大数据技术在企业存货管理内部审计中的应用研究

吕乐　钱莉

摘 要：存货是企业最重要的流动资产，传统的存货管理内部审计存在事后追查、难以实现全样本覆盖等问题。大数据辅助审计利用数据分析及建模技术，可以实现对海量业务数据进行精准、实时挖掘，发现企业存货管理的内在规律，从而提升企业的存货管理效率，进行事前预测与事中控制，实现审计全覆盖，使得内部审计从问题发现向价值创造延伸。

关键词：大数据;存货管理;内部审计

中图分类号：F23 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2021.02.043

0 引言

存货作为企业最重要的资产之一，在企业的生产经营中扮演着重要的角色，其管理效率对企业的营业利润产生重大影响，完善的存货内部控制一方面能够合理保证存货的安全完整，另一方面通过对存货的采购、发放等流程的设计、优化以及关键控制点的控制，能够合理地降低存货的成本和风险、提高存货的经营管理效率，保证财务报表信息的真实准确，改善企业的生产经营状况，提高企业的营运能力及盈利能力，促进企业战略的实现。

1 传统内部审计存在的问题

1.1 传统的内部审计通常为事后追查

传统的内部审计流程通常为内审部在年初制定全年的内控评价计划，内审部门按照计划定期或不定期的对企业存货管理内部控制执行情况进行检查，由于检查时间的滞后性，导致存货管理的内部审计仅仅只能在已经发生事故后对其进行事后追查，而无法起到事前预测、事中控制的作用;无法提前预判存货管理存在的风险，只能在实施内部审计后才能发现问题;无法通过内部审计提高经营效率和效果，促进企业发展战略，仅能对资产的安全完整起到一定的威慑作用。

1.2 传统内部审计难以实现全样本覆盖

由于经济的发展，企业规模也越来越大，相应的，存货量也越来越大，传统内部审计难以实现全样本覆盖，当总体很大，而样本较少时，就无法完全保证企业经营管理合法合规以及资产安全完整。如表1所示，当执行控制发生的频率属于一日多次时，计划无偏差情况下，样本选取数量建议仅为25个，即便在计划一个偏差的情况下，样本选取数量建议也仅为40个，如果该控制点发生的频率为每日10000次，40的样本量无法完全保证企业经营管理合法合规以及资产安全完整。除此之外，传统的内部审计是运用审计抽样的方法，用样本推断整体，对于整体的判断依赖于审计抽样的方法，样本可能存在不具有代表性的情况，不全面的数据分析可能对企业的存货管理状况做出错误的判断。

1.3 傳统内部审计数据分析方式落后

传统内部审计是审计人员通过实施询问、观察、检查、重新执行等一系列审计程序，根据被审计单位某控制点执行控制的频率确定样本的选择数量，从总体中抽取相应数量的样本进行检查，很少进行数据分析、即便对企业的数据进行分析，采用的数据分析方也比较落后。传统内部审计的数据分析主要存在两个问题：第一，数据分析方式落后——仅单一的分析企业内部的财务数据或业务数据，未与标杆企业或行业情况实时对比;第二，获取的明细数据不够——财务信息已经有些滞后甚至不完整、未收集企业的外部其他重要的财务及非财务信息;从而无法实现数据钻取分析从而支持生产经营决策。

2 大数据技术在存货管理内部审计中应用

大数据辅助审计利用数据分析及建模技术，可以实现对海量业务数据进行精准、实时挖掘，发现企业存货管理的内在规律，从而提升企业的存货管理效率，进行事前预测，实现审计视角从问题发现向价值创造延伸。

2.1 利用大数据分析实现内部审计事前预测与事中控制

（1）大数据技术使内部审计不再是“信息孤岛”。运用信息技术，实现内部审计平台与财务系统及业务系统的无缝衔接，通过内部审计平台远程操控，利用大数据技术，抓取财务系统及业务系统的数据，并经过大数据进行财务数据与非财务数据的分析，实现问题的远程定位和发现，降低审计成本，简化审计流程，创新审计方式，从业财融合的角度实现内部审计事前预测。

（2）搭建大数据审计平台，无缝衔接各业务系统和财务系统，依托大数据审计平台的全域数据整合功能，实时抓取全域信息进行多维度数据分析，从而实现全业务、全过程、多环节的联网审计。利用大数据的技术优势，实时抓取企业生产经营的各类数据的同时，从各行业数据库等外部渠道采集同行业或可比公司的数据信息，在动态掌握本公司生产运营产生的各种数据的同时进行横纵向对比，进行多维度、多类型的综合分析，提升数字价值挖掘能力，形成在线分析、实时监控预警、动态处理等多维度内部审计防线，从业财融合的角度实现内部审计的事中控制。

2.2 利用大数据技术实现审计全覆盖

随着企业的发展，业务量日益增长，业务数据也呈指数式增长，传统的审计方法已经无法应对此商业环境变化。传统的内部审计，内审人员采用审计抽样的方法，根据被审计单位某控制点执行控制的频率确定样本的选择数量，从总体中抽取相应数量的样本进行检查，当在样本的选择上如果发生偏误或样本与总体数量相差巨大时，就可能导致内部审计风险的发生。大数据技术应用于存货管理内部审计中，通过数据挖掘的手段，实现各业务系统及财务系统的无缝衔接，通过大数据内部审计平台实时掌握业务、财务、行业等各层面的全部数据，通过大数据技术对全量数据进行获取与分析，实现审计全覆盖，从而提升内部审计的效率与质量。

2.3 运用大数据分析及建模技术

2.3.1 存货采购分析

存货采购环节可能存在通过拆分合同规避审批及集中采购，从而实施高价采购的风险。针对以上违规方式可以通过拆解风险，判断存货采购中可能存在的风险及其风险因子，分析风险因子的数据质量情况，通过将系统中记录采购相关字段信息接入至大数据审计平台数据仓库中，梳理风险规则，定义模型逻辑，在大数据审计平台数据仓库编写存储过程将模型逻辑固化。例如采用循环判断的方式，分析合同内容相似性，将某个企业在近一段时间内与同一个供应商签订多个合同内容相似的采购合同进行合并，自动计算合同累计金额，并将合同累计金额与自采限额进行比对，若超过自采限额，则可将此判定风险的逻辑定义为“疑似拆包”，最终，通过将各个逻辑组合形成“采购方式不合理”的审计模型，以实现对于此违规手段的持续监控。

2.3.2 存货管理效率分析

企业可能存在通过拆分合同规避审批，从而选择不当供应商的风险。针对此种违规方式，可以运用大数据分析及建模技术，通过实时分析企业存货的管理效率发现供应商不当选择的问题。

存货是企业最终重要的流动资产之一、也是企业最重要的资产之一，采购存货将占用企业大量流资金，选择合适的供应商，不仅仅可以保证良好的供货质量、低廉的供货价格，同时由于优质供应商有充足的供货能力，也避免了企业断货的风险。充足的供货能力使企业在满足客户要求的基础上，将企业存货的库存量控制在合适的低水平，通过结合企业客户出货量和出货日期来合理选择供应商的供货时间及供货量，以达到最佳存货水平，防止货物库存积压，降低存货的储存成本，从而控制存货的成本;良好的供货质量可以保证产品的生产质量，有助于提升存货的销售速度，降低存货积压的风险，提高存货周转率，优化存货内部控制水平。通过对企业的存货周转率进行纵向年度分析，比较与历史数据是否存在重大偏离;通过与横向行业及可比公司进行大数据对比分析，识别企业存货管理效率是否存在异常，从而实现实时业务监控及分析预测，发现企业存货管理存在的问题及风险点，为企业决策提供数据支撑，实现内部审计的价值创造。

参考文献

[1]董建忠，王眺昕，彭娟.大数据视域下内部审计数字化转型探讨[J].中国内部审计，2019，（3）：67.

[2]朱海红.加强企业存货管理内部控制的策略探讨[J].中国乡镇企业会计，2020，（2）：191-192.

[3]刘英.大数据时代下企业内部审计转型探讨[J].财经界，2019，（17）：224.

作者简介：吕乐（1987-），女，重庆人，硕士，助教，从事财会教学工作;钱莉（1983-），女，重庆人，硕士，讲师，从事财会教学工作。