京公网安备 11010802034615号
经营许可证编号:京B2-20210330
巧用SQL数据库挖掘审计线索的思路与方法
在审计署统一组织的医疗保险基金审计项目中,笔者所在审计组充分发挥计算机审计技术优势,巧用SQL数据库查询功能,进行数据比对,筛查出该县一家民营医院疑似存在“医院职工虚假住院骗取医保基金”的问题。经过实地调查和多方取证,最终形成案件线索,进行了审计移送。现将审计思路和具体步骤介绍如下:
审计思路
首先,采集医院业务数据、职工花名册和考勤表、住院人员登记表等基础数据,运用SQL数据库强大的查询功能,查询出包括住院病人基本信息、结算明细、费用明细等在内的完整住院信息记录。然后,将住院信息和医院职工信息进行比对,筛选出在正常上班期间(有考勤记录)同时发生了住院费用的人员姓名、住院时间、住院病种、费用明细、报销金额等数据。最后,通过多方核实,形成案件线索并移送。
方法步骤
(一) 运用SQL数据库,查询出审计疑点
第一步,审计组计算机人员按照分工对该民营医院的电子业务数据进行了备份采集(该院所用管理系统为“蓝星”医院管理系统),并按照标准格式整理后导入SQL数据库,形成“H县某民营医院业务数据库”(如图一)。同时,搜集了该院2015-2016年“职工名单”、“职工上班考勤记录表”等数据。
图一. H县某民营医院业务数据库
第二步,运用SQL数据库强大的查询功能,审计组成员通过字段“姓名”将“住院病人基本信息表”、“住院结算明细清单”、“住院病人费用明细”联结,形成完整的住院信息,SQL查询语句如下:
select * from
dbo.住院病人费用明细 a join dbo.住院病人基本信息表 b
on a.姓名=b.姓名
join dbo.住院结算明细清单 c
on b.姓名 =c.姓名
语句执行结果如下(图二):
图二. 完整住院信息数据查询结果
将查询结果以excel格式保存,并导入数据库形成“完整住院信息数据表”如图三:
图三. 完整住院信息数据表
在此基础上,参照搜集来的“职工名单”,以该院医生和护理等职工的人员“姓名”为搜索条件,进行批量查询,SQL查询语句如下:
select * from dbo.完整住院信息数据表
where 姓名 in ('李玉平','吕正屏','王晓晓','刘成')
得出“该院职工在本院住院”数据,参考执行结果如图四:
图四. 该院职工在本院住院数据查询结果
第三步,将“职工上班考勤记录表”和“该院职工在本院住院数据”进一步比对,找出存在“住院期间正常上班”疑点的人员姓名、住院时间(上班考勤时间)、医保报销金额等数据,锁定疑似存在虚假住院套取医保基金的人员。
(二)实地调查,多方求证
初步掌握上述基本情况后,审计组成员立即行动,赴该民营医院和当地医保局等部门展开进一步调查。审计组其中三人对存档在医保局相关人员的报销票据、住院病历、用药明细、费用明细等资料进行了查阅,发现存在“住院病历资料中同一医生签字笔迹前后不一致”、“同一住院病人基本信息填写前后不一致”、“报销人住院期间有上班考勤记录”、“院方住院/离院登记表中查不到相关人员住院登记记录”等问题。与此同时,审计组另外两名成员会同一名医保局工作人员,对该民营医院当日住院情况进行了随机实地查看。发现,院方登记表记录当日住院人数与实地察看当日在床人数明显不符,存在院方登记人数多于实际在床人数的情况,即当日发生住院费用人数多于实际查实的当日在床人数,院方对此未能给出合理解释。针对上述问题,审计人员均进行了现场取证。
(三)形成案件线索并移送
经对上述问题和取证资ext-align:justify; text-indent:24pt; widows:0">经对上述问题和取证资料进行汇总和梳理分析,审计组成员一致认为,该问题尚存在需要进一步查明的疑点。鉴于审计手段有限,根据《中华人民共和国审计法》有关规定,审计组整理形成了关于“某民营医院职工涉嫌在本院虚假住院骗取医保基金”问题的审计线索,并依法进行了移送。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14