况（见图5）。数据来源以公司ERP系统每天传递的物料凭证清单为依据，以日期为关键值，进行增量數据的推送。从中可按月查询每个月的入库金额、各供电公司不同仓库性质的库存占比情况。按照月份展示不同公司、不同仓库性质下的库存入库金额值。点击可以下转到该条件下入库凭证的明细数据。

（2）采购物料库存积压资金情况（见图6）。数据来源以公司ERP系统每天传递的物料凭证清单为依据，以日期为关键值，进行增量数据的推送。可以按月查询每个月的出库金额、各供电公司不同业务类型的出库占比情况。可按照月份展示不同公司、不同出库类型下的库存出库金额值。点击可以下转到不同仓库性质下的出库凭证的明细数据。

（3）周轉率。数据来源于公司ERP系统中的周转率计算。以图形展示出各个地市单位目前的周转率情况;按国网公司每年5次的要求，设定标准值，直观反应各单位与标准值之间的偏差。

（4）各物料类型对应库存资金及时间分布情况（见图7）。以批次日期为分析对象，计算在库物资的库龄。库龄分布为0—10天，10—30天，30—180天，180—360天，1年以上，便于掌握总体的积压和库存、库龄的分布情况，利于及时监督、提醒各单位进行利库工作。

（5）物资库存分析。以当前库存为数据基础，以每天全量发送的形式进行库存分析，分析在库物资的金额和条目数，便于掌握各单位的库存构成，分析仓库性质下的库存总体情况，及时发现仓库利用率低等情况，以合理分配仓库资源，统筹库存物资。

四、应用成效

（一）初步搭建起数字化审计体系

初步构建了职责界面清晰、流程一体管控、业务管理融合、资源集约统筹、审计全面覆盖的数字化审计体系。在体制、人员方面有所保障的基础上，开展基于全业务数据中心的“集中分析、分散核实”审计项目作业方式，借助不同维度进行统计分析，为数字化审计提供辅助支撑。

（二）推进数字化审计模式创新

积极应对信息化、大数据给公司审计工作带来的挑战，推动审计思维观念和技术手段革新。组建数字化审计工作室，基于全业务数据中心的大数据审计成果，探索开展非现场数据分析和在线持续审计监督，引导培育公司系统数字化审计生态，开展审计效能的机制研究、审计信息化关键技术方法攻关，为公司审计工作发展提供理论指引和技术支撑。

（三）培养锻炼数字化专家团队

充分集成优质审计资源团队，提升了审计人员运用互联网技术和信息化手段开展审计工作的能力，一批查核问题的能手、分析研究的高手、计算机应用的强手、精通管理的行家里手正不断涌现。

（作者单位：国网辽宁省电力有限公司，邮政编码：111000，电子邮箱：2796515197@qq.com）

主要参考文献

董化礼，刘汝焯.计算机审计数据采集及分析技术[M].北京：清华大学出版社， 2002

李玲，刘汝焯.计算机数据审计[M].北京：清华大学出版社， 2010

王峰，薛宝弟.应用“大云物移”促进管理提升[J].国家电网， 2017（5）：92-93

王国成.从3V到5V：大数据助推经济行为的神话研究[J].天津社会科学， 2017（2）：94-95