数据化审计的主要应用领域

数据化审计的应用（一）全面风险评估

确定审计计划时，审计部门可借助数据化审计思维，就哪些机构和业务须纳入重点检查范畴做统筹考量。可根据审计对象的内外部情况，建立评估模型，分析其总体情况和风险分布，进而确定审计事项。此阶段，一般选用聚类和回归等分析方法对审计对象进行预测和分类，降低评价者主观因素对模型评估结果的影响。如采用聚类分析对各对象的信贷风险管理状况进行分层，可从如下四个维度展开： 

1.宏观经济金融维度，包括财政收入、GDP、经济结构、存贷比、贷款规模等； 

2.风险业务及其变化维度，包括关注类和不良贷款规模及增速等； 

3.条线管理维度，包括监察名单客户、条线考核得分等； 

4.检查监督维度，包括重大隐患、一般隐患及内部检查深度等。

数据化审计的应用（二）预警系统性风险 

集群关联企业套贷、个人虚假按揭贷款等问题，当其所涉客户数众多时，极易形成系统性风险。数据化审计可借鉴既往审计发现中单点的、离散的问题表现形式，从客户关系、资金流、业务流等多角度对这些系统性风险进行揭示。如集群关联企业套贷问题，可能表现为：客户关系层面，多个借款人的关键人（如股东、高管、财务人员）存在交叉；资金流层面，多个借款人的贷款流向同一单位或自然人，多个借款人的还贷资金来源于同一单位或自然人；业务担保层面，多个借款人的贷款由同一保证人或抵押人提供增信措施。上述这些表现形式均可通过数据语言进行转化。

数据化审计的应用（三）揭示隐性的、重大的违规舞弊问题 

随着审计检查的频度、深度不断加大，既往审计揭示的一些显性违规可能走向隐性。但数据化审计通过对“隐性”特征进行梳理，可将其再显性化。以客户经理收取管户授信客户给付“顾问费”为例，因知晓自己的账户必然受到审计人员监测，客户经理可能选择现金交易或要求对方将款项转入自己控制的账户。那么，找出被控制账户即成为数据化审计的关键所在。根据既往审计经验，被控制账户一般为非员工账户且具备如下一个或几个特征：网银签约手机号与客户经理相同；短信通签约手机号与客户经理相同；与多名员工发生资金往来，但与特定客户经理往来最频繁。针对上述特征的数据化审计可借助一定的审计模型，提取相关数据进行关联、转化，最终分析锁定被控制账户。

数据化审计的应用（四）揭示跨条线综合类问题 

随着银行业务的不断深入，营运、个金、授信、财务等板块间的界限已越来越模糊，条线间出现风险交叉和交织日趋普遍。对跨条线业务风险的揭示，数据化审计有着天然优势。以分支行要求授信客户购买基金、保险协助完成指标为例，属监管机构明令禁止的“借贷搭售”问题。该问题从业务角度看涉及授信和个金两个条线，但从数据角度看，仅需找出购买基金和保险的客户及其流水、办理授信业务的客户及其流水，从资金流角度验证购买基金和保险的资金源于贷款即可。

数据化审计的应用（五）排查全行性问题 

由于占有全量数据，数据化审计可将在个别被审计单位审计发现的个案问题做全行性排查，揭示出多个被审计单位甚至全行普遍存在的管理缺陷，有利于更好地引起管理层重视，推动主渠道由上至下整改，最大化发挥审计价值。例如，审计人员在对某行某户不良资产进行岗位责任认定时发现，由于保全人员在该笔资产转让给资产管理公司前未对借款人保证金账户/利息和结算账户予以查找和处置，导致资产转让后不得不将上述账户款项合计20余万元交付资产管理公司。因资产转让定价时未考虑这些账户余额情况，客观上加大了资产损失。随后在全行范围内对此问题进行排查，发现有×家分行存在此情况，涉及×个不良贷款户×万元存款。