审计与监督解决方案

审计数据分析:从抽凭走向全量,从结论走向可复核

审计数据分析,真正难的从来不是把数算出来,而是被问到「这个数怎么来的」时能当场打开给对方看。iModel 把取数、口径与测试规则固化成可运行、可回放的工作流,在麒麟、统信的 x86-64 环境下本地跑。
200+
服务企业客户
60+
覆盖行业
300+
数据源连接
2007
公司成立年份

审计数据分析:先说清楚它到底改变了什么

审计数据分析,是指用数据处理工具对被审计对象的全部业务明细逐条执行既定的测试规则,输出疑点清单与命中原因,替代或补充传统的抽样查凭。它改变的不只是覆盖率,更是结论的可核查性:每一条疑点都能倒推回原始记录。

抽样审计的前提,是假设样本能代表总体。但真正的问题往往不服从这个假设:拆分交易恰好都在阈值以下,重复付款分散在不同月份不同供应商,异常时点集中在几个特定日期。这些恰恰是抽样最容易漏掉的部分。国内会计师事务所的公开研究也早已指出,数据分析与持续审计能让审计更有针对性,并在控制测试与交易分析之间取得更好平衡(参见毕马威中国《数据分析及持续审计》,公开资料,2026-09-09 核实)。

难点不在道理,在落地。规则写在制度文档里,执行靠人手工筛 Excel;换个人做,口径就变了;上级追问过程,只能口头解释。iModel 解决的正是这一段:把规则搬进工作流,让它可运行、可复用、可回放。这种工作方式的基本逻辑,见为什么要用可视化工作流

关键事实

适用职能内部审计、稽核、纪检监督、合规与风控、监管报送数据准备
测试方式全量逐条执行规则,输出疑点清单与命中原因,不做抽样;可与抽样程序并行使用
已验证操作系统麒麟 V10 / V11、统信 UOS(均为 x86-64 版本)、Windows
已验证处理器海光 C86(x86-64),已测试、已部署。iModel 目前不支持 ARM 架构(鲲鹏、飞腾),相关版本仍在规划中
数据接入300+ 数据源连接,覆盖主流关系型数据库、Excel 与 CSV 文件、接口取数
规则建模300+ 内置分析节点,拖拽配置;需要时可嵌入 Python / R 脚本节点处理特殊逻辑
底稿与留痕每个节点保留输入表、输出表与配置参数,可逐节点回放;同一份数据任何人重跑,结果一致
交付与移交.knwf 工作流文件,与 KNIME 双向通用,可版本化归档、可作为项目交付物整包移交

表中信创口径按已实测部署范围填写,未列入的处理器与操作系统请以实际测试结论为准。

三条不同的审计条线,同一套工作方式
审计场景的差别很大,但卡点惊人地一致:数据分散、口径不统一、结论要能被反问。以下是 iModel 在国内审计与监督领域的实际使用方向。
金融基础设施
成方金信
在审计与合规分析场景中使用 iModel 构建数据处理与核查流程,处理过程留痕、可复核。
保险内审
太平保险稽核有限公司
以 iModel 逐步替代原有 SAS,覆盖稽核、风控、数据分析与监管报送场景,采用并行验证方式平稳切换。查看完整用例
政府监督
某省级纪检监察机关
用于监督检查场景的数据归集与疑点筛查,规则沉淀为可复用模型。查看智能监督分析平台

审计数据分析:审计人真正卡住的五个环节

工具不解决所有问题。下面这五个环节是我们在项目里反复遇到的,前两个属于组织协调,后三个才是工具能直接改善的。分清楚这一点,项目排期才不会失真。

01
取数
数据分散在多个系统,权限与网络策略审批往往比分析本身更耗时,需要提前启动。
02
口径对齐
同一个指标各口径不同,主体、期间、科目要先对齐到统一明细层,否则后面全白做。
03
规则执行
制度条款翻译成可执行的判定逻辑,固化在节点里,而不是留在个人的 Excel 公式中。
04
疑点核查
按主体与责任部门拆分疑点,导出核查底稿,反馈结论回流形成闭环。
05
复核与留痕
保留每次运行的输入、参数与结果;被追问时逐节点回放,而不是重新解释一遍。

按月自动执行的做法见数据分析自动化;从 SAS 等既有工具迁移的路径见国产化迁移服务SAS 国产化替代

审计数据分析:四类常用测试与各自的判定逻辑

下表按判定逻辑分类,并列出误报最常见的来源。误报这一列比规则本身更值得看,因为绝大多数项目失去信任,都是从第一批疑点里一半是假的开始的。

测试类型判定逻辑常用数据误报通常来自
完整性与重复同一笔业务是否被重复记录或重复支付;汇总值与明细合计是否一致付款记录、发票、凭证、供应商主数据正常的分期付款与预付冲销;供应商名称写法不一致导致的漏配
授权与规避是否存在刚好落在审批阈值以下的拆分交易,或绕过审批路径的记录请购单、采购订单、报销单、审批日志业务本身就按批次下单;阈值在期间内调整过但规则没跟着改
异常与离群金额、笔数、频次相对同类记录显著偏离;出现罕见的科目与对手方组合总账、明细账、费用与报销数据季节性业务波动;新上线业务样本量不足被误判为离群
时效与截止重算账龄;识别提前付款、倒签、跨期入账等时点异常应收应付、合同、入库与开票时间节假日与账期规则未纳入计算;系统记账时间与业务发生时间混用

上表为通用审计程序的分类整理,具体阈值与判定口径应结合本单位制度与行业监管要求确定,不宜直接照搬。

实操中最常炸的一处:供应商与往来单位名称。同一家单位在不同系统里写成全称、简称、带括号后缀三种形态,直接做关联会漏掉大量记录,表现为「疑点比预期少得多」,比误报更危险,因为没人会去质疑一个干净的结果。实际做法是先做一轮名称规范化并人工抽查配对结果,再往下接测试规则。

采购与供应商方向的具体做法见供应商审计方案;财务口径的场景见财务数据分析;金融与公共部门的整体场景见金融服务数据分析公共部门数据分析

在信创环境里落地:已实测的软硬件范围

审计与监督数据敏感度高,绝大多数场景要求内网离线、国产化底座。以下是已完成测试并有实际部署的范围,未列入的项请先做适配验证,不要按「应该可以」推进项目。

  • 操作系统:麒麟 V10 / V11、统信 UOS,均为 x86-64 版本;Windows 环境同样支持
  • 处理器:海光 C86(x86-64),已测试、已部署
  • 部署方式:完全离线安装,不需要连接外网许可服务器;数据全程不出内网
  • 界面与文档:全中文界面,节点名称、参数与报错提示均已中文化
  • 底稿可移交:工作流以 .knwf 存储,与 KNIME 双向通用,不产生私有格式锁定
关于 ARM:iModel 目前不支持 ARM 架构(鲲鹏、飞腾),相关版本仍在规划中。若服务器或终端底座已确定为 ARM,请在方案阶段就提出,我们会给出 x86-64 侧的部署建议,避免到实施阶段才发现装不上。

工作流即底稿:审计真正稀缺的能力

这几年不写代码已经不稀缺了,Excel 里都有了 AI 助手。审计场景里稀缺的是另一件事:说得清楚这个数是怎么来的,并且换个人重跑还是这个数。

当被审计单位质疑一条疑点,当上级问「这个口径为什么和上期不一样」,当外部检查要求提供分析过程,能当场打开处理流程逐步演示的机构,和只能回答「系统就是这么算的」的机构,差别不在工具版本,在于处理过程有没有被当成底稿管理起来。

iModel 的主张就在这里:把审计测试沉淀成组织资产,而不是某台电脑里的一个文件。工作流本身就是底稿,每一步处理逻辑可视化留痕;规则改一次,所有下游同步;人员轮岗时,交出去的是能跑的流程,不是一句口头交代。

常见问题

不取代,是补充与前置。全量测试负责把疑点范围缩小并给出命中原因,抽样与实质性程序仍然要做,只是抽取对象从随机样本变成了有依据的疑点清单。多数单位的做法是两者并行,全量测试的结果作为风险评估的输入。
可以。规则用拖拽节点搭建,思路和在 Excel 里一步步筛选是相通的,只是每一步都被固定下来并保留了中间结果。实践中最合适的分工是:熟悉制度与业务的审计人员搭规则,IT 配合解决数据接入与调度。真正的门槛不在工具,在于把制度条款翻译成可判定的条件。
在数据接口与取数权限已就绪的前提下,20 个工作流以内的首批测试通常 1-2 周可完成搭建与试跑。周期的变数几乎都在数据侧:跨系统取数审批、历史数据补齐、口径确认,这三项往往比建模本身更耗时,排期时建议单独留出时间。
可以。麒麟 V10 / V11 与统信 UOS 的 x86-64 版本已测试并有实际部署,处理器侧海光 C86 同样;支持完全离线的内网安装,数据不出域。需要注意的是,iModel 目前不支持 ARM 架构(鲲鹏、飞腾),相关版本仍在规划中,底座若已确定为 ARM 请在方案阶段提出。
这是正常的第一轮结果,处理办法是调阈值和补条件,不是放弃规则。建议第一轮先小范围试跑并人工复核全部命中,把误报原因逐条记下来,转化成规则里的排除条件。上面那张表的「误报通常来自」一列,就是常见排除条件的起点。
两种方式并用。一是工作流末端直接输出 Excel 或 CSV 的疑点清单与核查表,按现有底稿格式配置;二是把工作流文件本身连同运行记录一并归档,作为分析过程的证据。后者是被追问时最有说服力的部分,因为它可以现场重跑。
拿你们今年最花人力的那个测试来试
带上一份脱敏样例数据和现有的核查口径,我们用一次演示把它搭成可运行的工作流,跑给你看,包括中间每一步的结果。
不方便现在留资?可以先从数据分析入门教程动手,八讲下来能自己搭出第一条核查链路;查节点怎么用,去节点手册
iModel 专属客服
在线留言或电话联系
在线留言

留下您的问题和联系方式,我们会在一个工作日内回复。

手机与邮箱至少填一项

4008568196 拨打此号码联系我们

微信扫码咨询

iModel 微信咨询二维码

使用微信扫描上方二维码