導語：微探財產保險業中的內部審計一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

一、財產保險公司內部審計人員面臨的問題

業務的迅猛發展，為保險公司積累了大量的經營管理數據，這同時也給內部審計人員帶來了極大挑戰，具體表現為：一是基礎數據量超大，審計人員在數以千萬計的數據庫記錄中陷入茫然，在浩瀚的經營數據中很難找出對內部審計人員有價值的信息，猶如大海撈針；二是保險公司的業務流程、管理規定和操作實務不斷更新，各項管控規定不斷出臺，新的違規問題變得越發隱蔽，審計人員對如此快速的變革往往不能與時俱進，既有的審計經驗往往顯得力不從心。KPMG（1998）調查發現，超過1/3的舞弊事件是在偶然的情況下被發現的，只有4％的舞弊事件是由獨立審計人員發現的；三是簡單的數據庫查詢語句，無法從龐大復雜的數據庫中進行深層次剖析，不能發掘更多的審計線索，所得出的審計結論缺乏深度和廣度，為規避自身審計風險埋下隱患；四是數據處理技術為違規者提供了更加隱蔽的違規手段，舞弊者可以通過數據修改的方式偽造數據，以假亂真，審計人員如何識別出被篡改的數據是個難題；五是對同一對象審計，由于審計方法、審計角度的不同，不同審計人員可能會得出完全不同的審計結論，問題定型不一，審計知識的“不對稱性”無法保障審計質量；六是由于數據量的激增，垃圾數據、異常數據時有發生，如何將這些數據剔除，不干擾審計人員的審計思路，科學合理地安排審計工作，將精力投入到真正的審計問題上去，值得思考。

二、審計領域對數據挖掘技術的探討

簡單地說，數據挖掘指的是從大量的、不完全的、有噪聲的、模糊的、隨機的應用數據中提取出隱藏的、不為人知的卻潛在有用的信息和知識的過程，是一個從數據中汲取潛在有用的、先前未知的和最終可理解的知識的過程。數據挖掘通常與計算機科學有關，并通過統計、在線分析處理、情報檢索、機器學習、專家系統和模式識別等諸多方法來實現上述目標。數據挖掘技術的應用非常廣泛，我國學者也做了一些將數據挖掘技術應用到審計領域的研究工作。易仁萍、王昊等（2003）探討了審計框架下的數據挖掘技術的應用，提出了利用數據挖掘技術對原始審計數據進行初步的數據清洗并進行挖掘，形成可疑數據，為審計活動提供必要支撐。胡榮和陳月昆（2004）提出了關聯分析和聚類分析這兩種常用數據挖掘技術在審計中的具體實踐。陳丹萍（2009）在《數據挖掘技術在現代審計中的運用研究》中提出數據挖掘審計的基本路徑包括數據的采集、預處理、發現規律、發現異常和提出處理建議等環節；數據挖掘審計主要通過離群點挖掘、孤立點檢測等七種方法獲取有效證據；數據挖掘技術在審計中的應用步驟包括評估被審計單位、內控制度的符合性測試和實質性測試審計三個方面。

三、數據挖掘技術

在財產保險內審領域的應用數據挖掘技術可實現的目的很多，在此僅列舉目前對財產保險公司內部審計工作最有幫助的幾個方面，主要有：（一）統計分析。首先根據已有的審計經驗，確定出固定的審計模型，然后將該模型運用到被審計單位的對象數據庫上，對審計區間內的業務數據進行分類，借以實現對保險經營管理行為的分類和預測。（二）聚類分析。它是把被審計單位的業務數據按照相似性歸成若干類別，使得同一類別的個體之間的差異盡可能地小，而不同類別的個體間的差異盡可能地大，從而找出偏離主類別的業務數據。（三）關聯分析。通過利用關聯規則，從被審計單位數據庫的記錄中抽取頻繁出現的模式，找出隱藏在數據間的潛在關系，抽取出事項A和事項B出現的頻率和相關性，從而通過對A對象的分析達到對B對象分析的目的。具體實施流程如下：1、需求提出階段。根據特定的審計目標和審計內容要求，將審計問題進行描述和表達，并將審計問題轉化為數據挖掘問題，然后轉化成數據庫語言，編寫提數語句。2、數據清洗階段。明確數據來源，熟悉數據結構，從被審計單位數據庫中選擇適用于數據挖掘的數據源，在充分了解數據質量的情況下，運用數據庫中表與表之間的勾稽關系，剔除垃圾數據和異常數據，對源數據進行轉換和清理，做到基礎數據的可靠性和完整性。3、數據挖掘階段。針對所要發現審計問題的類別，確定采用的挖掘操作類型，如統計分析類型、聚類分析類型、關聯分析類型等，設計或選擇出有效的數據挖掘算法，形成特定的數學分析模型并加以實現。數據挖掘階段是核心階段，可能一種類型不適合，需要選取另一種類型，也可能同時需要幾個不同類型的數據模型進行分析，此時可能會出現反復現象。4、評估階段。根據已掌握的審計證據，對挖掘結果進行解釋和評估，測試與評價所發現的審計結論，對審計結論進行一致性、效用性處理。由于模型的建立是一個迭代循環過程，因此可利用反饋機制，利用已有的模型不斷地建模、分析，直到能夠得出充分、正確的審計結論為止。5、階段。根據審計人員的審計目的，對所獲得的審計結論進行組織，并以審計人員能夠使用的方式呈現，從而使審計人員能在審計數據分析工作中運用所發現的審計結論。上述各步驟不是一蹴而就的，各步驟均可能需要反復進行，這取決于每個階段的結果和接下來將要實施的階段或者一個階段的具體任務。

四、實際審計工作中的具體案例

隨著保險市場競爭的加劇，不規范業務行為時有發生。下面結合筆者工作實際，對數據挖掘在保險公司內部審計上的具體應用進行案例分析。審計需求：查找出經營機構違規列支會議費、招待費問題。此問題如果按照常規手段，通過調閱財務憑證的方式，人工來發現問題，幾乎很難實現。如果將此問題轉化成數據挖掘問題，對一個地市級（或者省級）分公司下轄各分支機構的會議費、招待費財務數據進行分析，就可以快速地查出違規機構。具體步驟如下：（一）需求提出階段。本案例的需求為查出違規列支會議費、招待費問題。鑒于基層經營單位有可能同時在會議費、招待費兩個科目之間來回列支費用，故此需求可以細化為3個小需求，既違規列支會議費需求、違規列支招待費需求、違規列支會議費和招待費需求。（二）數據清洗階段。首先剔除掉費用金額字段值為空、字段值超大或超小、收付日期過早或過遠的垃圾數據、測試數據、異常數據，然后選擇恰當的收付區間作為審計區間，選好基礎數據。（三）數據挖掘階段。由于此問題要解決的是違規列支費用問題，也就是要提取出來屬于超額列支的那部分費用，因此要掌握公司正常經營管理下的費用列支狀況。然而，每個基層公司的經營管理狀況并不相同，單純從自身的角度去縱向比較，科學性難以保證。因此，要掌握同一市公司（或省公司）下的各個經營機構的實際狀況，狀況趨同的視為合理情形，偏離大多數的視為疑似對象。根據上述分析，擬采取聚類分析的數據挖掘方法，即以某市所有經營機構為審計樣本，以每個月為一個審計區間，用所有經營機構的相關費用總和除以保費金額，得出系統內費用與保費的平均比例，再分別計算出所有經營機構自身列支相關費用的金額與自身保費金額的比例，再將這些比例和系統平均比例按序排列，遠離系統平均值且大于系統平均值的對象，確定為疑似對象。機構3和機構10的會議費比例明顯超出系統平均水平，因此將兩者作為疑似對象。（四）評估階段。根據步驟（三）數據挖掘階段取得的初步性結論，結合被審計單位業務經營實際狀況做出進一步的判斷。若初步判斷審計結論合理，可與被審計單位進行確認。若被審計單位提供了合理的解釋說明，則要進一步修改聚類分析模型，加入必要的參考因子，比如業務類型、市場環境等加權因子，重新迭代計算，再次得出審計結論。（五）階段。根據上述數據挖掘模型取得的成果，將此模型運用到所有轄區單位，繪制出轄區單位違規列支會議費、招待費的全景預警圖，供日后審計使用。

作者：陳寶趙海冰郭新尹會巖單位：中國人民財產保險股份有限公司沈陽監察稽核中心