王向阳 席斌 胡璟懿 匡尧 刘云飞

【关键词】 知识图谱; 审计智能专家; 共创价值; 知识共享; 电网企业

【中图分类号】 F239.45  【文献标识码】 A  【文章编号】 1004-5937（2021）14-0140-06

随着大数据时代的发展，审计业务越来越依赖于数据。“审计智能+”整合5G、人工智能与区块链等技术，审计方法朝数据化、智能化和预见性转变和发展，审计业务实现业务数据采集、过程分析到报告生成的全过程自动化。智能审计是信息化环境、大数据时代下审计转型发展的重要技术支撑和典型发展模式，李越冬等[ 1 ]提出智能审计一般采用EDA、数据挖掘、数据可视化等新技术。张鹏[ 2 ]认为应以持续审计为基础构建综合层级持续审计，全面支持审计、管理决策。智能审计成为审计发展的一个主流方向。在中央审计委员会第一次会议上习近平指出，要坚持科技强审，加强审计信息化建设。目前，学术界和实务界普遍关注智能审计范式研究，集中于数据挖掘、过程建模、平台构建和内部审计转型等热点问题，研究独立且较分散，理论和实践经验都不够成熟。

国家电网在《信息通信新技术创新发展行动计划实施意见的通知》（〔2018〕108号）中提出要“开展基于知识图谱的全业务数据建模关键技术研究，在全业务统一数据中心构建业务数据知识图谱”。国网湖北省电力有限公司（简称国网湖北电力）以价值共创为核心，运用知识图谱四个步骤促进审计知识发现、挖掘、融合与共享，打造以“审计五库”为基础的审计智能专家模式，通过用数据说话、用数据分析、用数据聚焦、用数据决策等方式共创五种价值。该模式创新理念凸显，模式设计先进，方法科学可行，实施效果明显。

一、审计智能专家概念的提出

我国智能审计研究从电算化审计到计算机审计，再到信息化审计，全面融入大数据、云计算等新技术，逐步在技术创新、案例应用和行业推广等领域摸索与实践。毕秀玲和陈帅[ 3 ]认为我国要发挥制度、技术和人才等优势，采取升级分区域推进、技术分阶段发展等方法，推进“审计智能+”建设。杨扬[ 4 ]分析了2016—2018年上市公司数据，发现智能技术有助于提升审计质量。徐洪波（2020）设计了智能审计路径并应用于实际工作中，提高了审计工作效率。李军辉（2020）针对财务共享中心费用报销，建立审计智能预警框架，解决了审计数据的采集、知识库以及专家系统的难题。阎玺和李晓华[ 5 ]、李越冬等[ 1 ]研究了智能审计在国家电网、医院以及商业银行的应用现状和发展经验。

审计智能专家，是以审计“实体人”和“虚拟人”虚实合一为主体，人脑+智脑联合助力审计效率，运用“个人技能”+“团队技术”为科技强审手段，以“个人经验”+“机器规则”为审计行为规则，以“知识”为审计对象，“四化”路径强化作业技术能力，四个“智变”强化数据能力，与其他部门共促价值创造。国网湖北电力用数据支撑审计，用信息驱动业务，以国家电网泛在电力物联网为数据载体，基于知識图谱打造审计智能专家。

二、基于知识图谱的审计智能专家模式的设计思路与实施

（一）审计智能专家的模式设计

审计智能专家模式是“一个核心、两类思维、三种角色、四个步骤、五种价值”。具体是以价值共创为“一个核心”，形成“向信息化要资源、向大数据要效率”的“两类思维”，扮演“三种”角色，实现“淘金者”淘数据资产、“聚合者”聚数据资源、“增值者”增数据价值，将无形的数据转化为可感知的价值。如图1所示。

以能源互联网为知识源头，运用知识图谱“四个步骤”推动审计知识的发现、挖掘、融合与共享。一是知识提取。从电网半结构化数据、非结构化数据和第三方结构化数据库中采用实体、关系、事件等方法提取知识要素，形成知识图谱维度。二是知识学习。运用数据整合、深度学习技术描述知识要素之间的关系，结合第三方数据库进行知识合并。三是知识融合。以知识模板为起点，消除指称项与事实对象之间的歧义，通过网络对齐与实体对齐，形成高质量知识库。四是知识推理。通过规则推理、机器学习和质量评估进一步挖掘隐含知识，丰富、扩展知识库，形成“审计五库”，实现数据价值、咨询价值、风控价值、预警价值和团队价值五种价值。

（二）审计智能专家的功能定位

1.定位为电网海量数据的淘金者

审计人员作为“淘金者”收集“海量数据”，淘取“价值数据”，挖掘“数据资产”。（1）收集海量数据。跨业务、跨区域、跨层级，实体提取能源互联网大数据，形成类型繁多、数量巨大的实时数据。（2）淘取价值数据。基于关系提取特征指标，建立数据间逻辑联系，淘取电网生产类、电力经营类数据。（3）挖掘数据资产。基于事件提取、挖掘高价值数据，将无用“数据坟墓”转化为有用“数据资产”。

2.定位为全业务统一数据中心的聚合者

审计人员作为“聚合者”聚合海量数据资产，构建数据中心，开启“数据宝库”。（1）构建数据中心。打破数据孤岛，依托电网数据中心，实现数据多层聚合，即管理层面数据共用，经营层面数据共通，企业层面数据共享，形成全业务范围、全数据类型、全时间维度的大数据融合分析平台。（2）开启数据宝库。汇总分散数据，深度学习以聚合数据价值。知识合并以增强数据资产的业务驱动力，最大化数据应用价值，创造数据附加值，开启高价值数据宝库。

3.定位为能源互联网数据的增值者

审计人员作为“增值者”，全面促进能源互联网数据互联互通、价值互增，提升数据附加值。（1）数据互联。构建知识模板，实现实体链接。横向来看，上游连下游，以数据为源头，以业务为脉络，不同业务部门数据互联共享;纵向来看，以数据中心为核心，向上云端互联，向下物联网数据联结，不同管理层级自治，通过网络对齐和实体对齐，实现数据库互联共享。（2）数据互增。万物互联全方位、大幅度、内涵式提升数据数量、质量、能量，实现三种增值。一是汇总分散数据，增加数据数量，进行机器学习创造数据新价值。二是挖掘数据，借助规则推理提高数据质量，发现数据潜在价值。三是促进双向循环。数据来源于业务，通过质量评估增强数据能量，又反过来激活业务，实现数据反哺价值。

（三）知识图谱模式的四个步骤

知识图谱以全业务统一数据中心为基础，通过机器深度学习，收集、筛选和提炼数据，汇聚知识资源，依据关联逻辑自动构建知识间的关系，形成网状知识结构。国网湖北电力运用知识图谱的知识提取、知识学习、知识融合和知识推理四个步骤，形成数据的筛选网、过滤网、逻辑网和共享网等知识网络，达到数据规范化、业务标准化、管理精益化的目标。如图2所示。

1.知识提取是筛选网

知识提取通过人工智能和数据画像自动提取特征指标筛选电网数据，提升知识运用效率。（1）人工智能识别数据。人工智能技术全天候持续跟踪能源互联网，实现配网管理、运维管理和电网调度等业务数据实时归集，分类入库，例如：异常数据归入审计疑点库。（2）数据画像提炼数据标签。对操作者、产品属性、客户属性、业务特征等数据打标签，录入审计疑点库和审计资料库。（3）“审计五库”分析数据。梳理提炼常见问题的关键字，运用聚类算法降维处理，实现数据资产“分类整合、各归其库”。

2.知识学习是过滤网

知识学习通过吸收有用知识，清理冗余数据，整理有效数据，重建数据关联，提升后续知识挖掘效率。（1）剔除冗余数据。归并分散在电网企业生产、经营过程中的数据，剔除重复性数据，同步上报数据。（2）消除错误关联。共享跨专业、跨部门的数据，排查关联数据，核对交互数据，消除错误关联数据。（3）建立数据关联。二次核查关联模糊的数据，明确数据关联关系，清查隐匿关联数据。

3.知识融合是逻辑网

知识融合是通过知识模板寻找新关联知识点，理清数据间逻辑，推动知识“全面入库”;通过网络对齐和实体对齐，保证知识“精准入库”。（1）制度入库。明晰法律红线，防范制度漏洞，形成规章制度库。（2）资料入库。网罗数据文本，丰富资料储备，形成审计资料库。（3）疑点入库。深扒重点业务，捕捉潜在线索，形成审计疑点库。（4）问题入库。梳理问题核心，狠抓整改效果，形成问题整改库。（5）经验入库。收录优秀案例，规范操作指南，形成审计知识库。

4.知识推理是共享网

知识推理是审计知识的全方位共享，以五库共享知识储备，提升审计知识应用效能。（1）制度库共享明规定。共享整改标准和工作规范，与问题整改库共享，提升问题整改效果;与审计知识库共享，提高知识应用能力。（2）资料库共享提效率。共享业务资料和案例经验，提供审计工作方案，提升审计问题解决效率。（3）疑点库共享降风险。共享审计疑点、工作难点和风险易发点。一是共享审计疑点，促进审计“查”得准;二是共享工作难点，推动工作“做”得易;三是共享风险易发点，保证风险“防”得住，提高审计疑点捕捉效率。（4）问题库共享促整改。共享问题整改全过程，实时跟进、及时会诊，提高审计判断科学性;共享问题销号，把脉整改方案可行性，提升审计建议合理性。（5）知识库共享促联动。共享审计经验，构筑知识成果共享网络，提高审计知识成果利用率。

（四）审计智能专家的价值共创方法

1.共建规章制度知识库，“制度”上升为“知识”，共创数据价值

内审部门借助专家知识经验，以审计问题为导向，建立审计知识图谱。业务部门明晰业务流程，汇总业务规章，共享知识经验。审计智能专家作为“虚拟人”，以语义解析、分词技术为辅助手段，自动收集业务经验、自动归类业务规则以及智能问答业务咨询，形成规章制度知识库，共创数據价值。

2.共建审计资料知识库，“人脑记忆”升级为“智脑存储”，共创咨询价值

内审部门保存项目审计资料和常见问题解决方案，充分共享审计资料。业务部门收录项目资料，按序归类，共享业务信息。审计智能专家作为“虚拟人”，提取审计及项目资料，采取人机交互、人工预判和智能辅助决策，形成审计资料知识库，共创咨询价值。

3.共建审计疑点知识库，“个人经验”提炼为“机器规则”，共创风控价值

内审部门挖掘海量数据，借助个人经验深度分析异常业务，精准预判风险疑点。业务部门参考审计疑点，事前警示，事中纠偏，事后整改。审计智能专家作为“虚拟人”，提炼个人经验，运用规则模型自动收集业务数据，自动发现业务难题，自动诊断业务疑点，自动分析业务问题，形成审计疑点知识库，让风险可控、在控、能控，共创风控价值。

4.共建问题整改知识库，“个人技能”拓展为“团体技术”，共创预警价值

内审部门管理审计和业务活动全过程，建立整改跟踪程序，积累问题整改的案例、经验、模板，防范风险再发生。业务部门配合问题整改，业审联动共同识别业务难点、问题多发点，防范业务再出错。审计智能专家作为“虚拟人”，依据个人技能建立业务规则、风险规则和政策意识，自动规范“实体人”的整改行为，自动关联整改佐证材料，形成问题整改成果再应用，提前防范业务风险，形成问题整改知识库，共创预警价值。

5.共建审计知识库，“实体人”与“虚拟人”互补，共创团队价值

内审人员向数字化审计尖兵、行业审计专家和深度融合专家迈进，全方位培养“精业务、懂审计”的复合型人才和“精审计、懂业务”的审计专家。审计智能专家将个人的记忆、经验、技能提炼为数据存储、机器规则和团体技术，实现“实体人”与“虚拟人”互补，形成审计知识库，共创团队价值。

审计智能专家价值共创的思路如图3。

三、国网湖北电力审计智能专家模式应用

（一）国网湖北电力审计智能专家模式的实施办法

国网湖北电力以“实体人”与“虚拟人”联合强化业务能力和柔性能力，“四化”路径强化作业技术能力，四个“智变”强化数据能力，“虚实联合”共育审计智能专家。

1.增强审计“实体人”的业务能力，培养三类专家

做知识聚合者，培养三类审计专家。聚合行业审计专家的横向视角和深度专家的纵向视角，双向视角预判业务风险点，横纵双向联合查漏点、补缺点、扫盲点。

（1）数字化审计尖兵。做知识淘金者，培养数字化审计尖兵能力。一是以审计为基，以数字化为核，培养大数据挖掘分析能力。二是以知识图谱为线，串联数据资产，培养数据库构建能力。三是化数据为知识，创造数据价值，培养知识图谱运用能力。

（2）行业审计专家。做知识融合者，培养数据库构建和知识图谱运用能力。一是在垂直领域中归类大数据，构建“审计五库”。二是积累经验知识，强化知识图谱，锁定业务风险点，排除业务疑点。

（3）深度融合专家。做知识增值者，培养融汇业务、数字科学和审计知识的深度专家。在横向领域，提升算法性能，促数据科学增值;在纵向领域，实时排查业务疑点、难点、风险点，反推审计遗点、缺点和盲点，促审计与业务增值。

2.培养审计“虚拟人”的柔性能力，打造审计“虚拟团队”

“虚拟个人和团队”聚合柔性能力，虚实联合做增值者。

（1）聚合“虚拟个人”，形成柔性能力。打造专业、智能、灵活的柔性审计个人，横向连接数字审计尖兵，明确职责，调整分工;纵向连接行业审计专家，突破审计与业务的智能数据接口，数据互联互通。

（2）打造“虚拟团队”，形成虚拟智库。打造上下联动、人人互动、专业互补、技能交叉、协同一致的“虚拟团队”，联合审计与业务知识库，聚合跨学科、宽领域的审计知识库。

3.强化技术能力，实施“四化”路径

国网湖北电力主动培养审计智能专家的技术能力，坚持“用数据说话、用数据分析、用数据聚焦、用数据决策”，全方位实现数据采集自动化、分析明晰化、疑点聚焦化、判断智能化。如图4所示。

（1）审计数据采集自动化：用数据说话。审计数据自动化采集全方位、全天候、多角度。1）全方位自动采集。自动采集跨业务、跨流程、跨部门的海量数据，内部数据“一网通”，审计数据“全域通”，拓展审计数据广度。2）全天候自动采集。24小时数据自动采集，数据不离线，加强审计数据深度。3）多角度自动采集。整合多维数据，拓宽审计数据角度，形成数据层次图。

（2）审计数据分析明晰化：用数据分析。随需分析、自动分析、持续深度挖掘审计数据，让数据能用、易用、好用。1）数据随需分析，让数据能用。完善数据预处理，增强数据可理解性，以需求为导向，实现随需分析、随需查询、随需展现和随需发布。2）数据自动分析，让数据易用。数据“一站式”共享，分析程序标准化、辅助决策智能化、计划编制数字化、流程检查规范化，智能分析、自动调配审计资源。3）数据持续可视，让数据好用。进行数据推演、图像处理和视觉开发，提升审计信息可视化，凸显数据直观性。

（3）审计业务疑点聚焦化：用数据聚焦。审计智能专家作为“虚拟人”，横纵交叉聚焦审计疑点、难点、高危点。风险疑点细化到项目，形成横向风险监督网;风险疑点细化到部门和人员，从上到下，信息贯通，形成纵向风险监督链。1）聚焦疑点。风险监测预警模块发现疑点、警示疑点;举报监测模块实时处理、消除业务疑点。2）聚焦难点。聚焦成本核算、工程投资、电费回收等审计难点，动态管控全域、全员、全过程。3）聚焦高危点。自动聚焦风险密集区，智能排查风险多发点，实时关注业务关键点、风险高危点。

（4）审计判断智能化：用数据决策。审计智能专家作为“虚拟人”，实现事前、事中和事后的三种智能化决策。1）事前预判审计风险。关注关键业务，分析风险源头，预先识别风险征兆，及时规避风险高危点，全面提升审计预判准确度。2）事中研判在线答疑。在线解答业务疑难问题，实时更新规章制度知识，全面分享审计案例经验，提升审计疑点、难点研判的智能度。3）事后辅助关键决策。风险及时判断，评估业务质量，完善业务事项确认，辅助提升决策的有效性。

4.强化数据能力，实现四个“智”变

（1）“智”在深挖数据，个人技能拓展为团体技术，充分发挥“筛选网”作用。1）增加可用数据。审计智能专家发挥“实体人”个人技能，作为“淘金者”深度挖掘业务数据，筛选有用审计数据，开发“数据资产”。2）促进数据连接。审计智能专家作为“虚拟人”将“数据孤岛”整合为“数据中心”，促使数据跨部门整合、跨平台透明，实现由壁垒向协同、由分散向集中、由自发向可控转变的目的。

（2）“智”在过滤整合，无序收集转变为有序整合，高效发挥“过滤网”作用。1）丰富数据类型。审计智能专家发挥“实体人”主动性，运用知识图谱结构化数据库“宝藏”，形成“易储存、易查阅、易使用”的结构化数据。2）挖掘数据多面價值。审计智能专家发挥“虚拟人”的技术优势，作为聚合者打破业务壁垒和数据壁垒，开发高价值“数据资产”。

（3）“智”在专业判断，个人经验形成机器规则，充分发挥“逻辑网”作用。1）规则自动判断。审计智能专家作为“虚拟人”运用规则监测业务部门运营情况，实时掌握业务重点、业务疑点及风险频发点，及时研判、及时决策。2）规则辅助决策。审计智能专家作为“实体人”运用机器规则挖掘未知审计线索，提前预警，自动提示业务疑点，智能标记疑点业务，自动警示决策盲点。

（4）“智”在共享知识，人脑记忆升级为智库存储，充分发挥“共享网”作用。1）与智者交互。审计智能专家作为“虚拟人”，挖掘数据分析疑点，预判业务经营隐患，运用知识图谱技术实现数据增值。2）与智库共享。审计智能專家作为“虚拟人”，收集、归类、聚合审计知识形成“审计五库”，提升审计成果知识的应用能力。

（二）国网湖北电力审计智能专家模式的实施效果

1.审计专家虚拟化，虚实联合培养审计智能专家

国网湖北电力以“实体人”“虚拟人”相辅相成，打破了审计成果知识壁垒，“虚实联合”提供知识储备和辅助决策资源，培养了一批审计智能专家。国网湖北电力构建“审计五库”，初步完成知识图谱转换工作。2019年，国网湖北电力启动审计工作知识化工程，收集了国家法律法规、国网通用制度、省公司规章制度，初步完成了规章制度和问题整改库的知识图谱转化工作。

2.知识图谱化，知识库增强审计判断精准性

国网湖北电力建立审计知识的知识图谱，聚合数据仓库，建成经验库、制度库、资料库、疑点库和整改库“审计五库”，让数据能用、易用、好用，促进业务多方向融合，增强审计知识共享性。2018年起，国网湖北电力“全业务统一数据中心”聚合电力大数据，开启电力数据宝库，完成了多个地市公司数据导入、归类、入库工作，形成了地市—分公司—子公司的持续审计监督、日常审计监控、审计监督疑点体系，完成疑点的导入工作。

3.业审联动全面化，实现审计价值共创效果

审计作业智能化实现业务与技术的有机融合，实现智能分析、高效聚合“海量数据”，挖掘“业务数据宝藏”，与业务部门共创数据价值与咨询价值。2019年，国网湖北电力审计智能专家成功识别并控制上百个业务风险点，有效预警了业务环节风险，辅助提出管理建议超过千条，促进增收节支逾十亿元。

本文以数据中心为源头，以“审计五库”为载体，借助“数据采集四化”，基于知识图谱设计了审计智能专家模式，通过国网湖北电力的应用实践充分证明了该模式可行并有效。该模式通过“实体人”与“虚拟人”的结合，强化了业务能力和柔性能力，通过知识图谱强化技术能力，实现数据结构化，为审计智能化提供基础，人脑+智脑大幅度提升了审计工作效率，强化数据能力，实现了“用数据说话、用数据分析、用数据聚焦、用数据决策”的目的。审计智能专家将从审计工作“自动化”转型为“智能化”，实现审计工作知识化，由事后审计向事前、事中审计转变，实现“长链路、长周期”的静态监督向“高灵敏、短平快”的动态监督转变，实现审计监督全覆盖，形成具有中国特色的审计智能专家模式。

【主要参考文献】

[1] 李越冬，轩文爽，洪云.医院智能内部审计方式与技术研究[J].会计之友，2019（23）：130-136.

[2] 张鹏.基于决策支持系统的持续审计问题探讨[J].会计之友，2019（17）：58-61.

[3] 毕秀玲，陈帅.科技新时代下的“审计智能+”建设[J].审计研究，2019（6）：13-21.

[4] 杨扬.人工智能技术对审计质量的影响：基于会计师事务所视角的实证研究[J].技术经济，2020，39（5）：9-17，34.

[5] 阎玺，李晓华.“大云智”等新技术条件下的电网企业智能审计研究与实践[J].中国内部审计，2020（3）：15-21.