新闻中心

　　来源：四大新鲜事儿

　　一、背景：多重变革叠加下的内审转型新语境

　　德勤中国曾于2019年发布《智慧审计的七种武器》系列文章，向审计从业者们介绍了七种在内审转型复杂背景下“披荆斩棘”的数字化利器。

　　自文章发布以来，内部审计行业再次经历了国家战略重构、执业准则升级与技术革命爆发的三重变革叠加。

　　这些变革正在深刻重塑内部审计的执业逻辑。

　　1

　　国家战略重构

　　为响应习近平总书记“构建以数据为关键要素的数字经济”的重要指示，我国将“数据要素”首次提升至“新型生产要素”的战略高度。随着国家数据局正式挂牌成立，《“数据要素×”三年行动计划（2024-2026年）》发布等一系列战略举措的推行，实体经济将与数据要素深度结合，无论是业务模式和作业流程都将被重构，以适应数据要素战略的推行。

　　2

　　执业准则升级

　　2025年1月9日，国际内部审计师协会（IIA）新修订的《全球内部审计准则》正式生效，首次将技术应用列为审计治理的"基本条件"，要求首席审计执行官（CAE）必须制定建立数据分析战略，并将数据安全、网络安全等专项审计纳入强制性指引1。

　　3

　　技术革命爆发

　　以生成式AI大模型、多模态数据分析为代表的技术突破，也在重构大量企业员工的工作模式，审计作业流程也不例外。据IDC预测，“到2026年，50%的中国500强企业数据团队将使用AI代理实现数据准备和分析”2，审计工作将变得与“数据分析”和“人工智能”密不可分。

　　在此背景下，内部审计体系面临着从“合规监督者”向“价值创造者”的角色转变，而数据分析作为贯穿审计内审全生命周期的核心技术能力，正成为这场变革中最具落地价值的突破口3。

　　二、转型：数据分析驱动审计效能跃升

　　德勤认为尽管执业环境正在快速变化，技术变革也层出不穷，但数据分析依然是内审数字化转型的底层支柱，是最重要、最有应用价值且最具可操作性的实践方向，其价值随着应用的广度和深度可以体现在三个递进维度：

　　基础价值：帮助内审部门实现传统抽样审计向全量数据分析的范式转换

　　进阶价值：协助决策者构建风险预测与业务洞察的双重能力

　　战略价值：支撑内审职能从“监督者”向“洞察者”进化

　　为完整实现以上价值，内审部门应建立起渗透内审工作全流程的数据分析应用场景。

　　1

　　审计计划阶段：风险靶向锁定

　　数据分析在内审工作计划阶段能够显著提升审计对象和范围选择的针对性与精准性。

　　通过对财务数据、业务流程数据、市场数据等海量数据的多维度分析，审计人员可以构建风险评估模型，精确识别风险靶向。

　　场景示例一

　　某制造型企业审计部通过供应链交易图谱分析、股权关系图谱分析，发现自身20%的供应商存在“围标串标”风险特征，从而将供应商审计的相关资源聚焦于高风险供应商集群，最终使得问题发现率较往年提升3倍。

　　场景示例二

　　某连锁零售型企业审计中心利用内审数据分析平台对门店的销售数据、库存数据、客户流量数据等进行匹配性分析，结合历史销售趋势和市场季节性变化，精准识别可能存在“飞单”、“刷单”风险的门店或产品类别。

　　例如，当发现某门店在特定时间段内销售额异常增长而库存却没有相应减少，或者门店客流量与销售额不匹配等情况，就可能暗示存在舞弊或运营问题。

　　基于这样的分析结果，审计人员可以将该类门店作为重点审计对象，有针对性地制定审计计划，明确审计范围，从而避免了传统审计中盲目或随机选取门店的局限性，大大提高了审计资源的利用效率，确保审计工作能够聚焦于真正可能存在风险的关键领域。

　　2

　　审计抽样阶段：全量数据筛查

　　在传统审计抽样阶段，由于样本量庞大，往往只能进行有限的抽样检查，这可能导致一些潜在问题被遗漏。而数据分析技术能够实现全样本覆盖，极大地提升了审计工作的全面性和有效性。

　　场景示例三

　　某商业银行利用流式计算引擎，对全年4.2亿笔交易实施实时规则扫描，将传统抽样审计仅能达到10%的覆盖率提升至100%，发现异常交易的时间更是从周级压缩至分钟级。

　　场景示例四

　　某大型工厂在生产成本审计中，通过数据分析工具对全年生产过程中的原材料采购数据、生产工时记录、设备维护费用等全量数据进行分析。

　　通过详细分析每一批次原材料的采购价格、供应商信息、采购时间等，对比不同批次之间的差异，可精准找出可能存在异常的采购交易，如价格明显高于市场平均水平的采购、频繁更换供应商的采购等。

　　同时，对生产工时记录进行全量分析，可以发现是否存在工时虚报、工时分配不合理等问题，为后续的现场审计提供线索。这种全样本覆盖的抽样方式，能够更全面地揭示工厂在生产成本控制方面可能存在的问题，协助优化成本管理，提高运营效率。

　　3

　　持续监控阶段：风险态势感知

　　数据分析审计的标准化、远程化、低干预等性质，使得内部审计职能团队能够基于以往的审计程序和数据分析代码建立持续性的监测分析平台，使得审计工作能够从“事后监督”前移至“事前预警”，从而对风险进行预先感知。

　　场景示例五

　　某央企搭建内部审计预警系统，通过对ERP/MRP系统嵌入145个风险指标模型，对采购、生产、销售等环节实施7×24小时审计监控，2024年仅通过提前识别产能过剩风险，就避免损失超2.3亿元，真正实现了从“合规监督者”向“价值创造者”的角色转变。

　　场景示例六

　　某互联网公司内部审计中心构建费用报销智能审计拦截系统，内嵌82个合规规则与37个舞弊特征模型。

　　2024年自动拦截异常报销单占比达68%。

　　图1：数据分析在审计流程中的价值传导链

　　三、架构：现有体系与未来演进并行

　　随着数据分析在内部审计工作中的占比不断提升、应用持续深入，内审职能部门对数据采集、处理、分析、展现能力的“渴望”可谓与日俱增。因此，构建一套独立、专用的技术架构就变得尤为必要。

　　当前，大多数内审职能团队或是依托企业级数据中台、或是构建独立的审计数据仓库，再配合规则引擎实现风险扫描和持续监控，实现审计数据分析工作。

　　这种架构具有技术成熟度高、实施周期短等优势，但也存在数据采集实时性低、高级分析预测能力弱、非结构化数据处理能力差、与业务系统对接交互难等不足。

　　图2：传统数据分析导向的审计技术架构

　　随着生成式AI等颠覆性技术的不断普及，现有技术架构需要从“数据分析平台”向“智能分析中台”演进，包括提升实时数据和非结构化数据的采集分析能力，增加大语言、机器学习等高级分析能力，构建审计风险预警能力等。

　　具体的技术架构演进方向包括：

　　多模态智能数据湖：构建多模态数据存储层，支持文本、图像等非结构化数据处理；

　　AI分析引擎：应用NLP和大模型技术解析合同、邮件、业务单据等文本，同时集成AI推理模型，通过深度思考、长思考等实现异常模式识别；

　　自适应审计模型：通过强化学习动态优化风险预警阈值，利用知识图谱构建企业风险关系网络；

　　实时风险看板：结合流式计算实现风险事件实时监测与预警。

　　内审职能部门在架构升级时应特别注意遵循“渐进式重构”原则，既要勇于突破创新，也要兼顾历史投资保护。

　　德勤实践经验表明，在数字化技术快速迭代的背景下，采用“渐进式重构”模式较“完全推倒重建”模式可降低30%以上的转型成本，同时更易满足审计准则对技术稳定性的要求。

　　四、展望：生成式AI开启审计智能新纪元

　　当DeepSeek掀起的AI海啸撞击经济社会几乎所有领域，一场更深刻的审计变革也正在酝酿。推理长思考模型的出现，无疑为内部审计变革按下了“加速键”，其强大的逻辑思维和推导分析能力，为内审工作带来了全新的可能性。

　　2024年《全球内部审计准则》已明确要求审计团队评估生成式AI的治理框架，而国家数据局推动的"数据要素×"大赛中，已经有多个团队展示了AI自动生成审计底稿、模拟监管问询、审计专业知识问答平台等创新应用。

　　在后续系列文章中，我们将进一步探讨：

　　大模型如何重构审计作业链

　　多模态AI在审计模型中的突破

　　人机协同审计工作台的构建逻辑

　　AI环境下内审部门职能的重构

　　基于GAI架构下的智慧审计技术平台等

　　我们相信，这场始于数据分析的技术变革，终将抵达人工智能审计的彼岸，而唯有先深刻理解“数据要素×审计场景”的化学反应，才能在这条内部审计革新之路中找准方向、把握先机。

　　注：

　　1国际内部审计师协会发布新修订的《全球内部审计准则》，https://www.ciia.com.cn/zz.html/cndetail.html?id=78998

　　2IDC FutureScape：2025年中国数据和分析市场十大预测https://www.idc.com/getdoc.jsp?containerId=prCHC53046125

　　3AI重塑审计：探索人工智能驱动下的行业变革之路，https://www2.deloitte.com/cn/zh/pages/deloitte-analytics/articles/how-ai-is-shaping-the-future-of-auditing.html

　　（转自：四大新鲜事儿）