商业2.0 市场经济
96
光触媒仿真花
商业银行内部审计数字化转型的挑战与应对彭 茸
甲醇制氢
(江西裕民银行 江西南昌 330000)
摘要：本文立足商业银行内部审计数字化转型的需要，指出了数字化转型面临的挑战，并对如何实现数字化转型提出了应对策略。关键词：商业银行；内部审计；数字化转型
近年来，数字经济高速发展，经济社会生活的方方面面都发
生了巨大的变化，在推动经济增长、优化资源配置等方面发挥了积极的作用。不少商业银行已开启数字化转型，以客户体验为中心，通过对数据资源的整合利用，不仅可以实现精准营销，充分挖掘客户需求，提升金融服务的深度和官渡，还有助于财务管理、资本管理、风险管理和考核机制的优化。在商业银行内部审计中，数据赋能为提高内部审计工作有效性提供了更为广阔的空间，促使内部审计实现由“事后检查”到“事中预警”的转型，更好地发挥内部审计的咨询、评价职能，实现对银行业务进行全面监控，为银行经营决策和内控管理提供改进建议。 一、数字化转型对非现场审计的应用升级
目前，部分商业银行的内部审计已建设了“非现场审计系统”，该类系统一般实现以下需求：一是标准化审计工作流程，通过工作流程工具订制规范审计工作的开展流程与审批流程，标准化各审计项目的检查内容与检查方法；二是实现数据采集自动化，通过建立一个审计操作系统专用的数据集市，通过ETL工具进一步采集、传输、清洗、转换、加载及存储；三是实现预警查证智能化，将案例与违规的业务特征总结形成风险规则模型，通过审计工具对后台大量数据进行筛选计算，及时预警风险、及时核查处理。非现场审计系统通过与银行相关的经营管理信息系统、数据仓库等建立简单的审计数据接口，建立了审计数据集市层，存储、记录和分析系统中用户产生的业务和操作数据，通过基于数据库管理的结构化数据查询技术实现定向筛查异常交易，快速锁定可疑对象，为现场审计抽样和发现疑点问题提供思路和数据来源。
然而，在大数据时代，银行的数据更具有数量大、种类多、变化快的特征，现有的非现场审计处理分析的是“被加工后”的“二次数据”，数据查询分析对象基本局限在结构化数据，通过采集过往数据仅能进行合规性、存在错弊的“事后式”检查与评价。同时，部分查证和预警模型会逐渐具备高特征性，成为被审计单位可以刻意规避的情形，数据处理、分析技术和效果将捉襟见肘。因此，商业银行内部审计要在大数据时代有效发挥内部控制和风险管理第三道防线的职能，需有效发挥大数据审计的优势，加快大数据与内审工作的融合，更好地发挥审计预警和评价职能，进一步提升内审价值和质量。近年来，
国内外审计业界尝试应用统计分析、智能分析等数据分析工具和预测模型，为审计人员开展数据分析工作、有的放矢深入查问题带来了崭新的思路。联合签名
二、数字化转型面临的挑战
（一）审计工作思维有待转变
商业银行审计人员在开展非现场审计时，往往按照时间、归属单位、业务类型等维度对数据进行分段查询，或者按照一定特征抽取部分样本数据进行分析，只对被审计单位的信息数据进行部分查询。同时，由于审计数据库存储资源不充足，数据管理机制和手段不完善等问题，内部审计进行的数据分析是局部和过后数据，无疑对于日益频繁和复杂的经营管理活动的真实性与合法性的确认显得力不从心，这极有可能造成一些重大舞弊行为被忽略从而造成重大的审计风险，也很难对被审计单位全面的业务经营活动起到鉴证和评价作用。在数据爆炸时代，商业银行对内部审计的期望和重视不断提升，为达到“全方位、全覆盖”检查的审计目标，大数据的冲击使得审计方式从事后审计向连续审计的转变成为可能，因此，审计人员审计思维转变迫在眉睫。车载mp3驱动>搜票网
（二）数据获取难度较大
玻璃杯设备大数据是指海量的、复杂的、难以用现有常规的数据库管理技术和工具提取、存储、搜索、共享、分
析和处理的数据集合。商业银行是产生大数据的传统行业，随着各类业务渠道的拓展，线上线下业务的融合以及开放银行场景金融的不断突破，商业银行数据更加凸显出海量性( Volume) 、多样性( Variety) 、价值密度低( Value) 和高速性( Velocity) 的四 V 特征，其中占绝大多数的是非结构化数据，包括网页、日志文件、搜索索引、社网络、email、电话记录、电子影像文档等多种类型数据。数据集合中，10%-20%是结构化的数据，80%-90%是非结构化数据。商业银行内部审计获取、处理和分析的数据基本上是数据仓库和管理信息系统采集的数据，各系统间基础数据还不够统一规范，尚存在“数据打架”的问题，底层数据质量不高、不够规范。同时，由于商业银行底层数据架构尚未重构，受科技、资源投入等因素影响，缺乏高效的数据分析接口，数据来源得不到有效满足，在未构建审计大数据云平台的情况下，内部数据生产、采集的多为结构化数据，外部数据还需采用网络爬取等方式采集，大部分商业银行内部审计不具备获取全面、规范、完整、及时的业务数据和风险数据的科技能力。
（三）数据分析工具比较单一
