從數據化審計走向智慧審計
數據化審計是跨學科應用
數據化審計是一個系統過程，也就離不開多學科的知識支持。它不是個單一的學科，而是博大精深，涉及很多門學科的知識。
從“百度學術”的數據看，“數據化審計”的跨學科研究發展迅猛，已深入到工商管理、應用經濟學、信息與通信工程、計算機科學與技術等多個學科，并衍生出多個交叉學科主題?；诎俣葘W術的數據生成數據化審計交叉學科關系圖如下：
從圖中我們可以看到，以數據化審計研究為核心，涉及多個學科，學科跨度很大。圖中點的大小代表了相關聯學科的重要程度。
實施數據化審計的兩種模式
從不同企業、組織或機構的內部審計實踐看，實施數據化審計有兩種模式：一種是檢查和分析分離模式;一種是檢查和分析融合模式。
大多數組織采取的都是檢查和分析分離模式，這種模式下有兩支隊伍：一支專業技術隊伍和一支業務檢查隊伍。
專業技術隊伍由專業技術人員組成的數據處理和分析隊伍，通過探索性分析和任務式分析，提取問題線索或疑點，發送給業務檢查隊伍核查落實。
業務檢查隊伍由業務檢查人員組成，根據專業技術隊伍提供的疑點或線索重點核查，同時向專業技術隊伍提出分析思路或需求。
檢查和分析分離模式的優點是“專業的人做專業的事”。缺點是由于兩支隊伍在時間、空間和知識上存在共通區域的錯位，信息交流鏈條比較長，信息衰減比較厲害，經常會出現“雞同鴨講”的局面，比較容易陷入“有嚇人的問題線索，無實錘落地的問題”的怪圈中，亂了領導和自己的方寸。
還有一些組織采取的是檢查和分析融合模式，這種模式下專業技術人員和業務人員混合組隊，沒有單獨的數據數據分析團隊，通過“伙伴式”學習等方式，要求每名審計人員均須具備運用技術工具開展非現場數據分析和現場檢查的能力。
這種模式強調現場檢查和非現場數據分析的融合，淡化現場與非現場的界限，業務和技術是合體的，不是兩張皮，要求每名審計人員都必須具備應用IT工具進行數據分析檢查的能力，配套實行系統推廣和能力培訓，有效地提升了審計的廣度、深度和精準度。
檢查和分析融合模式缺點是對審計人員的能力要求比較高，團隊在高效運行之前的整體學習曲線比較陡峭。優點是團隊里每個審計人員都能獨當一面，成為某一條線審計檢查的戰斗單元，好的思路和方法，多次驗證成熟后，轉化為審計支持系統的固化模型和功能。
從數據化審計走向智慧審計
以商業銀行為例，大數據、區塊鏈、云計算、寬帶傳輸、移動互聯等新技術的應用，推動了互聯網與金融相互融合、相互滲透。
商業銀行也明確將“智慧銀行”作為未來銀行轉型的重要方向，銀行的業務受理、客戶服務、授信審批、營運管理、風險決策等在技術驅動下，不斷探索新的管理技術和管理模式。
“智慧銀行”的興起，對銀行內部控制和內部審計帶來了新的挑戰，以“人”為核心的數據化審計，將會從面對多數的已知到面對更多的未知，審計人員會在趕場過程中，疲于奔命。因此，“智慧銀行”時代也需要“智慧審計”。
智慧審計是傳統審計、數據化審計的高級階段，是商業銀行在智能化趨勢、智慧銀行轉型的背景下，重新審視銀行業務和內部控制的需求和形態變遷，利用大數據、人工智能、云計算等新興技術實現商業銀行內部審計作業方式與價值輸出模式的再造和升級。
在智慧審計時代，內部審計的事務性工作、重復性工作將由“人”轉向“人工智能”，讓各類芯片(也許已經沒有計算機實體存在)自動按“人”的意志“智慧”地完成內部審計的審計數據分析、問題核實、報告推送等工作。
通過人工智能技術構建內部控制和各類風險知識圖譜，搭建決策引擎、風險模型工廠，構建實時、精準、嚴密的端到端智能審計體系，從“人審”為主向“機審”為主轉變，降低審計風險，實現實時審計，從定期的離線式報告到準實時的流式預警。
上述便是為您整理的“從數據化審計走向智慧審計”的相關資訊，如有疑問直接撥打→18896951607←獲得一對一服務咨詢服務。如果這樣還不夠，不如嘗試掃碼關注大通天成公眾號。