京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据审计:让违规资金无处遁形
随着信息技术的迅猛发展,行业应用所产生的数据呈爆炸性增长,大数据审计应时而生。去年以来,审计厅尝试运用大数据分析技术,探索审计监督新模式,撞开了一扇新的高效的“审计之门”。
“审计对数据有天然的依存关系。”5月27日,审计厅厅长黄河说,作为经济运行综合性监督部门,保持对社会经济数据的灵敏感触,深挖细掘、充分运用,是大数据时代对审计工作的内在要求和必然选择。
大数据审计到底有多神奇?审计人员如何从海量数据中发现违规资金的疑点和线索?记者追踪了一年来审计在大数据环境下的足迹。
审计数据量有多大?
一次审计调用700G数据
今年2月,审计厅电子数据审计处正式挂牌成立,负责组织开展跨行业、跨部门、跨地区的数据分析,联网审计和省直各部门(单位)电子信息系统审计,以及对电子数据进行综合分析和利用等工作。而我省大数据审计的尝试,此前早已开始。
去年初,审计厅建立起分类分步采集的数据获取机制。通过专网联结、定期拷贝与建立定期报送制相结合的方式,审计部门可以无障碍获取不同系统不同部门的电子数据信息。目前,审计数据中心已收集有省级财政国库集中支付业务、非税收入、总预算会计数据等相关数据。
以海量数据为基础,依托不同的审计分析模型,审计人员就可以有针对性地“攫取所需”了。
正在进行的税收征管审计中,审计厅专门成立的地税审计数据分析团队充分利用采集到的各类数据,构建起125个审计分析模型,覆盖了包括税务管理、税款征收、发票管理等几乎所有地税业务。分析团队查询分析了多个系统约700G的电子信息数据,在房产税、车船税、城镇土地使用税、机打发票、三代管理、小微企业税收优惠政策执行、退税等7方面新编写了21个审计方法。然后,审计人员选取国土、工商、房地产等外部涉税信息数据,与相关税收征管数据比对分析,揭示出漏征漏管税收和征管制度缺陷等各种问题,提出了有针对性的审计建议和意见。
审计速度有多快?
几周的工作量缩短到几分钟完成
有了大数据分析技术支持,一些大型专项审计能够在短期内完成。
全省农村信用社数量多、分布广、业务量大,有着庞大的数据量。过去,由于缺乏计算机及金融专业人才,加上各市州审计机关各自为政,存在许多重复劳动和结果不显著的问题。正在进行的针对全省农村信用社112家法人机构的审计改变了这一尴尬状况。
审计部门依托创新开发的金融审计数据分析平台,实施“总体分析、发现疑点、分散核实、系统研究”新型审计模式,提升了审计项目实施的实时互动、科学管理以及数据利用。“通过编制审计模型,数据分析小组可在那些令人眼花缭乱的数据、票证中,循着蛛丝马迹,快速找到同一违法行为的共同标志,让异常数据浮出水面。”数据分析组组长介绍说,以贷款为例,数据分析人员可通过数据联网分析贷款户的资金流向是否符合国家政策和申贷要求,跟踪资金用途,就能查出有没有被挪用,是否存在非法侵占、挥霍贷款等情况。
这项审计涉及贷款总量超过1000亿元,审计厅在短短一周内便实现了对全省信用社信贷发放结构等业务数据的分析和核实。按照传统审计办法,审计骨干人员可能要几周才能完成的工作量,如今几分钟就能完成。
数据挖掘有多深?
一家公司异常带出一个行业整治
大数据审计依托信息数据进行系统分析,实现了精准核查、整体评价。
去年上半年进行的预算执行审计中,审计人员利用不同行业数据之间存在的关联关系进行比对,发现省级劳务公司开票金额与营业税计税基数之间出现巨大异常。随后顺藤摸瓜,又发现有数十户劳务派遣公司开具发票18万张、涉及金额144亿元,而计税基数仅为发票额的1%-2%。针对审计发现的问题,省地税局、公安厅、审计厅等部门专题研究部署,迅速启动了对全省劳务公司开具发票的专项整治工作。
对于这次审计,电子数据审计处处长余川感触最深:“大数据分析立足于与审计对象具有关联关系的所有数据,为审计提供了一种站高望远、从整体把握对象的技术手段。”
有了大数据分析的支持,审计人员犹如多了一双透视眼,可以快速锁定疑点,并追询疑点、定向排查、查实查透。
4月刚结束的全省保障性安居工程跟踪审计中,审计组通过比对部分市、县10余万条人员信息数据与房管部门商品房信息,发现了上千名购有商品房、超过规定标准的人员违规享受保障性住房;通过将享受保障性住房待遇人员信息与同期养老保险缴费基数、公积金缴费基数、个人所得税应税数及机动车辆登记信息等进行比对,骗取或违规享受保障性住房、骗取或违规领取货币补贴等问题浮出水面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24