审计行业解决方案

方案概述

　　

针对审计业务覆盖的行业多、区域广、数据复杂、分析对象众多等特点，利用大数据技术、数据挖掘技术、文本挖掘技术，构建面向审计行业的分析模型，从数据中自动发掘审计线索。根据审计业务需求定制大量的审计专有数据挖掘算法，以辅助审计人员快速、系统地发现审计疑点。按照被审计行业，构建金融审计数据挖掘、税收审计数据挖掘、财政审计数据挖掘、公积金审计数据挖掘、投资审计数据挖掘等多个行业审计解决方案。

 

审计大数据分析架构

方案详情

　　

（1） 财务报表异常分析

　　

审计的核心问题就是发现疑点，即发现异常；而对于国有企业的审计，其中一个重要的审计方向就是进行企业财务报表数据进行审计；因此，国有企业的财务报表的异常检测是审计的重要工作之一。为了快速发现国有企业财务报表中的异常点，可以利用数据挖掘技术中的回归技术自动总结相应财务报表指标和其它财务指标之间的总体关系，对于严重背离这一关系的企业，则视为在该指标上或其相关指标上存在疑点。

　　

（2） 税收合理性评估

　　

为评估和提供税收机构的税收计划的制定的合理性，利用数据挖掘技术构建评估模型，充分考虑到税务机构管辖区内税收整体的发展趋势，税收收入的季节性变化规律，税收和当地税源结构之间的关系，税收和当地GDP、CPI等经济环境之间的关系等，从而尽可能更为准确地预测各税务机构的税收收入，为税收计划的科学制定提供决策指导，并为税收审计提供依据。

　　

（3） 公积金异常提取风险审计

　　

使用异常数据挖掘方法，分析公积金的异常提取,找出提取业务中不易被监管者发现的违规提取。如：职业代办人恶意套取、少量职工违规提取、个别政策漏洞、程序测试漏洞、经办人操作失误等。监管者有必要对此类异常数据进行进一步调查，以发现造成异常的原因,从而堵住提取漏洞,防控风险。

　　

（4） 公共工程投招标及合同签订舞弊风险审计

　　

通过结合数据挖掘技术，充分利用事先预防的特性，对公共工程招投标及合同签订阶段的舞弊风险进行识别、评价和控制，构建公共工程风险的因素进行定量研究，建立审计评价指标体系和评估模型，为审计部门提高公共工程风险审计效率和效果，提供具有参考价值的实践模型。

　　

（5） 商业银行信贷资产风险审计

　　

银行资产业务是银行的资金运用业务，是银行收入的主要来源，而贷款业务对银行的发展具有至关重要的作用。利用当下流行的大数据分析技术，对银行信贷业务进行事中控制和事后监督，不仅维护市场金融秩序，而且避免资产大量流失。利用数据挖掘技术，建立信贷资产评级模型，分析历史信贷数据和客户基本信息数据，对信贷资产的安全性进行评估。