京公网安备 11010802034615号
经营许可证编号:京B2-20210330
巧用“大数据” “智慧审计”为政府管好“钱袋子”
近年来,随着各行各业信息化程度的不断提升,大数据时代悄然来临,对审计信息化发展带来了全新机遇与挑战。正是在这种创新浪潮中,成都市审计局大胆创新,围绕全国审计技术新理念,结合自身“七化”工作目标,率先运用大数据技术,先后建成了大数据综合管理平台、现场管理APP、绩效考核平台以及投资管理平台等,并进行了有效的推广和应用,建起审计监督的“一张网”,不仅为管好政府的“钱袋子”提供了海量、准确的数据支撑,24小时不间断实时审计更是铸就起一道反腐的“防火墙”。
成都市审计局大数据审计分析平台,自2016年7月交付使用以来,已上线财政、工商等10余个行业及全市4200家被审计单位2012-2017财政支付、单位账套、会计报表等数据39亿条,基本形成一张“纵向到底、横向到边”的数据化审计“天网”,为实现审计监督“全覆盖”和足不出户大数据审计分析模式奠定了坚实基础。
亮点工作
强化数据分析
搭建大数据审计分析平台
按照一个中心、全面服务,分层、分级使用,纵横比对分析的原则,市审计局在原有的信息化设施设备的基础上,于2016年搭建了一个拥有800多核高性能CPU计算能力、150TB数据存储能力的大数据审计分析平台,开发了成都市大数据审计管理、绩效跟踪考核管理、审计现场管理APP、投资审计管理等系统。
“这些硬软件的投入,实现了市、区两级审计信息的集管共享,实现了全市800余名审计人员在线分析,实现了对审计现场工作的实时动态掌控,为足不出户的大数据审计分析模式奠定了基础。”市审计局负责人介绍,大数据审计分析平台采用hadoop框架以及分布式并行计算技术,并创新性地使用NoSQL与关系型数据库混合技术架构,引入“搜索引擎式的数据分析方法”,使数据分析的方式从传统的SQL查询,变为像谷歌、百度一样的搜索。自动化、可视化的数据分析功能,大大降低了审计人员进行大数据审计分析的门槛。
在数据安全方面,系统使用“两条主线、三层架构”的数据安全管理策略。两条主线,一是限制数据范围,根据不同用户所属部门、区域,限制用户所能访问的数据范围;二是限制操作类型,根据不同用户的职级、岗位,赋予不同的操作权限。三层架构则采用了用户、角色、操作三层访问控制,定义不同角色来管理不同的操作集合,同时将角色和用户进行多对多的映射。该管理策略能够更灵活、更安全、更合理地按照审计职责对权限进行管理,既满足审计人员的业务需要,又能很好地保障数据安全。
加强数据采集
初步实现数据化审计监督全覆盖
“全数据处理是大数据时代的特征。我们更加关注数据的全面性与多样性,这样数据采集环节非常关键。”市审计局相关负责人介绍,为此,市审计局自行研发了能兼容市场200多套、400多个不同版本财务与业务数据的采集转换工具,初步实现了全市被审计单位财务与业务数据线上采集、上传、共享、分析。截至目前,已采集整理入库全市4200多家预算执行单位和500多家国有企业近6年财务与报表数据、财政支付明细数据;全市近5年财政、工商等10余个行业管理数据;以及部分审计项目资料、法律法规、审计项目电子档案等数据,从而建立起多部门、多系统、跨行业的大数据审计资源,基本织成一张“纵向到底、横向到边”的数据化审计“天网”,初步实现全市财政资金数字化审计监督全覆盖。
加强经验总结
保障人才技术支撑
传统翻阅账本的审计方式很难找出审计线索的关联性,难以发现隐蔽的违法、违规行为,即便被发现也仅仅反映为个案,具有偶然性。但在信息技术条件和手段下,违法、违规行为会在庞大的数据中留下“痕迹”。市审计局通过集中攻关、重点突破,总结同类违法、违规问题的数据表现特征,形成了解决各行业“疑难杂症”的大数据多维精准审计模型,具有较高的普适性和推广性。审计人员在进行同类问题审计时,只需将审计模型套用到被审计对象数据上,就能迅速从蛛丝马迹中发现线索,将同类问题一网打尽,有效解决了审计问题个案化和审计成果碎片化的问题。
与此同时,面对非专业人员占比偏高、大数据分析与应用人才短缺的现实,还摸索出审计项目人员团队化、审计内容模块化、审计方法数字化、审计监管对象全域化的创新工作模式。通过整合资源,在全系统内先后建立了计算机、财政、国土等11个专业化审计团队,并定期进行技能提高培训,组织开展研讨、交流,分享工作中遇到的典型问题和案例,不断拓展审计分析人员的视野和技能。同时,积极创新审计组织方式,推出项目主审招标、审计成员组团竞聘上岗等工作组织模式,通过团队整合与合作,发挥了技术攻关、整体突破、以“点”带“面”的传帮带作用,有效提升了审计人员专业能力和审计项目质量。近年来,通过内部选拔、外部招录等方式,在市局组建了一支拥有计算机专业背景的8人专业化数据分析队伍,为我市大数据审计提供了智力支撑。
据了解,2017年6月,成都市审计局启动了大数据综合管理平台二期建设项目,在一期项目的基础上,新增审计对象门户子系统、可视化数据分析系统、招投标审计辅助决策子系统以及疑点管理模块、审计思路管理模块等。10月11日,成都市审计局自主开发的大数据综合管理平台获得了国家版权局计算机软件著作权。
典型点位
运用“大数据”审计
守护产业扶持资金
近年来,成都市温江区积极适应经济社会发展的新环境、新常态,把握发展机遇,全力推进产业转型升级,加大对重点发展行业的招商引资、产业扶持力度,产业扶持范围及区级财政安排扶持补助资金规模逐年提高,向社会传递了积极政策信号。但同时,也容易滋生骗取、套取扶持资金的行为,产业扶持资金安全问题亟须引起重视。
为更加有效地防范财政资金风险,提升扶持资金绩效,温江区充分利用“大数据综合管理平台”中海量收集的财政、税收、工商等行业数据,及其强大的数据挖掘分析能力,对产业扶持资金开展数据化审计,在全面审计的基础上,取得了显著成效,2016年查处并追回5家企业套取的扶持资金88.4万元,相关企业被纳入异常经营企业黑名单,盘活沉淀在各环节的扶持资金330万元,同时促进行业主管部门出台完善扶持项目真实性及政策符合性审查、扶持绩效目标引导、跟踪服务和监督等方面的工作措施10余条,切实维护了财政产业扶持资金的安全和效益。
“依托于成都市审计数据中心对多行业、多部门海量数据的聚集能力,以及大数据综合管理平台搜索引擎式数据分析技术的高效运用,有力地促进了审计方法的革命性创新和审计能力的跨越式提升。”温江区审计局负责人表示,按照审计思路和预先设定的分析路径,以平台调取的扶持企业各项行业及财政数据为基础,温江区建立起针对各类疑点线索的四套数据模型:一是注册地筛查分析模型;二是企业关联度分析模型;三是经营异常综合分析模型;四是支付异常数据筛查分析模型。
该负责人介绍,以温江区2016年度区级产业扶持资金审计为例,若按传统常规审计思路和方法,仅能抽查2-4类扶持资金、10余家单位或项目,覆盖面不足10%;运用数据中心全面数据的综合分析,实现了对当年25类1.65亿元扶持资金、210家企事业单位或项目100%的全覆盖审计。同时,有别于以往计算机审计方法中存在数据来源单一,分析路径狭窄的限制,数据中心实现了对各行业结构化数据的快速筛查,打通了全市不同区域、不同行业、不同时段、不同被审计对象电子数据之间的通道,从纵横两个方面拓展了审计维度。
而相较于以往按金额大小及企业多少选取审计重点后逐项审核排查等较为粗放的审计方法不同,通过数据中心动态分析和专项分析功能,有针对性地开展全面数据分析,将审计人员的审计思路转化为审计疑点做到“分分钟搞定”,“足不出户”就能、快速、精准挖掘审计疑点线索。2016年,温江区在扶持资金审计中运用审计数据中心数据,实施被扶持企业注册地关联分析,仅用几分钟即锁定了1户已搬离企业获取本区财政扶持资金13万元的问题。
心语心愿
拥抱“大数据”
展望审计新未来
近年来,成都市审计局利用大数据审计分析平台,在领导干部自然资源离任审计、财政预算执行审计、国有企业和政府采购审计等方面都发挥了重要作用。
“大数据审计与传统审计相比,在审计组织方式、审计核查方法、审计的广度和深度、审计的效率和作用发挥上都发生了根本性的变化。”市审计局主任科员段凯科表示,传统审计组织方式以单个项目为载体,很难实现连续性和全面性的审计监督,审计项目成果碎片化严重,不利于推动各项制度的完善,不能很好地为领导决策提供服务。在信息化高度发达的今天,传统的审计核查方法已面临无账可翻的窘况,看不到账摸不到物的审计项目越来越多,利用大数据开展审计具有时代必然性。
“特别是从人员配置上看,市局100来号人负责1100多家审计单位,传统审计方法无法从根本上实现上级对于‘审计全覆盖’的要求。”段凯科说,但利用大数据开展审计,审计全覆盖的问题迎刃而解。不仅如此,利用大数据,审计方法模型可以快速复制,利用计算机的强大计算能力,可以实现审计问题快速精准聚焦。
“市委市政府对我市大数据审计工作非常关心和支持。”段凯科表示,在人才保障方面,选调了一批高才生,充实到市审计局大数据审计队伍;在数据采集制度方面,出台了全市预算执行和企事业单位财务与业务数据定期采集报送制度;在项目建设方面,财政给予了专项资金支持,自主开发了大数据审计分析平台。
提到未来的愿景,他对“大数据”在审计方面的作用信心十足。“拥抱‘大数据’,我们的目标是足不出户就能对全市每个预算执行和国有企事业单位开支的每一笔资金进行实时预警监督,利用大数据,智能分析各单位开支情况的真实性和效益性,及时为经济社会发展提供决策依据。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】软件、洞察力、大数据、产品、经验、硬件、流量、创新、决策、数据安全、网络安全、数据分析、决策制定、数据挖 ...
2026-06-18在方案选型、效果复盘、产品评估、供应商筛选等各类业务决策场景中,仅凭单一指标下结论往往会陷入 “以偏概全” 的误区。多维度 ...
2026-06-18 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 ...
2026-06-18在数据分析、用户运营与业务增长的工作体系中,漏斗拆解是最基础也最高频的问题定位方法。很多业务场景下,我们只能看到最终的转 ...
2026-06-17在数据库开发、数据清洗与报表统计场景中,数值类型转换为日期是高频刚需操作。业务系统常以 Unix 时间戳、整型日期(如20240617 ...
2026-06-17 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, ...
2026-06-17【核心关键词】数据库、电商、知识、产品、数据产品、监管业务、产品经理、业务系统、用户行为分析、用户分析、数据分析、电商 ...
2026-06-16在 Python 动态类型与面向对象的编程体系中,变量定义与类实例化是构建代码逻辑的两大核心基石。变量是数据存储、传递与运算的基 ...
2026-06-16 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据和表结构数据有什么区别”“数据类型误判会引发哪些分析错误” ...
2026-06-16在 MySQL 查询性能优化体系中,索引是降低查询耗时、提升数据库吞吐的核心手段。其中联合索引与覆盖索引是实际开发中最高频的两 ...
2026-06-15在数据仓库建设与商业智能分析体系中,维度建模是应用最广泛的建模方法论,而事实表与维度表是维度建模的两大核心构件,共同构成 ...
2026-06-15 很多数据分析师能熟练计算指标,但当被问到“这家企业的核心业务目标是什么”“如何把模糊的战略目标拆解为可量化的指标”“ ...
2026-06-15在数据分析、业务监控、运营复盘等场景中,列值趋势计算是核心需求之一。无论是分析销售额的月度增长、用户活跃的变化趋势、库存 ...
2026-06-12在数字经济深度渗透的当下,消费者的购买行为已从过去的 “被动接受” 转变为 “主动决策”。流量红利消退、获客成本攀升、用户 ...
2026-06-12CDA三级认证是三个级别中的塔尖,全面考察数据战略、团队领导和复杂项目的综合能力。它所对应的《敏捷数据挖掘》教材,不再局限 ...
2026-06-12在游戏产业的商业逻辑中,付费玩家是支撑游戏生存与发展的核心支柱。行业普遍遵循 “二八定律”:20% 的付费玩家贡献了游戏 80% ...
2026-06-11【核心关键词】企业、定位、传统、产品、互联网、可视化、业务侧、数字化、结构化、数据分析、传统制造业、市场状态、发展空间 ...
2026-06-11 解读《CDA二级教材:量化策略分析(2025)》的全景结构与学习逻辑 ” CDA二级认证是企业招聘数据分析师时最常提及的证书门槛 ...
2026-06-11【核心关键词】药企、可视化、营销、分类、数据分析师、销售数据、业务人员、指导方向、分析报告、营销数据、营销医生 【专访摘 ...
2026-06-10在统计学分析、问卷调研、实验验证、业务复盘等场景中,卡方检验与 T 检验是应用最广泛的两类基础假设检验方法。前者专门处理分 ...
2026-06-10