摘要:大数据时代的发展为各行各业提供了新的工作方式,为了更好应用大数据相关技术手段,数据挖掘成为比较基本的一环,确保数据挖掘技术可以得到较好创新发展,本文分析了大数据挖掘技术在电力审计风险防范中的应用研究。
关键词:大数据挖掘技术;电力审计;风险防范中;应用研究
随着云计算、物联网等技术的快速发展和广泛应用,各个行业的数据都呈现出一种爆炸式的状态,而且这些数据不仅包含的内容更加广泛,同时规模也逐渐增大。大数据主要是指涉及人和物等的网络及非网络数据的集合。大数据技术的应用影响着企业内部的审计工作。在实际的审计工作中,在大量的数据中找寻审计的新思路很关键。
一、大数据和数据挖掘技术概述
1.大数据概述。大数据时代是当前互联网信息技术发展的重要趋势,有研究表明当前互联网数据量正在逐年递增,“大数据”特点越来越凸显。大数据时代的发展主要表现出了以下几个方面的基本特征:大量化,主要就是指数据信息的量相对比较大,其一般涉及到了应用对象的所有数据信息,完整性比较明显;多样性,大数据时代的发展还表现出了数据信息的多样化趋势,其涉及到的数据信息类型众多,并且数据信息的表现形式同样也多样,尤其是非结构化数据,在当前的占比越来越高;快速化,当前大数据时代的发展和应用还表现出了较为明显的高速要求,虽然其需要处理的数据信息量较大,也相对比较繁杂,但是却同样也面临着较高的速度要求,需要具备较强的应用实效性。
2.数据挖掘技术。数据挖掘技术作为一种新型的数据处理方式,在当前大数据时代发展下表现出了极强的作用价值,其可以较好实现大量繁杂数据的有效分析,从中提取一些有用的高质量数据,如此也就能够适应于质量密度较低的数据集处理。从数据挖掘技术的具体应用中来看,其表现出了明显的循环往复特点,能够对于数据信息进行高效利用,结合不同的数据应用需求进行有针对性地处理,最终可以取得理想效益。随着当前人工智能技术的发展,数据挖掘技术同样也呈现出了较多新的应用特点,尤其是神经网络以及遗传算法的应用,更是体现出了较强的实际效益,在很多领域都得到了理想运用。数据挖掘技术的应用能够较好作用于关系数据库、文本数据源、时态数据库、数据仓库以及异质数据库等多种对象。
二、大数据挖掘算法在电力审计风险防范中的例证
为贯彻落实中央推广清洁取暖、助力生态环境保护的重要政策精神,过去五年公司投入上百亿资金大力推动配电网改造、煤改电等民生工程项目的实施。内部审计为保障公司重大项目安全稳定落地,全程对重大民生项目资金开展相关审计。通过分析重大民生项目的资金构成,发现近50%的资金用于购置物资并产生大量结余,资金风险隐患巨大。基于此,内部审计将工程物资的全流程风险防范作为民生项目的审计重点。
1.关注工程物资管理风险。在物资采购及配送阶段,物资需求、采购、配送等环节均通过SAP系统线上操作完成,线下根据采购清单比照收货,物资管理单位全流程监控。在物资结算阶段,工程现场实际使用物资结算清单必须经公司项目管理单位、施工单位、监理单位、设备运行单位四方签字确认,设备运行单位才能将现场使用的设备投运至PMS2.0系统(设备运维精益管理系统),从而保证系统中的电网拓扑结构与实际情况一致,更好地维护电网安全稳定,进而保证工程物资结算的准确性。在结余物资退库环节,由于各属地供电公司物资仓库容纳空间的限制,大量结余物资线下不能实际退回实体库,只能寄存于其他非注册仓库。
根据物资管理单位要求的库存物资线上线下账实必须一致的管理规定,线上SAP系统对结余物资并不进行退库操作,导致各属地供电公司物资中心管理人员无法掌握本单位实际结余物资存量台账,大量结余物资游离于物资监控体系之外,不能总体评估结余物资存量给公司运营管理带来的风险。
2.分析工程结余物资去向。(1)数据来源。线上物资的需求提报、审核、收发货、结算、利库等业务操作均在SAP系统内完成,所以与此问题相关的数据源为结构化系统数据,来自于SAP系统数据。(2)结余物资去向系统分析。工程结余物资线下由于仓储容量限制以及物资管理单位要求的库存物资账实一致性的管理规定,线上并不做退回注册库操作。伴随着产生结余物资的工程项目进行结决算并关闭,为保证物资结算的准确性,结余物资线上必须退出原项目,在不能退回注册库的前提下,SAP系统中只能不停寄存于其他在建工程。在建工程中的所有物资必然包含全量的工程结余物资,因此,如何在在建工程所有物资中过滤出全量的工程结余物资是数据挖掘审计模型构建的重中之重。在建工程的所有物资由两部分组成:藏匿的结余物资和工程实际使用的物资。(3)结余物资总量获取。首先确定结余物资在SAP中的唯一去向是在建工程,再通过筛查在建工程中所有物资明细,综合分析物资的库龄、物资类型、冲转次数、移库次数等因素,计算出物资的库龄和流转项目数并将其设立为两个考核指标,建立藏匿物资识别模型。通过聚类算法计算欧式距离内的物资库龄长且流转项目数多的物资明细,即藏匿的结余物资的数量和明细,进而总体评估结余物资风险。
3.构建数据挖掘模型。(1)构建模型总体思路。模型目标是获取藏匿于在建工程的物资数量及金额;审计对象为16个属地公司、电科院、信通公司、检修分公司;主要约束条件是计算在建工程物资库龄和项目的流转次数,再通过聚类算法获取物资库龄和项目流转次数的物资明细的交集;数据来源于SAP系统。
(2)审计模型实施路径。在SAP系统中统计公司当前所有在建工程项目,根据已在建工程项目编码获取项目消耗的所有物料、批次,根据物料、批次统计分析是否有冲销物资,根据批次、实际消耗物资数量查询供应商的交货日期,以实际消耗物资、批次的交货日期与当前日期按月统计分析在建工程物资库龄,通过聚类算法计算得到欧式距离内的物资库龄较长物资明细;根据统计的在建工程实际消耗物料、批次判断是否为协议库存物资。
4.大数据审计模型的评估。相较于传统审计模式,基于聚类分析方法的藏匿物资审计模型具备如下优势:一是促进审计效能大幅提升。对16家单位的全样本审计,揭示了藏匿物资问题的总体情况,审计出隐匿于在建工程中的工程剩余物资金额7亿多元,首次全口径梳理出公司范围内的剩余物资总量,避免了抽样审计风险,提高了审计结果的准确性,极大提升了审计监督效能。从根源上梳理问题成因,研究解决措施,审计结果直接成为领导决策的重要依据。二是服务业务管理渐趋规范。之前由于物资仓库仓储容量限制,物资管理部门为保证注册仓库仓储物资账物一致,不允许项目管理部门的结余物资退库,导致项目结余物资游离于现有物资监管体系之外。此次审计曝光藏匿物资问题后,直接促使物资管理部门改变业务管理思路,专门为非注册库的实物在SAP系统中开辟一个专属线上仓库,将全部结余物资纳入线上物资管理体系,线下根据物资清单加强物资出入库管控,消除物资非正常消耗隐患,降低了国有资产流失风险,彰显了内部审计在公司治理体系中的监督作用。
我国大数据审计工作还处在摸索和相对不成熟的阶段,因此虽然大数据给企业开展审计工作带来很大的积极影响,但是审计工作存在的风险也是不能忽略的。在大数据广泛应用于审计工作的倾向下,虽然存在很多缺陷和不足,但是这些问题不是一朝一夕就可以避免和解决的。
参考文献:
[1]张建.大数据技术在企业内部审计中的应用[J].电子技术与软件工程,2018(01):149.