赴郑州等地“调研创新软件团队的工作模式和管理方法”暑期社会实践队

科技创造未来——大数据与商业银行的审计

摘要：利用计算机强大的计算能力和数据处理能力，可以帮助审计人员快速锁定风险。要具体实现计算机代替某些审计工作，却是一个相当棘手的问题。由于商业银行储存的业务信息繁多，在非现场审计中不可避免地会与大数据打交道，而数据处理技术就是审计的关键。为了了解大数据在审计中的应用，华中科技大学光学与电子信息学院赴郑州等地”调研创新软件团队的工作模式和管理方法”暑期社会实践队在郑州睿诚金审软件科技有限公司，继续详细研究审计软件在发现风险、构造风险地图等审计工作中的原理和关键技术。

背景知识

什么是大数据？

中国科学院计算技术研究所李国杰院士认为：大数据就是“海量数据” 加“复杂数据类型”。在银行系统中，业务流水、客户、内部人员等信息的数据结构复杂，数量庞大，难于清洗并挖掘出有针对性的可用于审计的数据。是名副其实、难于处理的大数据。

什么是数据清洗？

审计必须从数据出发。因此要从银行客户数据库中要获取到审计软件所需要的数据。由于银行系统数据极度复杂，银监会发布的指引为银行数据结构设计留下了一些空间，因此，各个银行拥有不同的数据结构。从这些不同的数据结构中提取有用的数据，并向银行索要缺省的数据，最后再将其整合为一个结构化的数据模型的过程，叫做数据清洗。

什么是数据挖掘？

数据挖掘或称知识发现，指从大量数据中挖掘出隐含的、先前未知但潜在的有用信息和模式的一个工程化和系统化的过程。具体而言，在审计软件的开发中，对大量银行数据进行数据挖掘工作，得到某项风险发生时相关数据的特征，最后根据特征结果构造审计模型，达到预警风险的目的。

什么是审计模型？

利用数据挖掘的结果或者审计人员的审计经验，选择审计观察的数据变量，构造有一定的逻辑语句，再设定好参数的，可以供计算机计算出风险结果的一套流程。它是非现场审计的关键，一般来说属于商业机密。

我们非常好奇审计系统是如何发现银行的各项业务中存在的风险的，于是开始了审计系统原理的研究。经过王老师的指点，我们首先分析了审计要找出的对象：风险。一般的风险分为以下几种：内部欺诈风险（Internal Fraud）、外部欺诈风险（External Fraud）；客户、产品与商业行为风险（Clients, Product & business Practices ）、执行交割和流程管理风险、经营中断和系统错误风险、雇员行为与工作场所管理风险、物理资产破坏风险。

有风险就有需求，根据风险，可以提出审计系统需要解决什么问题。首先，审计系统要能够整合好风险的有关信息，其次，审计系统需要识别出潜在的风险，需要将历史风险整合起来，便于软件开发者做数据挖掘和模型构造等后续开发工作。同时为了给决策者提供意见，审计系统还需要给出可视化的审计报表，即风险地图。风险地图内容要有风险的等级、影响这些内容。这就要求审计软件系统是一个功能的综合体。

审计软件首先将来自于商业银行的数据迁移至专用的审计数据库内。此过程需要用到数据迁移技术。数据迁移技术并不是简单地将数据复制粘贴，它包含了数据清洗、数据装载以及数据转换的复杂过程。审计软件系统通过ELT架构的ETL工具实现数据的动态迁移，即定期甚至实时迁移数据以供分析。首先对于银行各业务数据库数据进行数据抽取并加载至目标数据库，然后在目标数据库进行数据的转换，通过查询，替换残缺数据以及格式错误数据等手段确保数据有效、完整且格式规范。最后对数据进行校验，控制数据质量。

根据这些数据，审计系统可以针对某一项业务流水进行特定风险的分析。软件首先调取这个业务这一风险的审计模型，再按照模型的要求调用所需的数据，再用模型中的逻辑来运算，和模型中预设的参数进行比较，最后给出一个有关风险的判断结果。

审计模型是这个系统的核心部分，要构造模型，必须用到数据挖掘技术。通过这项技术可以发现发生各种风险发生时的数据变动情况，哪些数据会过大，哪些数据偏小，哪些数据没有等等，当挖掘到这些数据特征以后，审计人员就可以根据结果和经验来设计审计模型，最后达到让计算机代替人工进行审计的目的。

经过我们认真学习和王老师的教导下，我们逐渐弄清楚了审计软件系统是如何工作的。在惊叹这种巧妙设计的同时，我们也更加敬佩王老师丰富的专业知识和严谨的学术作风了。王老师说，审计信息化很久以前就有了，很多大数据技术也不是近几年才出现的，王老师刚入这一行的时候，他就已经在做关于大数据的内容了。这种技术的应用在金融行业及其广泛，而且远不限于审计这一块。如果以后有兴趣的话，我们甚至可以跟着王老师去具体学习数据挖掘的方法。

从这次实践活动中，我们也发现在学科交叉的地方，需要复合型人才。在实践中，既懂金融、又懂计算机的人少之又少。这告诉我们，在学校的学习中，不要拘泥于自身的专业，应该多多学习专业以外的内容，甚至是学习看起来与本专业毫不相关的知识。书到用时方恨少，储备知识没有坏处，毕业后会对什么工作感兴趣，什么时候又要用上这些知识，谁知道呢？