
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
在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14