在大数据时代背景下，医疗保险基金信息化管理已较成熟，医疗保险基金数据呈现数据类型多样、数据量大、专业性强等特点。而传统的医疗保险基金审计，面对海量医疗诊疗、门诊住院结算业务数据，只能抽审部分病例档案，既难以实施全面核查，又难于接触到深层次问题，导致审计存在较大的风险。应用数据挖掘技术开展医保基金审计能提高问题查找的精准度，实施精确打击，找到住院医疗报销业务中的薄弱环节，顺利实现审计目标。

一、审计思路

本文利用数据挖掘技术里面的SPSS Statistics标识异常点模型和SPSS Modeler支持向量机回归算法（即Svm建模）来建立住院单病种病例模型。通过数据挖掘技术，查找明显不符合常规的疑问数据，同时建立预测分析模型，将预测值和实际值差异较大的记录列为疑点；通过建模筛选疑点再进一步审计核查，分析单病种住院情况下是否存在超范围、超比例、超标准支付医疗保险基金的情况，可以大大提高审计效率。

二、数据挖掘技术审计应用实例

（一）运用SPSS Statistics标识异常点模型分析实例

模型概述：SPSS Statistics标识异常点模型可以发现和分析明显偏离数据总体、不符合被审计单位业务规律的异常数据，从而找到对完成审计工作有价值的信息的一种数据挖掘方法。

审计思路：标识异常点模型是从被审计单位海量的财务数据中发掘出少部分的不符合整体规律的或明显存在异常的数据进而进行审计任务的模式。通常来说这种异常的数据通常会比大多数的数据更具有审计价值。……