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。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据技术飞速迭代、数字营销竞争日趋激烈的今天,“精准触达、高效转化、成本可控”已成为企业营销的核心诉求。传统广告投放 ...
2026-04-24在游戏行业竞争白热化的当下,用户流失已成为制约游戏生命周期、影响营收增长的核心痛点。据行业报告显示,2024年移动游戏平均次 ...
2026-04-24 很多业务负责人开会常说“我们要数据驱动”,最后却变成“看哪张报表数据多就用哪个”,往往因为缺乏一套结构性的方法去搭建 ...
2026-04-24在Power BI数据可视化分析中,切片器是连接用户与数据的核心交互工具,其核心价值在于帮助使用者快速筛选目标数据、聚焦分析重点 ...
2026-04-23以数为据,以析促优——数据分析结果指导临床技术改进的实践路径 临床技术是医疗服务的核心载体,其水平直接决定患者诊疗效果、 ...
2026-04-23很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标是所有企业都需要的”“哪些指标是因行业而异的”“北极星指标和 ...
2026-04-23近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16