摘要：现如今，国家的发展越来越好，人们的生产生活对电力的需求量越来越多。电力工程是一项十分复杂的工程项目，在该项目建设的过程中经常会遇到各种风险，影响到整个项目建设的顺利进行。审计风险是电力工程项目中比较常见的一种风险，为了降低审计部门的审计风险，保证审计效果的合理性，需要电力公司能够根据自身的工程实际营造良好的审计环境，更好地完成电力工程项目的审计工作。
关键词：大数据挖掘技术；电力审计风险防范；应用
引言
分析电力公司的内部审计状况，确定风险因素，制定综合的风险防范措施，提高中国电力公司的运营效率和能力。在新的发展环境下，电力公司可以持续提高服务国家经济建设和社会发展的能力。
1电力公司内部审计状况分析
在中国电力企业内部审计的总体情况下，一些审计工作还不能达到预期效果，开展有效性差，存在形式问题，审计工作没有及时性，未能实现充分的监督、服务、管理作用。审计任务面临的外部和内部环境错综复杂，增加了审计风险。
1.1电力公司的内部审计与传统思想联系在一起
电力公司的内部审计主要是预防性审计，审计的主题和内容主要包括重大政策落实、财务管理、营销管理、工程管理等及相关材料，大部分工作集中在相关部门的表面层面。审计方法基本上是逐个审计会计主题，并使用传统的方法进行审计，该方法仅限于账簿检查。审计效率低，在经济责任审计中，其内容多、范围广，很少注意内部控制审计。传统的审计方法主要是数据收集，审计效率低。近年来，随着ERP系统在电力公司中的推广和应用，诸如财务、营销和物资管理之类的管理和控制系统已一起使用，但是由于这些系统中数据平台的不一致和数据标准的不一致，导致审计技术和方法仍然存在很多问题没有得到有效实施。
1.2内部审计机构缺乏独立性限制了审计工作的有效实施
电力公司成立的审计机构在单位主要负责人的指导下工作，受单位主要负责人的经营绩效不可避免地受到限制。审计过程不可避免地涉及特定部门和个人的利益，并且难以客观、公正、公平和独立地进行评估。使用内部审计管理模型，很难保证内部审计的主要地位和独立性。内部审计部门发布的审计意见必须首先考虑公司的经济利益，并适应公司的整体情况。这会对公司审计的总体客观性产生一定影响，并且无法从外部获得认可。这种非独立的特性已大大降低内部审计师在公司运营和管理中的作用。
1.3应进一步加强内部审计人员的素质提高和结构建设，并建立密集的审计管理制度
内部专职审计人员较少，审计师素质的提高距离公司的发展要求还很远。审计师参差不齐的问题更加突出，一般的企业中很少有经过专业培训和经验丰富的审计师。面对许多审计任务，审计人员较少与单一专业结构之间的矛盾更加明显。审计依然存在执行错误检测和更正的方式，一些公司将重点放在了审计人员是否熟悉财务知识和掌握成本核算的人才上，例如营销、法律、工程、技经、金融等专家人才相对稀缺。
2审计风险的形成原因
相比其他工程项目来说，电力工程项目具有施工难度大，工期长，涉及其他方面比较多，这就使得电力工程中出现很多不确定因素，这些因素可能会对电力工程建设产生审计风险。除了工程建设本身的因素外，社会因素、经济因素、审计自身的因素都可能会出现审计风险。具体来说，审计自身的因素主要包括审计人员的专业水平、职业素质、审计程序、审计方式等方面，社会因素和经济因素主要表现在审计内容的复杂性、会计的工作手段以及经济环境、社会环境等方面。此外，被审计客体的因素主要包括参与工程建设的部门、利润方面等，都可能出现信息失真的情况。上述这些因素都是目前比较常见的电力工程项目审计风险，作为施工单位应该结合自身的工程情况对这些审计影响因素进行深入分析并做好防范措施。审计工作是电力工程建设中十分重要的组成部分。在整个审计的过程中，会出现两种情况，一个就是转嫁给审计部门承担，一个就是出现审计风险延迟。由于这两个情况的存在带给审计工作更多的挑战，电力部门应该加强防范审计风险。
3大数据挖掘技术在审计中的应用
发掘型分析是处理大数据最好的方法之一，是从大数据中寻找隐含数据规律和模式、预测将来趋势和行为的一种数据分析模式，数据挖掘技术是实现发掘型分析的有效手段。数据挖掘技术的核心是数据挖掘算法，该算法往往能找到数据中的非线性关系和因果关系，不同算法应用于不同场景。目前，基于大数据挖掘算法的大数据审计在财政、金融、电信、保险等具有海量数据的行业具有极强的生命力和效能，并逐步在财政审计、工程审计、民生专项资金和社保资金审计等方面扮演重要角色。
3.1主要数据挖掘算法介绍
作为最主要的数据挖掘算法之一，聚类分析法是将所有数据对象划分成各个子集（簇）的过程，目的是使同一簇中的对象尽量相似，不同簇中的对象差别较大。聚类算法属于无监督学习方法，因为所拥有的数据对象没有提供类型标签信息，因此只能通过观察学习，而非示例学习，聚类可发现数据内在的性质和规律，为进一步进行数据分析提供基础。主要的聚类分析方法包括划分方法、层次方法、基于密度的方法、基于网格的方法。
3.2数据挖掘过程
一般来说，数据的挖掘过程包含三个阶段：数据准备及数据预处理、数据挖掘模型的构建、模型的运用及评估。（1）数据准备及数据预处理。将审计问题转化为数据挖掘问题后，需确定与此问题相关的数据源，并将不同数据源中的数据集中到一起，形成原始审计数据。数据预处理阶段，需对数据准备得到的不完整、有“噪声”、不太理想的原始数据进行预处理，主要过程有数据清理、数据集成、数据规约和数据变换。（2）数据挖掘模型的构建。针对审计任务及转换后的数据类型，选择合适的数据挖掘技术，然后再从相应的算法库中选择适当的算法或综合运用多种算法建立数据挖掘模型。建模的过程是一个反复的过程，需通过修改模型参数并根据不同评估方法比较哪个模型对当前的分析最有效。（3）模型的运用及评估。是将经过处理的面向分析的数据输入模型并输出分析结果的过程。在设置好模型参数后，该过程可由计算机自动完成。模型的评估是指对使用该模型完成审计任务的质量作出评价，衡量模型的适用性。
4电力公司内部审计风险的防范措施
4.1预防和控制审计风险的外部因素
完善相关法律法规。当前中国正在完善相关法律法规，同时也需要提高内部审计人员的专业水平和能力，特别是在解决复杂问题时，是否能够充分理解和分析这些问题的产生根源，以及最终必须避免审计风险。面对复杂的审计目标并进行正确充分的准备。中国当前的社会经济发展日益复杂和多样化。因此，在进行审计工作之前，有必要对有关部门进行全面的调查分析。需要进一步分析相关专业的审计问题，以确保实时进行动态审计，并确保工作顺利进行，在出现复杂情况时不会使内部审计人员感到尴尬。
4.2建立承诺责任制
建立承诺责任制度主要是为了确保审计人员不遭受诚信欺诈。承诺责任制度明确以书面形式规定，相关人员获取的数据内容必须完整、真实，并有效地规避风险。可以使用平衡记分卡向员工学习，以向公司财务、客户（内部审计报告阅读者）、内部运营（包括内部审计工作文件，方法和内部审计过程）学习，以建立质量评估体系。内部审计师需要从四个方面进行评估，审计委员会根据评估结果向董事会提交评估报告，以补偿绩效和惩处。
结语
电力工程项目审计风险是客观存在，但对其进行分析，还是可以从几个方面开展风险防范，对风险进行评估并采取正确的评估方法，将审计风险降到最低，才能确保工程项目审计结果的真实性。在实际的建设当中，作为审计人员，要对造价审计中出现的问题形成足够的认识，并在总结经验的前提下，应用针对性的审计防范策略，让企业获得更多的经济效益和社会效益。总之，审计过程中，审计工作人员要积极采取风险防范措施，强化审计监督。
参考文献
[1]龙钢.电力工程项目审计风险分析及防范[J].科技创新与应用，2019，14（25）：217.
[2]周玲.水利工程项目中内部审计风险的防范探析[J].黑龙江科技信息，2019，7（30）：298.