审计分析，指用数据分析方法对业务数据做系统性测试，找出需要审计人员关注的交易、账户或行为。它不替代审计判断，改变的是“看哪些数据、怎么挑出疑点”。本文写给刚开始用数据做审计的内审、稽核与合规团队：讲清它和抽样的关系、七类最常用的数据测试、落地时最容易卡住的地方，以及工具怎么选。
- 审计分析的产出是“疑点清单”，不是审计结论；每一条疑点仍需要人工核实原始凭证与业务背景。
- 全量测试适合结构化、规则明确的数据；需要查看实物、合同原件或访谈的环节，抽样仍然必要，两者是配合关系。
- 最常用的七类测试：重复付款、拆单规避审批、整数金额、首位数字分布、非工作时间操作、供应商与员工信息重合、期末截止。
- 落地难点通常不在算法，而在取数权限、阈值设定和误报复核这三件事上。
- 本福特定律只适用于自然产生、跨多个数量级的金额数据，有价格上限或固定定价的数据不适用。
审计分析，指什么
在日常语境里，“审计分析”常被和另外两类工具混在一起说。分清楚它们，选型和立项时才不会买错东西。
| 类别 | 解决什么 | 典型产出 |
|---|---|---|
| 审计分析 | 从业务数据中找出需要关注的疑点 | 疑点清单、测试结果、可复跑的测试流程 |
| 审计作业管理 | 管理审计计划、底稿、问题整改 | 项目进度、底稿归档、整改台账 |
| 报表与看板 | 持续展示经营与风险指标 | 固定报表、监控看板 |
三者经常配合使用：审计分析挑出疑点，作业管理系统跟踪核实与整改，看板负责日常监控。本文只讨论第一类。
全量测试与抽样怎么配合
“从抽样走向全量”是这几年常见的说法，但全量测试并不能让抽样退出。两者适合的对象不同：
| 对比项 | 全量数据测试 | 抽样检查 |
|---|---|---|
| 适合的对象 | 系统里有记录、规则能写清楚的问题，如重复、超限、时间异常 | 需要看原始凭证、实物、合同条款或访谈才能判断的问题 |
| 覆盖范围 | 测试范围内的全部记录 | 按抽样方法选出的部分样本 |
| 主要风险 | 误报多，复核工作量大；数据本身不准时结论也不准 | 样本外的问题发现不了 |
| 常见配合方式 | 先用全量测试把疑点筛出来，再对疑点做针对性的凭证检查，代替随机抽样 | |
这种配合的价值在于：审计人员花在凭证上的时间，从“随机翻看”变成“核实已经筛出来的疑点”。
审计分析：七类常用数据测试
下面七类测试适用于采购、费用报销、应付账款、收入等大多数业务循环。表中的“常见误报”一栏最值得注意：规则写得再准，也会挑出一批正常业务，复核时要有心理准备。
| 测试 | 查什么 | 常见误报 |
|---|---|---|
| 1 重复付款 | 同一供应商、相同金额、相近日期的多笔付款；同一发票号码多次报销 | 分期付款、每月固定金额的租金或服务费 |
| 2 拆单规避审批 | 同一申请人或供应商在短期内多笔金额略低于审批权限 | 正常的分批采购、按项目拆分的合同 |
| 3 整数金额 | 金额为整千、整万的交易占比明显偏高的科目或人员 | 合同本身约定整数金额的业务，如押金、预付款 |
| 4 首位数字分布 | 金额首位数字分布是否明显偏离本福特定律 | 有价格上限、固定定价或金额范围很窄的数据 |
| 5 非工作时间操作 | 深夜、周末、节假日的录入、审批或修改 | 系统批处理任务、值班岗位的正常操作 |
| 6 供应商与员工信息重合 | 供应商的银行账号、联系电话、地址与员工信息相同 | 员工亲属经合规报备的交易、共用办公地址的关联公司 |
| 7 期末截止 | 期末前后大额入账、下期初冲回，以及入账日期早于业务发生日期 | 正常的月末结算与暂估入账 |
首位数字分布：用之前先判断适不适用
本福特定律描述的是：自然产生、跨越多个数量级的数据中，首位数字为 1 的比例约为 30.1%，为 9 的比例约为 4.6%，逐级递减。人为编造的金额往往分布得过于平均，因此偏离可以作为线索。
但它的适用条件很严格。报销设有单笔上限、商品价格固定、金额集中在某个区间，这些数据天然不符合本福特分布，偏离也说明不了问题。建议先用历史上确认无问题的数据跑一次，看基准分布是否接近，再决定是否使用。
供应商与员工信息重合：注意数据授权
这类测试需要调用员工的银行账号、电话、住址等个人信息。立项前应确认数据使用已经过内部授权，测试结果只在审计范围内使用。供应商审计的更多做法见采购与供应商审计。
审计分析：落地时最容易卡住的三件事
很多团队以为难点在“会不会写规则”，实际做下来，卡住的往往是下面三件事。
第三件事最常被低估。一次测试挑出上千条疑点、没人处理，比不做测试更糟：它留下了“发现了线索却没有跟进”的书面记录。建议从一两个疑点数量可控的测试开始，把复核流程跑顺，再逐步增加测试。
审计分析，真正的交付物不是疑点清单，而是一套每期都能复跑、每条疑点都有处理结论的测试流程。
数据口径问题在两个系统对账时最为集中，具体做法可以参考 两张表对账。
什么时候值得做持续监控
把测试从“每期专项”改为“定期自动运行并发出提醒”，就是常说的持续监控。它不是所有测试的升级方向，下面三个条件同时满足时才值得做：
- 规则已经稳定：经过几期专项测试，误报率降到复核人员能处理的水平。
- 数据能定期获取：有稳定的数据接口或定期导出，而不是每次都要找业务部门要。
- 提醒有人接：明确谁收到提醒、多长时间内处理、处理结果记在哪里。
条件不满足时，维持周期性专项测试更务实。持续监控的整体做法见数字化审计持续监控。
大模型能帮上什么
大模型在审计分析里最实用的位置，是处理规则难以直接处理的文本：从合同中抽取付款条件，从报销说明中提取事由，从审批意见中识别关键词。抽取出的结构化字段，再交给确定性规则去比对。
它不适合直接给出“是否违规”的判断。模型写出的理由是生成文本，同样的输入可能给出不同答案，这类结论无法复现，也难以写进底稿。需要留痕的判定，应交给规则和人工。决策过程要记录哪些信息，可以参考自动化决策的记录清单。
工具怎么选
常见的选择大致三类，各有适用范围：
| 类别 | 适合 | 局限 |
|---|---|---|
| Excel | 数据量小、一次性的测试，团队上手成本最低 | 单个工作表上限 1,048,576 行；步骤难以复跑和交接，底稿里很难说清“怎么算出来的” |
| 专用审计分析软件 | 内置审计常用测试，面向审计人员设计 | 通常为商业授权；与企业其他数据分析工作的衔接需要单独评估 |
| 通用数据分析平台 | 测试逻辑复杂、要跨多个系统取数、需要长期复跑 | 审计测试要自己搭或从模板改，前期需要投入时间 |
通用平台里，可视化工作流的形式对审计场景有一个直接的好处：每一步数据处理都是画布上可以点开的节点，流程本身就说明了疑点是怎么筛出来的，便于复核和写底稿。例如重复记录可以用 Duplicate Row Filter 节点识别。
iModel 属于这一类，基于 KNIME 开源内核二次开发，界面中文化，支持离线部署；已测试并有实际部署的是麒麟 V10/V11、统信 UOS 的 x86-64 版本与海光 C86 处理器。iModel 目前不支持 ARM 架构（鲲鹏、飞腾），相关版本仍在规划中。保险稽核场景的做法见保险稽核用户用例，审计方向的整体方案见审计数据分析方案。
关键事实
| 事项 | 内容 |
|---|---|
| 审计分析的产出 | 疑点清单与可复跑的测试流程，不是审计结论 |
| 七类常用测试 | 重复付款、拆单规避审批、整数金额、首位数字分布、非工作时间操作、供应商与员工信息重合、期末截止 |
| 本福特定律 | 首位数字为 1 的比例约 30.1%，为 9 的约 4.6%；仅适用于自然产生、跨多个数量级的数据 |
| 全量与抽样 | 全量测试筛出疑点，抽样或针对性凭证检查核实疑点，二者配合 |
| 持续监控前提 | 规则稳定、数据可定期获取、提醒有明确处理人 |
| Excel 行数上限 | 单个工作表 1,048,576 行 |
| 国际内审准则 | IIA《全球内部审计准则》2024 年 1 月 9 日发布，2025 年 1 月 9 日生效 |
| iModel 运行环境 | 麒麟 V10/V11、统信 UOS（x86-64）、海光 C86 已测试并部署；ARM 架构规划中 |
常见问题
审计分析和审计软件是一回事吗？
不完全是。审计分析指用数据测试找出疑点的方法，可以用 Excel、专用审计分析软件或通用数据分析平台来做；审计软件还常指管理审计计划、底稿和整改的作业管理系统，两者解决的问题不同。
全量测试能完全替代抽样吗？
不能。全量测试适合系统里有记录、规则能写清楚的问题；需要查看原始凭证、实物或合同条款才能判断的问题，仍然要靠抽样或针对性检查。常见做法是先全量筛出疑点，再对疑点做凭证核实。
本福特定律什么情况下不适用？
数据有单笔上限、价格固定、金额集中在窄区间，或本身是人为编号时都不适用。使用前应先用确认无问题的历史数据检验基准分布，接近本福特分布再作为测试手段。
审计分析需要遵循哪些准则？
准则层面，国际上可参考 IIA 发布的《全球内部审计准则》，2025 年 1 月 9 日起生效，原文见 IIA 官网；国内还需遵循所在单位适用的内部审计规定与行业监管要求，并由审计部门结合自身制度确定测试范围与记录要求。
在信创环境里能做审计分析吗？
可以，关键是确认工具在目标环境里的实际支持范围。以 iModel 为例，已在麒麟 V10/V11、统信 UOS 的 x86-64 版本与海光 C86 上测试并部署；目前不支持 ARM 架构（鲲鹏、飞腾），相关版本仍在规划中。
IIA《全球内部审计准则》的发布与生效信息见 IIA 官网准则页（核实日期 2026-09-15）。
