油田企业大数据审计运用实践

李向敏

[摘要]近年来，大数据分析在审计中的应用越来越广泛，本文以油田企业为例，分析了开展大数据审计面临的挑战、发展的方向，在此基础上提出利用“万物皆联”大数据分析法，深入油田生产经营最前端，探索专业性更强、覆盖面更广的专项审计，堵住影响企业效益增长的风险点，发挥内部审计的预警、实时监控作用，实现真正意义上的大数据审计。

[关键词]内部审计   大数据   专项审计   数据分析

一、大数据背景下油田企业内部审计面临的挑战

随着互联网、云计算、人工智能等信息技术的飞速发展，我国已经大跨步地迈进大数据时代。油田企业也紧跟大数据的浪潮，大力推进信息化建设，积极推行无纸化办公，上线了生产运行、财务、ERP等几十套信息系统，努力实现各种生产资料的电子化、信息化、系统化。

审计部门作为中国石油天然气股份有限公司华北油田分公司（以下简称公司）的内部监督部门，在油田企业信息化转型的背景下，面临着一系列的挑战。一是审计数据信息量庞大。公司勘探、开发、财务、企管、物资等部门均应用了各类信息系统，各系统的数据信息量均达到了TB甚至PB级别，数据量十分庞大。二是信息系统关联性不高。尽管公司各部门均实现了信息系统化，但系统间未建立传输端口，缺少关联性的数据共享平台，审计人员获取信息的途径只能是拿到查询权限，依次登录不同的系统，从前端界面导出数据信息，再由自己通过关键字建立中间表进行数据分析。三是审计线索更加隐蔽。企业的数字化、信息化转型发展，让业务风险和管理问题逐渐隐藏在庞大的数据中，违规违纪的舞弊手段越来越高明，涉及大量的信息技术，审计人员依靠简单的书面资料和单一系统业务数据的因果关系查找问题越来越难，传统的审计经验、方法、模式严重受限，促使审计人员进一步向前端生产作业深入，利用信息技术手段向更加隐蔽的问题迈进。

二、大数据背景下油田企业内部审计的发展方向

面对大数据带来的挑战，审计部门需要驶入信息化转型发展的快车道，加快审计技术手段与各信息系统的融合，提升数据信息处理能力，加强业审融合，改变传统的审计思维模式和工作方法。

一是由传统抽样分析向大数据审计转变。传统审计下，审计的资料多以纸质为主，资料厚重、存储在各地，审计人员在有限的时间、空间和技术条件下仅能采用抽样分析方法进行问题查证，问题的覆盖面、准确性相对较差。大数据有效解决了这一问题，全国各地、各种业务数据均以电子形式存储在信息系统或数据仓库，审计人员从上述平台就可以获取电子数据，利用有效的审计技术手段即可开展大数据审计，查证问题更加精准、更具代表性，实现审计全覆盖。

二是由因果关系审计向万物皆联的相关性审计转变。过去的传统审计过程中，审计人员通常将关注重点放在问题因果关系的分析上。大数据背景下，油田各项生产经营业务都有自己庞大的信息数据库，所有数据信息均有千丝万缕的联系，正是由于这种万物皆联的相关性，能够还原各项业务的发生过程，审计人员可以分析业务运行的合法合规性，利用关联性数据查找问题，从而大大提高审计效率，提升审计问题的准确性。

三、大数据审计运用实践方法

2019年至今，公司积极推广大数据审计，在分析各项业务时，充分利用数据仓库及各类生产信息系统数据，尝试运用“万物皆联”的大数据分析法挖掘数据、发现线索、查找问题，取得一定成果，凸显了大数据技术的强大优势。

（一）关联分析法，揭开拉油运费多支付面纱

关联分析，是指通过利用关联规则可以从操作数据库的所有细节或事务中抽取频繁出现的模式，其目的是挖掘隐藏在数据间的相互关系。

在审计某单位拉油运费的真实性时，对比拉油运费的财务发生额与相关生产部门记录台账的发生额，发现金额一分不差，全部一致。从表面看没有什么问题，但仔细审核费用构成时发现，5个工区的调运台班数量全年各月均相同，各月的产量不同，正常情况下拉运车使用数量不应相同，调运台班的数量却如此一致，引起了审计人员的注意，并运用关联分析法进行查证分析。调运台班数见表1。

1.查证思路。常规的审计思路可能是进一步到工区核实车辆拉油记录，统计核实各月车辆调运情况。但这次审计人员选择跳出常规思路，利用拉油车上安装的GPS系統与该采油厂保卫部门的油水井监控系统进行关联分析。选择这个监控系统作为查证证据，是由于该厂为防止偷油行为，实时监控各油井的生产及拉油车的运输情况，为各拉油车安装了GPS系统。车辆每天从驻地出发，出入井场拉油，到卸油点卸油等工作均全程监控记录，利用车辆每日的行驶记录，即可确定拉油车每天是否回到驻地，实际调运台班数量是否与结算数量一致，查证思路分析见图1。

2.查证方法。首先，梳理5个工区各月拉油车的车牌照及出车天数；其次，利用油水井监控系统，导出各月每辆拉油车每日的行驶记录；最后，利用大数据关联技术，将“日期”“车牌照号”作为关键字进行关联对比分析，最终得出真实调运结果。

3.分析结果。通过监控系统，查证了部分工区拉油调运台班数量不准确的证据。比如，某拉油车，××年××月仅24日、28日2天回到驻地，其余28天均停在卸油点，应按照2天结算调运费，而实际按照30天结算调运费；另一拉油车，××年××月仅10日、13日等8天回到驻地，其余23天均停在卸油点，应按照8天结算调运费，而实际按照27天结算调运费。

据此，利用数据的关联分析法，揭开了拉油运费过多支付的面纱，该单位一年共向某运输公司多付调运费近70万元。审计结束后，多结算款项已全部追回。同时，公司相关部门完善了生产运行协调的制度办法，进一步规范了汽车运输规则和费用结算管理。

（二）聚类分析法，暴露“三集中”采购目录管理缺陷

聚类分析是指将物理或抽象对象的集合，分组为由类似的对象组成的多个类的分析过程。

项目进点前，通过对公司近三年的采购订单进行分析发现，“三集中”目录式采购从订单数量和金额上，分别占比55%和58%，剩余近50%的物资均是通过非目录和其他方式进行采购。采购目录的覆盖面仅占全部采购总量的一半，各单位的常用物资数量这么少是否正常，是否存在经常采购的物资未及时被纳入目录管理的情况，对此，审计人员利用聚类分析法进行了查证分析。

1.查证思路。使用聚类分析法，将近三年公司物资采购订单中相同類别的物资进行聚类，分析是否存在连续3年均有大量采购的情况以判断是否应纳入“三集中”采购目录。

2.查证方法。第一步：数据采集。通过数据仓库中的电子采购系统，取得了公司近三年全部物资采购订单数据，数据量多达几十万条。采购订单的数据中详细列出了每笔订单的采购内容、数量、金额、时间、物料编码、物资等级、供应商、采购计划号、采购方式等信息。第二步：数据处理。首先，按照“物料等级”，将一级物资删除，仅留下二级物资；其次，将订单中“采购方式”为“目录采购自动匹配”和通过“公开招标”采购某电商平台的订单删除。第三步：数据聚类分析。首先，利用数据仓库敏捷BI的聚合功能，以采购订单中“物料编码”为聚类关键字，汇总近三年各种物资每年的采购量、金额；其次，将三年数据相互关联，过滤出连续三年均有采购的物资；最后，将采购量过小、其他单位委托采购、下放采购物资等数据删除整理。

3.分析结果。通过分析查证，最终确定存在40余项物资连续三年均有采购，但未纳入“三集中”目录管理，涉及订单上百条。

针对此项问题，主管部门及时启动了集中采购方案的编制工作，按照“成熟一个推进一个”的原则持续完善集中采购目录，发挥集中采购优势，物资价格较往年均有降价，减少了招标次数，降低了运营成本，为公司节约资金几百万元。

（三）多维分析法，揭示防膨作业注入浓度造假事实

多维分析法，是指把一种产品或一种市场，放到一个两维以上的空间坐标上来进行分析。

2022年，在进行专项审计的过程中，发现某单位对×口井进行措施作业，仅20天向井注入某化学药剂160余吨，个别单井每日注入量高达3吨，注入量过大引起了审计人员的关注。

1.查证思路。经询问相关专业人员，化学药剂的注入量是根据日注水量按一定浓度配比计算得出，该单位井场未安装远程数据采集设备，注水量由人工每日抄表测算取得，并及时填写日报，再由相关人员根据日报完善到生产系统中。于是，审计人员从多维度分析入手，将每口井的生产系统数据与日报表数据进行横向对比，将×口井措施作业的数据进行纵向对比，查找数据异常点，寻找审计线索。查证思路分析见图2。

2.查证方法。第一步：数据采集。首先，从生产系统中导出×口井的生产日报，其中包含开关井情况、日配注量、日注水量、油压、套压、泵压及每日注入化学药剂数量等数据信息；其次，向作业区索取×口井的注水日报，获取与系统中同样的数据信息。第二步：数据处理。首先，利用ABBYY软件，将纸质的注水日报转为电子Excel表格；其次，将生产系统、生产日报中各类数据进行分类汇总计算，计算出各单井的平均日配注量、平均日注水量及累计注水量。第三步：数据多维度分析。横向对比×口井作业前后生产系统数据与注水日报中日配注量、日注水量、累计注水量等数据是否一致、开关井情况是否一致；纵向对比×口井作业期间油压、套压、泵压的数据是否合理。

3.分析结果。经核对，发现×口井生产系统日注水量与注水井日报表记录不一致，通过多维度分析，逻辑不通证据摆在被审计单位面前，相关人员终于承认措施作业的注入浓度存在造假情况。

四、大数据分析法应用于专项审计的思考与建议

（一）统筹分析，提高数据信息采集质量

大数据审计模式下，数据是信息的载体，是审计的基础对象，数据信息的真实性、准确性至关重要。没有准确可靠的数据支持，再强大的分析技术都发挥不了作用。因此，在数据采集前，要做好统筹，确定好数据采集方向，尽量贴近生产一线，获取第一手数据；尽量选取不可更改的数据库及报表系统；尽量选取结构化的电子数据，以利于大数据分析，提高审计效率。

（二）勇于创新，加大数据仓库应用力度

目前，集团公司数据仓库建设已进入实际应用阶段，对接的系统数据越来越多，已经深入油气田的一线生产数据。充分利用集团公司提供的数据仓库平台，秉承“万物皆联”思想，以“审计关口前移”为目标，利用不同信息系统的数据构建模型，实现重要的审计领域、核心业务环节审计全覆盖。

（三）多措并举，提升内部审计队伍的技术水平

既懂专业知识又精通计算机技术的复合型人才是大数据审计未来发展不可缺少的中坚力量。审计部门应充分认识到大数据分析法对提升审计问题查证效率的重大意义。积极开展大数据审计知识应用培训，鼓励大家利用业余时间自学数据挖掘技术，不断提高审计队伍的技术水平。工作中，应充分利用数据仓库、Excel软件、Power BI软件、SQL语言等大数据技术开展审计工作，更有效地发挥大数据审计在推动油田公司管理提升中的重要作用。

（作者单位：中国石油天然气股份有限公司华北油田分公司，邮政编码：062552，电子邮箱： hj_lixm@petrochina.com.cn）

主要参考文献

[1]张志恒，成雪娇.大数据环境下基于文本挖掘的审计数据分析框架[J].会计之友， 2017（16）：117-120