从数据化审计走向智慧审计

　　从数据化审计走向智慧审计

　　数据化审计是跨学科应用

　　数据化审计是一个系统过程，也就离不开多学科的知识支持。它不是个单一的学科，而是博大精深，涉及很多门学科的知识。

　　从“百度学术”的数据看，“数据化审计”的跨学科研究发展迅猛，已深入到工商管理、应用经济学、信息与通信工程、计算机科学与技术等多个学科，并衍生出多个交叉学科主题。基于百度学术的数据生成数据化审计交叉学科关系图如下：

　　从图中我们可以看到，以数据化审计研究为核心，涉及多个学科，学科跨度很大。图中点的大小代表了相关联学科的重要程度。

　　实施数据化审计的两种模式

　　从不同企业、组织或机构的内部审计实践看，实施数据化审计有两种模式：一种是检查和分析分离模式;一种是检查和分析融合模式。

　　大多数组织采取的都是检查和分析分离模式，这种模式下有两支队伍：一支专业技术队伍和一支业务检查队伍。

　　专业技术队伍由专业技术人员组成的数据处理和分析队伍，通过探索性分析和任务式分析，提取问题线索或疑点，发送给业务检查队伍核查落实。

　　业务检查队伍由业务检查人员组成，根据专业技术队伍提供的疑点或线索重点核查，同时向专业技术队伍提出分析思路或需求。

　　检查和分析分离模式的优点是“专业的人做专业的事”。缺点是由于两支队伍在时间、空间和知识上存在共通区域的错位，信息交流链条比较长，信息衰减比较厉害，经常会出现“鸡同鸭讲”的局面，比较容易陷入“有吓人的问题线索，无实锤落地的问题”的怪圈中，乱了领导和自己的方寸。

　　还有一些组织采取的是检查和分析融合模式，这种模式下专业技术人员和业务人员混合组队，没有单独的数据数据分析团队，通过“伙伴式”学习等方式，要求每名审计人员均须具备运用技术工具开展非现场数据分析和现场检查的能力。

　　这种模式强调现场检查和非现场数据分析的融合，淡化现场与非现场的界限，业务和技术是合体的，不是两张皮，要求每名审计人员都必须具备应用IT工具进行数据分析检查的能力，配套实行系统推广和能力培训，有效地提升了审计的广度、深度和精准度。

　　检查和分析融合模式缺点是对审计人员的能力要求比较高，团队在高效运行之前的整体学习曲线比较陡峭。优点是团队里每个审计人员都能独当一面，成为某一条线审计检查的战斗单元，好的思路和方法，多次验证成熟后，转化为审计支持系统的固化模型和功能。

　　从数据化审计走向智慧审计

　　以商业银行为例，大数据、区块链、云计算、宽带传输、移动互联等新技术的应用，推动了互联网与金融相互融合、相互渗透。

　　商业银行也明确将“智慧银行”作为未来银行转型的重要方向，银行的业务受理、客户服务、授信审批、营运管理、风险决策等在技术驱动下，不断探索新的管理技术和管理模式。

　　“智慧银行”的兴起，对银行内部控制和内部审计带来了新的挑战，以“人”为核心的数据化审计，将会从面对多数的已知到面对更多的未知，审计人员会在赶场过程中，疲于奔命。因此，“智慧银行”时代也需要“智慧审计”。

　　智慧审计是传统审计、数据化审计的高级阶段，是商业银行在智能化趋势、智慧银行转型的背景下，重新审视银行业务和内部控制的需求和形态变迁，利用大数据、人工智能、云计算等新兴技术实现商业银行内部审计作业方式与价值输出模式的再造和升级。

　　在智慧审计时代，内部审计的事务性工作、重复性工作将由“人”转向“人工智能”，让各类芯片(也许已经没有计算机实体存在)自动按“人”的意志“智慧”地完成内部审计的审计数据分析、问题核实、报告推送等工作。

　　通过人工智能技术构建内部控制和各类风险知识图谱，搭建决策引擎、风险模型工厂，构建实时、精准、严密的端到端智能审计体系，从“人审”为主向“机审”为主转变，降低审计风险，实现实时审计，从定期的离线式报告到准实时的流式预警。

　　上述便是为您整理的“从数据化审计走向智慧审计”的相关资讯，如有疑问直接拨打→←获得一对一服务咨询服务。如果这样还不够，不如尝试扫码关注如一转让网公众号。