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
在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 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 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 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, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 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”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 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 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23 很多数据分析师精通Excel、SQL、Python等工具,但当被问到“面对一个具体的业务问题,该用什么分析方法”“描述性分析和诊断 ...
2026-07-23【核心关键词】埋点、产品、互联网、数据库、决策、数据分析、产品经理、商业模式、移动互联网、指标体系、运营模块、大数据平 ...
2026-07-22在高并发、大数据量的业务系统中,单表数据量达到千万级甚至亿级后,会出现查询性能骤降、索引维护成本飙升、存储扩容困难等问题 ...
2026-07-22