2022-12-21 20:19 浏览量:843
加快审计系统应用和建设
审计系统建设是发展大数据审计的基础,也是审计人员充分挖掘自身业务能力的关键。
审计系统一般包括分析平台、监控平台、作业平台和支持平台等功能模块。通过搭建审计系统,实现数据分析、审计作业和审计管理功能的有效贯通。
审计系统的应用架构设计应该考虑组织内部三道线在数据、模型、工具、流程和成果方面的共享,构建三道线联防联控的企业级审计平台。
同时,要考虑多法人架构,满足组织内部母子公司资源共享和未来审计能力对外输出的需要。
建立统筹联动大数据审计组织机制和数据认责
在开展大数据审计的过程中,力求加强统筹,整合资源,协同作战,实现审计全覆盖“一盘棋”,提升审计的整体性、宏观性与建设性。
审计过程中要明确上下级审计机关的衔接机制、数据报送机制、重点问题共同商讨机制,以及审计人员与专业人员配备机制等,并确定审计涉及数据的业务部门认责,明确数据的权威来源。
在审计项目中审计人员与数据分析人员要做好协调工作,明确审计过程中的沟通机制与问题反馈机制,确保数据分析人员能够深入参与审计的各个环节。
充分发挥技术人员的优势,实现数据分析与审计业务的深度融合,共同完成大数据审计工作。
加强数字化审计人才培养
通过大数据审计平台的建设和应用,产生了海量的审计数据资源,需要审计人员有分析和处理数据资源的能力。
在大数据审计背景下,审计人员既需要掌握传统审计理论方法的基础,又要掌握数据分析技术,具有信息化思维,此外还要通过不断的实践、创新,更新自身的知识体系。因此,人才培养是大数据审计技术发展的最强大动力。
建立分层级的新审计组织团队,逐步加大具有数据分析能力和业务背景的复合型人才的占比。
通过加大培训力度,完善培训体系,改善培训方式,加快知识更新,拓宽审计人员知识体系,提升审计人员大数据思维以及数据分析能力,加强人才保障和管理,建立一支科技能力突出、数据思维能力强、业务精通、“多专多能”的审计科技队伍,推动审计团队转型升级。
持续推进数据质量提升
将数据建设作为大数据审计的基础工作,持续加强各类数据的获取、治理和应用。
一是建立健全数据归集机制,推进审计数据采集、集成、维护线上化和规范化,实现审计数据资源归集常态化;
二是构建数据标准体系,针对原始数据涉及种类繁多、口径不一的问题,制定数据标准规范,通过标准自动化工具,实现事前落标,确保审计数据标准化;
三是推进审计数据平台建设,坚持“以用促建”原则,在全面梳理审计应用场景及组织内外数据的基础上,构建“数据全,响应快,安全高,扩展强"的审计数据基础平台,加强数据治理能力;
四是持续提升数据质量,制定数据质量管理机制,加强数据源头采集规范化,推进日常数据质量检测和改进,建设企业级数据质量问题解决平台,实现数据质量问题全面发现、及时登记,集中分发,流程化处理,全程监控,全程留痕,效果统计,绩效考核,确保数据质量持续稳步提升。
来源:大数据架构师
编辑:DAMA中国