方智

[摘要]本文在梳理大數(shù)據(jù)統(tǒng)計(jì)分析概念的基礎(chǔ)上，以A商業(yè)銀行小微企業(yè)信貸為例，結(jié)合內(nèi)部審計(jì)項(xiàng)目目標(biāo)，基于大數(shù)據(jù)平臺搜集數(shù)據(jù)，構(gòu)建研究指標(biāo)體系，運(yùn)用多種統(tǒng)計(jì)分析方法，充分體現(xiàn)大數(shù)據(jù)統(tǒng)計(jì)分析在商業(yè)銀行內(nèi)部審計(jì)中的應(yīng)用效果，并提出提升大數(shù)據(jù)分析平臺質(zhì)量、加強(qiáng)大數(shù)據(jù)統(tǒng)計(jì)分析應(yīng)用和加快復(fù)合型人才培養(yǎng)等建議。

[關(guān)鍵詞]大數(shù)據(jù) ? ?統(tǒng)計(jì)分析 ? ?方法 ? ?商業(yè)銀行 ? ?內(nèi)部審計(jì)

數(shù)據(jù)技術(shù)的快速發(fā)展帶動了各行業(yè)、各機(jī)構(gòu)

的快速發(fā)展，基于大數(shù)據(jù)的分析方法也隨之在各領(lǐng)域得到應(yīng)用。同樣，大數(shù)據(jù)技術(shù)對內(nèi)部審計(jì)的環(huán)境、流程、方法和質(zhì)量產(chǎn)生了重要影響和變化，傳統(tǒng)的審計(jì)技術(shù)方法正逐漸被大數(shù)據(jù)等新信息技術(shù)的應(yīng)用所替代。商業(yè)銀行是金融領(lǐng)域改革的前沿，大數(shù)據(jù)等新信息技術(shù)浪潮正在加速促進(jìn)商業(yè)銀行的發(fā)展，商業(yè)銀行快速發(fā)展成果體現(xiàn)為大量數(shù)據(jù)，大數(shù)據(jù)不僅是數(shù)據(jù)量“大”，還需要得到合理、充分的應(yīng)用?；诖髷?shù)據(jù)的統(tǒng)計(jì)分析如何在商業(yè)銀行內(nèi)部審計(jì)中得到恰當(dāng)?shù)膽?yīng)用，如何利用統(tǒng)計(jì)分析方法充分挖掘大數(shù)據(jù)的價(jià)值，得出隱藏在數(shù)據(jù)背后的重要結(jié)論，是當(dāng)前商業(yè)銀行內(nèi)部審計(jì)應(yīng)著重考慮的內(nèi)容。

一、大數(shù)據(jù)統(tǒng)計(jì)分析概述

（一）搭建大數(shù)據(jù)分析平臺

大數(shù)據(jù)等新信息技術(shù)帶來各行各業(yè)的改革發(fā)展，充分利用大數(shù)據(jù)技術(shù)的前提是搭建大數(shù)據(jù)分析平臺。以商業(yè)銀行為例，大數(shù)據(jù)分析平臺應(yīng)綜合外部監(jiān)管、業(yè)務(wù)發(fā)展、效益、考核等方面的數(shù)據(jù)，根據(jù)實(shí)際情況不斷完整、豐富、更新數(shù)據(jù)內(nèi)容。大數(shù)據(jù)采集是進(jìn)行統(tǒng)計(jì)分析的重要前提，也是最初環(huán)節(jié)，數(shù)據(jù)的完整性是保障內(nèi)部審計(jì)項(xiàng)目順利開展的前提條件，構(gòu)建大數(shù)據(jù)分析平臺，才能避免非現(xiàn)場審計(jì)時需要搜集大量數(shù)據(jù)而導(dǎo)致工作效率下降。

（二）利用大數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析

利用大數(shù)據(jù)分析平臺采集到的海量數(shù)據(jù)，結(jié)合內(nèi)部審計(jì)項(xiàng)目工作目標(biāo)和任務(wù)，構(gòu)建非現(xiàn)場數(shù)據(jù)分析指標(biāo)體系，運(yùn)用已嵌入大數(shù)據(jù)分析平臺中的統(tǒng)計(jì)分析模型進(jìn)行分析。如大數(shù)據(jù)分析平臺中現(xiàn)有的統(tǒng)計(jì)分析模型難以滿足非現(xiàn)場審計(jì)需求，則應(yīng)導(dǎo)出分析指標(biāo)數(shù)據(jù)并進(jìn)行備份，利用STATA、R、SPSS、MATLAB等統(tǒng)計(jì)軟件進(jìn)行分析。首先，需做好數(shù)據(jù)的預(yù)處理，使導(dǎo)出的數(shù)據(jù)信息轉(zhuǎn)化為結(jié)構(gòu)化數(shù)據(jù);其次，根據(jù)構(gòu)建的指標(biāo)體系建立統(tǒng)計(jì)分析模型，利用統(tǒng)計(jì)分析軟件對預(yù)處理的數(shù)據(jù)進(jìn)行分析;最后，根據(jù)統(tǒng)計(jì)分析軟件運(yùn)行的結(jié)果，圍繞審計(jì)目標(biāo)形成有價(jià)值的分析結(jié)果。

（三）充分利用大數(shù)據(jù)統(tǒng)計(jì)分析結(jié)果

為確保大數(shù)據(jù)統(tǒng)計(jì)分析在內(nèi)部審計(jì)項(xiàng)目中得到良好運(yùn)用，體現(xiàn)其分析結(jié)果的價(jià)值，提升審計(jì)效能，應(yīng)充分利用大數(shù)據(jù)統(tǒng)計(jì)分析得到審計(jì)目標(biāo)的發(fā)展趨勢、分布狀況、綜合評價(jià)、成因和異常數(shù)據(jù)信息等，以大數(shù)據(jù)分析結(jié)果指導(dǎo)現(xiàn)場審計(jì)工作，從而整體提升內(nèi)部審計(jì)工作成效。

二、統(tǒng)計(jì)分析方法及其應(yīng)用

以A商業(yè)銀行基于信貸擔(dān)保模式的小微企業(yè)信貸創(chuàng)新效果評價(jià)審計(jì)調(diào)查項(xiàng)目為例，審計(jì)A商業(yè)銀行是否有效履行了社會責(zé)任，是否有效提升了A商業(yè)銀行的信貸收入。依托A商業(yè)銀行的大數(shù)據(jù)分析平臺，運(yùn)用描述性統(tǒng)計(jì)、關(guān)聯(lián)分析、效率評價(jià)、回歸分析等統(tǒng)計(jì)分析方法，探析大數(shù)據(jù)統(tǒng)計(jì)分析方法在商業(yè)銀行內(nèi)部審計(jì)中的應(yīng)用。

（一）構(gòu)建研究指標(biāo)體系

商業(yè)銀行擔(dān)保結(jié)構(gòu)由抵押、質(zhì)押、保證金、信用和保證五種擔(dān)保模式構(gòu)成，根據(jù)內(nèi)部審計(jì)項(xiàng)目工作目標(biāo)，綜合、客觀評價(jià)A銀行基于擔(dān)保模式的小微企業(yè)信貸創(chuàng)新效果，分析影響其信貸利息收入的因素。構(gòu)建基于擔(dān)保模式的小微企業(yè)信貸投入產(chǎn)出指標(biāo)體系，根據(jù)投入產(chǎn)出效率評價(jià)統(tǒng)計(jì)分析模型，將反映銀行盈利能力高低的信貸利息收入作為評價(jià)信貸效率的產(chǎn)出變量。選用的投入指標(biāo)主要有：從業(yè)人數(shù)反映商業(yè)銀行對小微企業(yè)信貸規(guī)模的人力投入，開辦機(jī)構(gòu)數(shù)反映商業(yè)銀行的營業(yè)設(shè)施和業(yè)務(wù)開辦機(jī)構(gòu)數(shù)量上的投入，信貸的放款量、收回量與核銷額均會影響商業(yè)銀行的貸款利息收入，將貸款利息收入作為產(chǎn)出指標(biāo)。投入產(chǎn)出評價(jià)指標(biāo)體系如表1所示。

（二）描述性統(tǒng)計(jì)法

在大數(shù)據(jù)統(tǒng)計(jì)分析中，描述性統(tǒng)計(jì)是最為常用的一種方法，以平均值、最小值、最大值、標(biāo)準(zhǔn)差等數(shù)據(jù)分析結(jié)果，反映大數(shù)據(jù)的分布狀況和集中趨勢。內(nèi)部審計(jì)人員根據(jù)描述性統(tǒng)計(jì)分析的結(jié)果，可初步了解審計(jì)目標(biāo)的特征。在A商業(yè)銀行大數(shù)據(jù)分析平臺中，梳理出2007—2018年的327，942條小微企業(yè)客戶明細(xì)數(shù)據(jù)。其中，缺失關(guān)鍵指標(biāo)數(shù)據(jù)為5794條，有效數(shù)據(jù)為322，148條，并對缺失關(guān)鍵指標(biāo)數(shù)據(jù)進(jìn)行刪除，運(yùn)用R軟件，得出被審計(jì)單位的描述性統(tǒng)計(jì)結(jié)果，如表2所示。為滿足后續(xù)大數(shù)據(jù)統(tǒng)計(jì)分析模型的研究需要及對該商業(yè)銀行經(jīng)營數(shù)據(jù)進(jìn)行保密要求，文中對26個指標(biāo)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)初步整理及標(biāo)準(zhǔn)化預(yù)處理。其中，因變量為信貸利息收入（Y），自變量為不良貸款核銷（U）、業(yè)務(wù)發(fā)展（L）、業(yè)務(wù)收回（R）、開辦機(jī)構(gòu)數(shù)（K）、從業(yè)人數(shù)（J）5個影響因素，擔(dān)保模式為抵押（dy）、質(zhì)押（zy）、保證（bz）、保證金（bzj）、信用（xy）5種。

（三）關(guān)聯(lián)性分析法

在商業(yè)銀行內(nèi)部審計(jì)中，對大數(shù)據(jù)進(jìn)行關(guān)聯(lián)性統(tǒng)計(jì)分析是較基本的分析方法，能夠探索各指標(biāo)數(shù)據(jù)間的相互關(guān)系。從指標(biāo)間的共線性角度來體現(xiàn)其關(guān)聯(lián)度，能夠更好地發(fā)現(xiàn)評價(jià)指標(biāo)體系中可能存在的異常指標(biāo)值，借此對具體審計(jì)項(xiàng)目的價(jià)值進(jìn)行優(yōu)化，避免因關(guān)聯(lián)度高導(dǎo)致探索影響因素的回歸分析失真。運(yùn)用R軟件，對抵押擔(dān)保方式核銷額等25個自變量間的共線性進(jìn)行描述，發(fā)現(xiàn)各自變量間均存在高度共線性，最高的是信用擔(dān)保模式的開辦機(jī)構(gòu)數(shù)（K.xy），共線程度高達(dá)111，893.7，最低的是質(zhì)押擔(dān)保模式的收回量（R.zy），共線程度為20.6，具體情況如表3所示。

（四）效率評價(jià)法

效率評價(jià)是對審計(jì)目標(biāo)主體的客觀、綜合性評價(jià)，根據(jù)構(gòu)建的評價(jià)指標(biāo)體系，全面綜合性評價(jià)審計(jì)目標(biāo)主體的效用，并用具體的效率值來體現(xiàn)效用值。效率評價(jià)法是大數(shù)據(jù)統(tǒng)計(jì)分析中常用的分析方法，評價(jià)效率常用的方法有參數(shù)和非參數(shù)兩種。

本文選擇能夠?qū)γ姘鍞?shù)據(jù)進(jìn)行分析研究的Malmquist-DEA模型，整體評價(jià)各擔(dān)保模式的信貸效率變遷。當(dāng)效率水平M>1時，表示生產(chǎn)率呈增長趨勢;反之則呈下降趨勢。運(yùn)用MAXDEA軟件和Malmqiust-DEA效率評價(jià)方法，將A商業(yè)銀行貸款利息收入作為產(chǎn)出，將經(jīng)辦客戶經(jīng)理數(shù)量、開辦機(jī)構(gòu)數(shù)、不良貸款核銷額、貸款放款量、貸款收回量作為投入，測算出該銀行小微企業(yè)信貸整體效率及其各擔(dān)保模式的信貸效率變動指數(shù)，如表4所示。

由表4可知，2007—2018年，A商業(yè)銀行小微企業(yè)信貸整體的Malmquist變動指數(shù)均值為1.71，說明樣本期內(nèi)A商業(yè)銀行小微企業(yè)信貸整體效率較高，處于長期增長趨勢。其中，除2018年A商業(yè)銀行小微企業(yè)信貸整體效率的Malmquist變動指數(shù)值小于1外，2007—2017年Malmquist變動指數(shù)值均大于1，并于2014年至2015年間達(dá)到最高值10.74。

從擔(dān)保模式看，各擔(dān)保模式的小微企業(yè)信貸效率Malmquist指數(shù)變化呈現(xiàn)如下特征：一是抵押、質(zhì)押、保證、保證金和信用擔(dān)保模式的Malmquist變動指數(shù)平均值均大于1，分別為1.14、1.53、1.34、1.49、1.96，均處于增長趨勢;二是只有信用擔(dān)保模式的Malmquist變動指數(shù)平均值高于信貸整體效率，為1.96，高出整體效率平均值0.25;三是各擔(dān)保模式的Malmquist變動指數(shù)值于2014—2015年期間達(dá)到最高值，2017年至今，變動指數(shù)值開始下降，處于增長速度減緩趨勢;四是傳統(tǒng)意義上的“抵押+保證”擔(dān)保模式的Malmquist變動指數(shù)平均值均小于質(zhì)押、保證金和信用擔(dān)保模式的指數(shù)變動值，各擔(dān)保模式的Malmquist變動指數(shù)平均值大小依次是信用（1.96）、質(zhì)押（1.53）、保證金（1.49）、保證（1.34）和抵押（1.14）。

（五）回歸分析法

經(jīng)過大數(shù)據(jù)描述性統(tǒng)計(jì)分析、關(guān)聯(lián)分析、效率評價(jià)模型分析得出審計(jì)目標(biāo)的客觀情況后，通過回歸分析法能夠較好地探析影響審計(jì)目標(biāo)的主要因素，有針對性地提出審計(jì)建議，才能更好地提升內(nèi)部審計(jì)效果，促進(jìn)商業(yè)銀行穩(wěn)健發(fā)展。為提高回歸分析模型的精確性，避免多重共線性問題帶來的模型失真風(fēng)險(xiǎn)，運(yùn)用Tibshirani（1996）提出的一種有偏估計(jì)算法Lasso對變量進(jìn)行分析，能夠有效解決多重共線性問題。同時，為提高模型分析高維數(shù)據(jù)的效率，運(yùn)用Efron（2004）提出的LAR高效變量選擇方法，有效解決Lasso計(jì)算效率不高的問題。

為了更詳盡地分析影響信貸效率的因素效應(yīng)，避免上文分析的多重共線性問題對回歸擬合效果的影響，運(yùn)用R軟件和LARS-Lasso方法對樣本數(shù)據(jù)進(jìn)行回歸擬合分析，得出回歸模型系數(shù)如表5所示。

根據(jù)大數(shù)據(jù)LARS-Lasso回歸模型分析結(jié)果，得出如下非現(xiàn)場審計(jì)發(fā)現(xiàn)：一是質(zhì)押、保證金和信用擔(dān)保模式對貸款利息收入產(chǎn)生一定的正影響。LARS-Lasso回歸分析模型結(jié)果顯示，從業(yè)人數(shù)和放款量是影響貸款利息收入的主要因素。其中，質(zhì)押、保證金和信用擔(dān)保模式對貸款利息收入均產(chǎn)生一定的正影響，從業(yè)人數(shù)中的質(zhì)押、保證金和信用擔(dān)保模式的模型系數(shù)值分別為0.184、0.1009、0.0483，放款量中的保證金和信用擔(dān)保模式的模型系數(shù)值分別為0.8775、0.1609。二是放款量指標(biāo)對小微企業(yè)貸款利息收入的影響力較大。從LARS-Lasso回歸分析模型的各自變量系數(shù)來看，放款量項(xiàng)下的兩個擔(dān)保模式的模型系數(shù)值均高于從業(yè)人數(shù)項(xiàng)下的擔(dān)保模式模型系數(shù)值，最高的是保證金擔(dān)保模式放款量（sL.bzj）系數(shù)值0.8775。

三、促進(jìn)商業(yè)銀行內(nèi)部審計(jì)大數(shù)據(jù)統(tǒng)計(jì)分析應(yīng)用的建議

審計(jì)人員將統(tǒng)計(jì)分析應(yīng)用到大數(shù)據(jù)等新信息技術(shù)中，可在短時間內(nèi)分析出被審計(jì)單位的異常點(diǎn)，客觀地進(jìn)行綜合性評價(jià)并找出影響因素，快速、精準(zhǔn)、高效地發(fā)現(xiàn)被審計(jì)單位的問題并集中力量攻破，可有效提升非現(xiàn)場審計(jì)工作效率和效果，充分利用大數(shù)據(jù)的價(jià)值，展現(xiàn)隱藏在數(shù)據(jù)背后真實(shí)的結(jié)論。在應(yīng)用大數(shù)據(jù)統(tǒng)計(jì)分析過程中，同樣存在大數(shù)據(jù)信息不完整、不全面，統(tǒng)計(jì)分析能力不足，統(tǒng)計(jì)分析應(yīng)用著陸點(diǎn)少等難點(diǎn)。為促進(jìn)大數(shù)據(jù)統(tǒng)計(jì)分析在內(nèi)部審計(jì)中得到更好的應(yīng)用，提出如下建議。

（一）提升大數(shù)據(jù)分析平臺質(zhì)量

目前，大數(shù)據(jù)已應(yīng)用于金融、互聯(lián)網(wǎng)、商超等領(lǐng)域，一些大型商業(yè)銀行已搭建了大數(shù)據(jù)分析平臺，但部分已搭建平臺的商業(yè)銀行仍然存在數(shù)據(jù)完整性不足、數(shù)據(jù)處理效率慢、內(nèi)嵌統(tǒng)計(jì)分析模型少、數(shù)據(jù)價(jià)值利用低等問題，亟需商業(yè)銀行加大資金投入進(jìn)行研發(fā)完善，提升平臺數(shù)據(jù)及分析質(zhì)量。對于難以獨(dú)自研發(fā)的商業(yè)銀行，可與大數(shù)據(jù)研發(fā)機(jī)構(gòu)或高校進(jìn)行合作，開發(fā)一個內(nèi)部審計(jì)子平臺。

（二）加強(qiáng)大數(shù)據(jù)統(tǒng)計(jì)分析應(yīng)用

由于大數(shù)據(jù)涉及的數(shù)據(jù)量大、統(tǒng)計(jì)分析方法多，應(yīng)在結(jié)合內(nèi)部審計(jì)項(xiàng)目目標(biāo)的基礎(chǔ)上，構(gòu)建研究評價(jià)指標(biāo)體系，從海量數(shù)據(jù)中獲取審計(jì)目標(biāo)數(shù)據(jù)，選擇恰當(dāng)?shù)慕y(tǒng)計(jì)分析方法，除上文提到的描述性統(tǒng)計(jì)分析、關(guān)聯(lián)分析法、效率評價(jià)法和回歸分析法外，還可運(yùn)用聚類分析、因子分析、主成分分析等統(tǒng)計(jì)分析方法，并根據(jù)審計(jì)目標(biāo)數(shù)據(jù)的特性，選擇前沿、適合的統(tǒng)計(jì)分析方法，得出有效的分析結(jié)果。為確保大數(shù)據(jù)統(tǒng)計(jì)分析價(jià)值得到充分利用，應(yīng)對分析結(jié)果進(jìn)行全面、深入的研究，對異常點(diǎn)進(jìn)行驗(yàn)證，以便正確指導(dǎo)現(xiàn)場審計(jì)，發(fā)現(xiàn)被審計(jì)單位的不足和風(fēng)險(xiǎn)點(diǎn)并提出改進(jìn)措施。

（三）加快復(fù)合型人才培養(yǎng)

商業(yè)銀行應(yīng)加快培養(yǎng)內(nèi)部審計(jì)人員的信息技術(shù)能力，一方面，可與高校、互聯(lián)網(wǎng)企業(yè)等科研機(jī)構(gòu)合作，針對內(nèi)部審計(jì)方面的專業(yè)人才開設(shè)一些大數(shù)據(jù)統(tǒng)計(jì)分析技術(shù)培訓(xùn)班，加強(qiáng)內(nèi)部審計(jì)人員的知識學(xué)習(xí);另一方面，基于研發(fā)的大數(shù)據(jù)分析平臺，倡導(dǎo)商業(yè)銀行內(nèi)部審計(jì)人員在非現(xiàn)場審計(jì)時積極應(yīng)用大數(shù)據(jù)平臺，并在獲取數(shù)據(jù)后發(fā)散思維，運(yùn)用統(tǒng)計(jì)分析方法進(jìn)行深入分析，豐富并提高內(nèi)部審計(jì)人員的技能和自身專業(yè)水平，成為既了解大數(shù)據(jù)技術(shù)又了解商業(yè)銀行內(nèi)部審計(jì)知識的復(fù)合型人才。

（作者單位：中國郵政儲蓄銀行審計(jì)局南昌分局，郵政編碼：330013，電子郵箱：anhuifangzhi@126.com）

主要參考文獻(xiàn)

藍(lán)虹，穆爭社.我國農(nóng)村信用社改革績效評價(jià)：基于三階段DEA模型Malmquist指數(shù)分析法[J].金融研究， 2016（6）：159-175

劉星，牛艷芳，唐志豪.關(guān)于推進(jìn)大數(shù)據(jù)審計(jì)工作的幾點(diǎn)思考[J].審計(jì)研究， 2016（5）：3-7

呂尚.當(dāng)前大數(shù)據(jù)環(huán)境下審計(jì)數(shù)據(jù)統(tǒng)計(jì)分析方法[J].南方企業(yè)家， 2018（3）：127

田程濤.大數(shù)據(jù)審計(jì)下統(tǒng)計(jì)分析方法研究[J].會計(jì)之友， 2018（1）：140-145