您好,欢迎来到山东省内部审计师协会!

【内审实务】数字化转型中商业银行内部审计智能化探索与应用

阅读次数:95次 时间:2021-6-2

一、银行数字化转型中发展只能审计的重要性

智能审计是审计发展的高级阶段,历经传统审计、数字化审计的发展和变迁,充分运用大数据、区块链、人工智能、云计算等创新技术和分析方法,能够实现全新的审计作业方式和价值输出。具有“人工智能”的机器,会根据事先设定好的程序模型和智能算法,自动完成疑点数据采集、审计分析、问题核实、报告形成等工作,极大地减少人工成本。同时,通过人工智能技术构建风险热图,实现实时、精准、严密的审计监督,从以人为主的传统审计模式向以依托人工智能技术的机器审计为主转变,降低审计风险,提高审计生产力。就商业银行内部审计工作而言,发展智能审计是跟随时代进步的必然趋势,是推动内部审计工作价值升级的重要方向。

   (一)坚持科技强审,智能审计是审计信息化建设的方向

习近平总书记在中央审计委员会第一次会议上指出,“要坚持科技强审,加强审计信息化建设”。用科技手段引领审计业务发展,用大数据思维贯穿审计全过程,以智能化发展引领审计前行,成为审计工作发展的明确方向。科技强审是实现审计全覆盖不可或缺的手段,是提高审计质效的重要方法。只有坚持科技强审、发展智能审计理念,充分享有新技术带来的革命成果,才能让审计质效实现质的飞跃。

   (二)银行业务数字化转型加速,智能审计是时代发展的要求

在数字化转型背景下,银行的业务发展模式呈现多样化趋势,风险管理要点出现新特征,对内部审计工作提出了新要求。商业银行内部审计活动,逐步从纯粹的线下孤立式审计转为线上预警排查、线下现场检查交互印证的审计模式。如何在时代变化中凸显内部审计价值,智能审计手段的运用在商业银行数字化转型中显得尤为必要。面对不断迭代更新的技术、日益丰富的交易场景以及各具特色的新兴产品,只有采取智能化审计工具和方法,才能以不变应万变。

     (三)网络环境日益复杂,智能审计是推动内部审计高质量发展的举措

随着大数据技术的日益成熟,数据呈现出全面性、海量性、动态性特征。由于数据的复杂性,传统的内部审计作业模式、方式方法面对新的业务模式将受到一定限制。如何利用新手段提高大数据技术应用水平,让大数据更好地服务审计工作,成为内部审计发展的新风向。
智能审计对于数据的分析能力,实现几何式增长。内部审计部门可利用海量数据,以机器学习、深度学习神经网络等技术为基础,根据不同业务模式,设计不同的数据模型,形成审计知识库,智能提取知识库自然语言文本中的客户关键审核要素,结合风险审计业务规则和审计要素间的关联稽查关系,识别出异常点,提示异常虚假信息的风险。

(四)疫情防控常态化,智能审计是保证银行业务稳健经营的需要

2020 年,突如其来的新冠肺炎疫情对我国经济社会发展影响巨大。疫情暴发后,为保证审计报告能够按时出具,拥抱远程审计、引导审计数字化转型成为很多银行的应对之策。智能审计以数据先行的理念,构建精准的风险图谱和审计体系,可根据审计目标和要求,高效、精准地捕捉风险控制要点,极大地减少审计现场停留核查时间,以审计监督实效助力疫情防控工作的顺畅开展。

二、商业银行只能审计的积极探索——以民生银行构建CMI数字化审计系统平台为例

在商业银行数字化转型背景下,各家银行都在对智能审计的运用进行积极探索。民生银行内部审计利用科技审计驱动,引领内部审计数据化与智能化转型,进一步发挥“技术 + 数据”双轮驱动效果。民生银行 CMI 数字化审计系统平台,围绕“场景查证、指标监测、自主建模、智能审计”四位一体的功能方向,对原有审计体系环节进行数字化赋能,不断强化非现场审计系统在持续监督、场景审计、经营机构画像等方面的应用,逐步引领审计思维、审计价值、工作方式方法的改变和转型,形成崭新的内部审计生态。

(一)场景查证——Checking

在传统非现场审计查证页面的基础上,增加机构信息、客户视图、批量基础查询等查证工具,实现对场景和流程的全方位还原,丰富经济责任审计、不良资产核销以及外规内化等日常审计场景的功能建设。一是持续提供便捷的批量查询功能。二是固化不良核销、外规内化等场景化查证。

(二)指标监测——Monitoring
   在非现场审计系统中建立专门的指标监测分析平台,包括“行内现有指标 + 审计关注指标”体系建设,并在此基础上生成审计风险热图,为审计立项提供参考依据,为项目执行提供审计资料。与此同时,通过构建智能模型开展动态监测,完成对经营机构与审计对象的刻画,及时捕捉业务动向、锁定异常事件,并通过报告模板的形式,实现监测报告的自动生成与智能推送。一是构建风险热图识别研判风险。二是构建智能模型开展动态监测。

(三)自主建模——Modeling

在传统的模型探索工具基础上,开放 SQL 等灵活建模工具,便于模型的调整与共享;增设模型标签与组合功能,完成模型的场景化应用,并通过说明书指导模型应用。一是增设模型 SQL 语言编辑工具。二是开发模型的共享功能。三是增设模型标签及认证体系。四是梳理底层数据源及规范使用手册。

(四)智能审计——Intelligence

通过在非现场审计系统中内嵌智能审计工具搭建智能化审计平台,补齐经验型规则模型短板, 探索文本挖掘、情感分析等机器学习算法在审计场景中的应用;将聚类分析、回归分析等成熟算法及Benford 定律等统计规律内嵌至抽样与疑点发掘等审计流程之中。一是采购外部智能审计工具并内嵌。二是智能监管重点预测体系。三是探索数据挖掘技术与审计工作的结合场景。四是将数据分析方法内嵌至审计流程之中。

三、商业银行内部审计智能化发展的展望

(一)结合银行内外部大数据分析结果,实现风险精准把控

目前,银行内部审计人员的数据来源,多为行内业务数据,审计人员通常以行内数据预警为导向,对部分风险预警事项关联外部信息,进行风险预判。智能审计时代的到来,让银行内部审计不仅仅局限于内部信息,运用智能技术,能够实现外部结构化、非结构化数据的采集、清洗、存储、智能排查,建立内部审计人员自己的数据集市,为内审人员打开全新视角,减少内审人员与一线业务人员间的信息不对称,为更客观、更全面地开展审计工作提供新的途径和解决方案。

(二)由静态时点评价向动态持续评价转变,时刻发挥审计监督作用

传统审计人员对于风险和疑点的判断,除来自客观事实的表象外,很大程度上依赖于审计人员的检查经验。智能审计技术的运用使审计工作方式发生了变化。传统的经验判断很多时候固然奏效,但不免带有审计人员的主观情绪,有时会影响对事实的认定。智能审计技术的应用,让机器在一步步的审计检查中,以事实为基础形成特定模型,辅以机器学习技术对模型不断纠偏,实现持续性的监督与评价,从而脱离传统审计仅对时点进行评价。智能审计在时间维度上的持续和充分积累,会让审计人员对风险的认知和评价更为客观、全面,将助力内部审计从传统的事后审计转变为事前风险预警,在尚未发生重大风险时对相关部门和机构做到及时提示,减少损失发生的可能性。

(三)由局部或抽样审计向全面审计发展,实现审计全覆盖

智能审计时代,由于对大数据分析技术的掌控,对于审计对象能够实现全覆盖,从而降低了传统审计带来的抽样风险。同时,审计全覆盖的实现是“应审尽审”要求的体现,对于保障国家及银行重大决策部署的贯彻落实发挥着重要作用。智能时代审计全覆盖实现后,审计人员在工作思维和方式改变的情况下,更多地担任审计对象咨询专家角色,可以全面参与审计及查看相关数据,对审计进度和审计结果随时调看,从单一重复的工作中解放出来,人力成本大幅减少,生产力得到质的改善。

转自:中内协

作者单位:中国民生银行