安存红 高祥晓

数据挖掘技术在商业银行审计的应用问题研究综述

安存红 高祥晓

商业银行是一个高风险的行业，《审计署2008至2012年审计工作发展规划》中就提出了金融审计“以维护安全、防范风险、促进发展为目标，服务国家宏观政策，推动金融改革，维护金融问题，完善金融将，推动建立高效安全的现代金融体系”。先进的数据挖掘技术可以帮助审计人员在商业银行审计中从大量交易数据中挖掘审计重点提高审计效率。

数据挖掘技术；商业银行审计

数据挖掘，英文直译为资料探勘，数据采矿，是指从大量资料中发掘有用的信息或规律，它是数据库知识发现中的一个重要步骤。数据挖掘技术还大量运用统计、情报检索、机器学习和模式识别等诸多方法，通过计算机定义的程序，排除人为干扰，智能化的对各种数据资料进行全面充分的调用分析，从而发现隐藏的关系和模式。在审计中应用数据挖掘技术可以大大提高审计质量，降低审计风险。

商业银行是一个高风险的行业，面对商业银行众多的分支机构和海量数据，审计工作犹如蚍蜉撼大树般渺小，必然会存在应发现而未发现的问题，给审计工作带来巨大风险。另一方面，经济犯罪行为时有发生，且大多表现出错综复杂、内外勾结的犯罪迹象，使得审计工作面临更大的风险。数据挖掘技术适合处理海量数据、适合发现错综复杂的内在关联关系的特点恰好可以解决商业银行审计中所面临的主要问题。

一、较成熟的研究角度及研究结果

(一)数据挖掘技术在商业银行客户关系管理中的应用研究

这类研究中主要解决商业银行客户管理管理中存在的诸如金融服务产品差异小、客户满意度低、流失率高等问题。

运用数据挖掘技术，依据客户的存储、借贷等行为差异，将商业银行的存储户和贷款户进行分类，针对不同群体内的成员需求有针对性的提供不同的金融产品、贷款服务等。

运用数据挖掘技术，将客户群体按照不同的维度细分为不同等级，针对不同等级的客户群体设计不同的营销策略，满足客户群体的需求差异，提高客户满意度。

运用数据挖掘技术，调用流失客户的基础数据和交易数据，挖掘出数据间的类似和关联性，对比出客户流失原因，借以建立诸如客户流失预警系统等。留住已有客户，关注已有客户的消费习惯，在客户有流失迹象时，及时沟通，采取相应措施留住客户。

（二）数据挖掘技术在商业银行风险管理中的应用研究

商业银行的主要业务范围包括吸收公众、企业及机构的存款、发放贷款、票据贴现及一些中间业务等。它是储蓄机构而不是投资机构，商业银行本身就是高风险与高收益的行业，只有妥善处理好承担风险、控制风险管理风险的关系，才能立于不败之地。

为使商业银行的管理层能够及时准确的掌握资产的总额及其分布情况、货币资金的调度情况、信贷资产的分布情况、客户的信用情况等信息，可以使用数据挖掘技术，对信贷资产进行组合风险分析和安全性分析并构建风险计量模型，主要分析内容保括：信用风险、汇率敏感度、流动资金风险、不良贷款等，从样本数据中找出规律和趋势，区分数据类别，找出多因素之间的相关性，对其状态进行描述，达到有效控制风险的目的。

运用数据挖掘技术，收集、分析客户的消费行为、信用等级、背景资料，确定三者之间的关系，建立数据模型，准确计算出不同属性值的客户群所具有的消费能力、还款概率，划分客户类别，进行分类管理。

（三）数据挖掘技术在反洗钱中的应用研究

近年来内地洗钱活动日益增多，洗钱数额与日俱增。《华尔街日报》2012年16日报道，自2011年10月至2012年9月的12个月间，从中国流出的资金约2,250亿美元，这相当于去年中国国内生产总值（GDP）的3%左右。

在洗钱活动中，金融机构客观上成为最主要的渠道之一。在世界各国的反洗钱工作中，澳大利亚的反洗钱机构做得十分出色，澳大利亚反洗钱机构——澳大利亚交易分析与报告中心承担双重角色，自身作为是一家金融情报机构，在具体反洗钱工作中能够把诸如银行交易数据库、联邦或州的犯罪历史数据库等多个数据库的信息集成起来，同时又是一个独立的司法机构，是反洗钱和反恐融资的监管者，与其他执法部门是协作关系，在反洗钱工作中能够运用多种数据挖掘技术进行数据处理，对洗钱犯罪进行监控、取证、防范，其数据处理的结果对反洗钱工作指导性非常强。

运用数据挖掘工具，可以从大量的银行交易数据中找出具有关联交易的金融数据，逐步排查，对交易记录进行描述，需找资金转移中的特殊动态交易，重点关注大额和可疑资金交易数据及其分布情况，对于刑侦部门追踪反洗钱案件具有重大意义。

运用数据挖掘工具，可以模拟、拷贝已往洗钱案例的渠道、环节、资金转移的特征和规律，定义出数据模型，通过对照比较，判断出新交易是否属于“洗钱”交易，同时根据新交易对模型进行动态更新，升级模型以提高对可疑交易判断的命中率。

二、最新的研究进展

文勇在《数据挖掘技术在风险导向审计中的应用》一文中提出数据挖掘式审计在我国尚处于初级阶段，需要开发出新的数据挖掘方法和算法，调高数据挖掘系统的适应性和可维护性，建立健全审计检测风险评价指体系，构建基于XBRL的数据挖掘模型，文中缺乏后续的具体实施。

刘莎、杨会朴在《数据挖掘技术在金融审计中的应用》一文中提出数据挖掘技术在金融审计中的深入应用离不开银行等金融机构信息系统数据结构的标准化，把有效的审计思路转化为计算机语言程序，应使数据挖掘分析方法成为体系，文中没有针对性的提出审计体系构建方法。

陈丹萍在《数据挖掘技术在现代审计中的运用研究》一文中提出了数据挖掘审计法的基本路径和数据挖掘审计的具体步骤，在理论上进行了描述。

以上学者在论著中阐明的观点也正如程丹萍在其文章最后的总结：数据挖掘技术在审计中的应用尚处于起步阶段，它的应用存在局限性，有赖于被审计单位数据质量，数据挖掘技术需要一定的投入，对于审计人员素质要求较高。

三、利用数据挖掘技术构建基于数据仓库的商业银行审计线索发现模型

随着金融行业的快速发展，商业银行不断推出新产品和新服务，自助银行、电子银行等业务方便了客户使用。国有的工、农、中、建四大商业银行实现了三集中，即所有营业网点集中联网、会计账务集中处理、客户基本信息集中管理，建立全国性集中式的计算机数据处理中心和网络系统，数据仓库逐步建立完善。三集中方便了银行的管理工作，也给审计工作带来了机遇与挑战。使用原有的计算机审计模型，面对数据仓库中的海量数据，对于审计线索的发现如同大海捞针般困难。如果能够利用数据挖掘技术则可以利用银行建立的数据仓库，这一有利条件是发展商业银行审计的契机。由此可见利用数据挖掘技术构建基于数据仓库的新型审计模型对于商业银行审计工作尤为重要。

数据挖掘需要面对的是海量数据，因此进行数据采掘一般要花大部分力量在数据准备阶段。通过预先建立审计数据仓库将商业银行原始的交易业务数据库进行收集、归纳、处理，将审计数据仓库独立于原始交易业务数据库，不会增加原始交易业务数据库的调用频率，不会对原始交易业务数据库造成破坏，审计数据仓库源于原始的交易业务数据库，按照审计方法进行预处理，提高审计效率，从而有效地为决策提供实时的信息服务。从这一点上讲，审计数据仓库的建立大大降低了数据挖掘的障碍，能够更好地满足审计的要求，因此，在进行商业银行审计时，应首先构建基于原始交易业务数据库的审计数据仓库，然后再实施数据挖掘技术。在建立商业银行审计线索发现模型时，可以按照以下几个步骤进行：第一步，确定审计目标，提出审计需求。第二步，理解数据挖掘目标，分析基础数据。第三步，建立数据模型，确定分析方法。第四步，实施与反馈。第五步，发布审计发现，进行审计整理，最终完成审计工作。

四、结论

能够将数据挖掘技术的常用分析方法应用在商业银行的审计工作中，构建基于数据仓库的商业银行审计线索发现模型，将隐藏在大型数据库、数据仓库或其他大量信息存储中的规律数据挖掘出来，这种技术是对数据内在和本质的高度提炼和升华，使大量的数据具有了生命力的体现。利用数据挖掘技术构建基于数据仓库的商业银行审计线索发现模型，为完善商业银行审计工作提供理论基础和技术支持。

[1]雷霄霞.社会审计软件作业流程的设计研究[D],广东外语外贸大学,2009年.

[2]曾德胜,彭灿明,陈源,张新林.基于数据挖掘的审计系统研究[J].长春工程学院学报(自然科学版),2011年第1期.

[3]文勇.数据挖掘技术在风险导向审计中的应用[J].财会通讯:综合（上），2013年第5期.

（作者单位：中国地质大学长城学院经济系会计学教研室）

本课题内容为2013年度河北省审计厅重点研究课题，项目审批号：201326。