|
众所周知数据分析是大数据审计的核心，是推进跨层级、跨专业、跨领域审计项目和审计资源统筹的重要方法。做好数据分析工作，是增强审计能力，提高审计质量，降低审计风险，实现审计“ 治已病，防未病”功能的重要基础。 如何做好大数据审计中的数据分析工作？开课吧 完善数据分析准则，规范数据分析行为。数据分析准则是开展数据分析活动的指导性文件。审计人员在统一的数据分析准则框架下开展审计活动，有利于大数据审计的协同开展。 数据分析准则应该从两个方面完善： 一是准则应能够提供专业而具体的技术文档，对技术特点、使用方式及应用范畴作出说明，指导审计人员根据审计目标，在不同的审计阶段选择适当的技术方法开展数据分析。 二是准则要对审计机关数据分析活动的组织作出有效的指导，帮助审计人员根据不同的审计目标、审计项目制定审计方案，把握数据分析重点。 目前，审计署计算机中心已完成了审计数据采集标准的建设，世界审计组织大数据工作组正在组织世界最高审计机关开展数据分析指南的编写，该指南侧重于大数据审计活动的组织管理，为审计人员做好数据分析工作提供良好的基础。 如何做好大数据审计中的数据分析工作？开课吧 探索数据分析方法，推进数据分析新技术应用。大数据审计以数据分析技术为核心，包含了查询分析，统计分析，多维分析，挖掘分析等多种分析技术。 随着大数据审计的广泛开展，传统的数据分析方法与工具已难以高效处理新环境下的海量、多源、异构数据，而以Python为代表的分析工具日趋完善，在Python的集成开发环境（IDE）中有大量优秀的开发工具包，其胶水语言的特性能够将这些工具包无缝衔接，为审计人员提供可视化分析、趋势预测、自然语言处理等优秀分析工具。 此外数据分析工作还将会与云计算、分布式计算、区块链等先进技术深度融合，以技术优势提升审计效率。审计人员必须对新技术呈开放的态度，做好技术的创新与积累，并提升与数据分析专业人员的合作能力，能够在数据分析的框架内准确地表述出审计需求，为新技术的开发与引入创造条件，积极推动新技术的落地与应用。 如何做好大数据审计中的数据分析工作？开课吧 统筹数据分析资源，提升数据分析运算能力。数据分析运算能力的提升主要从两个层面来统筹。 一是算力，服务器的部署情况往往决定了数据分析的运算能力，作为基础运算设备的服务器购置成本较高且更新换代较快，审计机关要对审计业务量、数据分析量作出评估，衡量算力需求与设备更新成本，做到业务量与运算能力相匹配。此外，还要充分利用云计算与本地运算能力，协同完成算力迭代，既保证数据分析效率，又不浪费计算能力。 二是算法，成熟的算法应以独立封装或者开放应用程序接口的形式共享，审计人员应对优秀审计成果加以充分利用，并在实践中结合具体业务不断补充与完善审计模型。值得注意的是，新的模型与算法必然会存在技术不稳定的可能性，为降低审计风险，审计人员应对新算法多加验证，既要保证效果，又要保证稳定适用。 构建数据分析平台，提高数据分析工作效能。随着审计全覆盖的深入开展，面对复杂的数据环境，审计人员需要统一、高度集成的大数据审计分析平台以满足各种场景下的审计需求。 保障数据分析安全，降低数据分析系统风险。随着大数据审计的广泛开展，审计技术体系不断升级，数据采集量极速膨胀，数据分析过程中的不可控因素日益增多，如何保障数据分析活动的安全成为审计机关面临的一项重要课题。 |
|
|
