隨著計算機信息科技的迅猛發展，大量的銀行業務數據以電子信息形式存儲于銀行的數據庫系統中，為大數據技術在商業銀行審計業務中的應用提供了豐富的素材。然而，商業銀行業務領域具有客戶數眾多、數據量龐大、產品服務個性化、操作處理批量化、未來業務發展不確定性高等特點，如何從浩瀚的審計對象中有效地發現實質性違規與風險是商業銀行審計工作必須攻克的難題。在現有審計人力資源有限的情況下，完全依靠現場審計不現實，銀行需要運用先進的信息科技手段推進非現場審計，以達到業務“全方位、全覆蓋”檢查的審計目標，為此“大數據審計”應運而生。發展大數據審計因此成為了商業銀行審計工作的必然趨勢。

　　商業銀行大數據審計是銀行合規內控的重要技術手段，其主要目標是依托銀行內部數據倉庫、數據集市等大數據綜合平臺，在大量錯綜復雜的銀行業務數據中抽絲剝繭、追根溯源，穿透式地發現隱藏在海量數據背后的業務違規與風險狀況。其核心思想是通過構建一個用以衡量審計對象在審計期內業務數據是否存在異常的標準，從而支持對非現場審計任務的狀態進行標記，必要時觸發預警，為現場審計人員后續有的放矢的深入查找問題所在提供依據。

　　然而，在商業銀行具體內部審計工作中，審計任務門類眾多，審計應用數量龐大，如何構建一套大數據審計應用模式體系，支持對各項審計任務進行有效管理，已經成為了對當下銀行內部審計核心課題之一。本文著重從“衡量標準”入手，探索提出商業銀行大數據審計的“5S”應用模式框架體系，并以國內某商業銀行為例進行大數據審計案例研究，展現在“5S”框架下商業銀行大數據審計應用實踐效果。

　　商業銀行大數據審計應用模式體系

　　在大數據審計工作中，審計人員對存儲于計算機信息系統中以電子數據形式所反映的企業經濟業務進行審查，通過數據分析技術手段把握審計重點，收集審計證據，實現審計目標。其中，最為關鍵的技術點是構建一個用以衡量審計對象在審計期內業務數據是否存在異常的標準，而該標準往往是一種知識模型(Knowledge Model)。通過對國內某商業銀行過往非現場審計任務進行歸納整理，相關知識模型主要分為五類：

　　Specialist Knowledge Model，即基于專家經驗知識的審計模型。該類標準主要依賴審計專家的業務經驗知識，相關模型是基于“業務邏輯驅動”的，尤其在大數據時代到來之前或相關業務領域無法采集到充足的過往數據以支持建模時，開展非現場審計則主要運用該類模型方法形成比照標準;當涉及多名專家共同貢獻經驗知識時，可采用頭腦風暴法、德爾菲法等具體操作方法予以實現;

　　Static Knowledge Model，即基于靜態知識的審計模型。不同于“專家經驗知識模型”，該類標準是純粹基于“數據邏輯驅動”的，通過過往大量數據經驗形成靜態數學公式化模型，模型一旦形成將不再改變，并上升為通用知識定律;該類標準中，經典模型包括Benford定律、二八定律黃金法則等;

　　Statistical Knowledge Model，即基于統計分析的審計模型。該類標準是以“數據邏輯驅動”為主的，同時也涉及一定的“業務邏輯”，通過采集過往相關業務數據，綜合運用概率論、計量方法、假設檢驗等統計分析技術，形成模型化比照標準，相關模型隨輸入數據的變化而發生變化;典型的統計分析方法包括遷徙分析模型、馬爾可夫模型等;

　　Smart Knowledge Model，即基于智能分析的審計模型。該類標準與“統計分析知識模型”相近，但其模型化標準生成方式從以傳統統計技術為主，發展成為以大數據挖掘及機器學習、人工智能技術為主;典型的建模方法包括有監督分類學習、無監督聚類學習、半監督學習、深度學習、自然語言文本挖掘、社交網絡圖挖掘、關聯規則挖掘家族等。

　　Simulation Knowledge Model，即基于仿真模擬的審計模型。該類標準是“數據邏輯驅動”與“業務邏輯驅動”相融合的，可以將其看作為“專家經驗知識模型”在大數據時代的拓展和延伸，其面向某些無法獲取充足過往數據支持智能建模的領域，通過有效的專家業務經驗應用(及形式化驗證)構建準確的業務流程，并通過對業務流程中關鍵節點進行隨機化數據處理，以反復模擬的方式批量產生近似于真實的業務數據，并輔以“統計分析知識模型”或“智能分析知識模型”，生成比照標準;典型的技術方法包括壓力測試、沙盤推演、多元代理模型與模擬等。

　　商業銀行大數據審計應用實踐研究

　　專家經驗知識模型化標準應用實踐

　　“專家經驗知識模型化標準”主要應用于“商業銀行宏觀風險把控”、“以風險為導向的銀行業務審計”等方面。例如，獲取經營機構各時間點的業務和財務數據，分析其當年的業務狀況和發展趨勢，根據以往經驗，快速增長點往往會存在風險管理跟不上業務發展的狀況，如制度不健全、管理手段粗放、重量輕質等問題，故直接憑業務經驗形成比照規則以明確審計重點。具體來看，某些分行小微貸款余額在2012、2013年大幅攀升，根據經驗其中后臺人員數量應按比例有所提升，然而業務數據顯示其中后臺人員數量保持不變甚至減少，與經驗標準存有差異，由此判斷該期間發放的貸款更易隱含風險，事實數據表明相關貸款業務在日后出現了風險集中爆發。

　　更進一步，在以風險為導向的零售業務審計工作中，“預先提出存在風險隱患的業務模式”是該項工作的核心。審計人員通過充分利用銀行內部數據倉庫的現有數據資源，設計了多種經驗數據模型，如客戶基本信息、客戶工商登記信息、資金流水信息、授信評審信息、臺賬信息等共計五大類、二十多種經驗數據模型，有效識別了客戶異常流水交易、零售貸款資金挪用或流入股市、假批量和假小微、飛單、股東分拆授信、多通道授信、貸款資金回流和員工舞弊等多種業務風險。以工商登記信息為例，根據專家經驗，小微客戶無工商登記信息或已全部處于注銷狀態、小微客戶投資房地產/小貸公司/擔保公司/典當等高度敏感行業、小微客戶名下擁有過多不同行業的企業、小微客戶名下企業的注冊資本不符合小微企業特性、小微客戶在多地開辦企業、同一分行多名借款人存在用款主體之外的關聯關系等均可作為業務風險線索。

　　推薦閱讀：《廣西審計》廣西壯族自治區審計廳和廣西審計學會主辦的審計專業刊物。旨在宣傳審計工作的方針政策,總結交流經驗,開展審計理論和審計實務研究,為穩定經濟和深化改革服務。