祁學(xué)棟

此次研究將理論與實務(wù)有效融合，以醫(yī)保審計為例，在其間應(yīng)用Hadoop、云計算等技術(shù)，對以往軟硬件技術(shù)處理大量數(shù)量慢、錯誤率高等問題予以解決，大幅提升了審計質(zhì)量及效率。并且，還通過運用跨行業(yè)數(shù)據(jù)關(guān)聯(lián)、聚類等大數(shù)據(jù)挖掘技術(shù)，對審計組開展工作提供幫助，有效改進了工作效率，不但給審計全覆蓋給予了技術(shù)支撐，也為日后大數(shù)據(jù)審計的實施給予了新思路。

伴同我國社會經(jīng)濟的迅猛發(fā)展以及改革的持續(xù)深化，便需對公共、國有資產(chǎn)與國有資源等落實經(jīng)濟責(zé)任的狀況實施審計全覆蓋。但實際上，實施審計全覆蓋具有較大困難，其所應(yīng)對的最大問題即需針對各大行業(yè)海量數(shù)據(jù)信息、圖片等加以處理，如此便對當(dāng)前的審計技術(shù)運用、數(shù)據(jù)收集等帶來了較大抨擊。在此形勢下，經(jīng)由應(yīng)用大數(shù)據(jù)技術(shù)便可將上述問題有效處理，其不但與大數(shù)據(jù)時代發(fā)展需求相符，也屬于執(zhí)行黨中央、國務(wù)院有關(guān)強化審計監(jiān)督的關(guān)鍵?；诖?，針對審計實務(wù)里面大數(shù)據(jù)技術(shù)的應(yīng)用予以研討具備顯著的學(xué)術(shù)及運用價值。此次研究把計算機、審計學(xué)等相應(yīng)理論和審計實務(wù)有效銜接，將大數(shù)據(jù)技術(shù)引進到醫(yī)保審計中，顯著改善了審計質(zhì)量與效率，給大數(shù)據(jù)時代下審計工作的實施給予了新路徑。

一、創(chuàng)設(shè)醫(yī)保審計大數(shù)據(jù)體系

當(dāng)前，醫(yī)保大數(shù)據(jù)審計需解決的最大難題即數(shù)據(jù)量巨大。為處理以往設(shè)備和方式收集難度大、資源損耗嚴重、數(shù)據(jù)處理分析效率不高等問題，此次研究應(yīng)用Hadoop框架，構(gòu)建形成了醫(yī)保審計大數(shù)據(jù)體系。

借助Hadoop集群技術(shù)以增強數(shù)據(jù)處理水平。依照審計署要求與醫(yī)保審計實際需求，此次研究對湖南省人社、衛(wèi)計、民政與公積金四大部門設(shè)計了23張標(biāo)準(zhǔn)表，對醫(yī)保、新農(nóng)合等部門數(shù)據(jù)加以采集，合計7TB。如此龐大的數(shù)據(jù)量借助以往的審計方式難以實施，加之醫(yī)保審計時間緊張、收集整理與分析任務(wù)繁重，故強化數(shù)據(jù)處理能力便成為了建設(shè)基礎(chǔ)設(shè)施層的關(guān)鍵。

Hadoop屬于以Java為基礎(chǔ)構(gòu)建形成的開源軟件框架，主要是位于較多計算機構(gòu)成的集群里面針對龐大的數(shù)據(jù)信息加以存儲、實施分布式計算。其意義在于由單一的服務(wù)器擴張至數(shù)千臺機器，所有單臺機均能夠?qū)嵤┍镜赜嬎闩c存儲。該框架的優(yōu)勢即成本投入不高，用戶不受限制，不但可對大規(guī)模數(shù)據(jù)予以處理，還可以對程序員工作進行精簡，達成計算調(diào)度管理、負載均衡等目的。同時，該框架的主要設(shè)計即分布式文件系統(tǒng)（ HDFS）與計算框架（ MapReduce），前者主要適用到存儲大量數(shù)據(jù)的計算中。

在醫(yī)保審計里面先施行模擬壓力測試，經(jīng)由當(dāng)前數(shù)據(jù)加以復(fù)制、更改，模擬當(dāng)?shù)仡A(yù)期數(shù)據(jù)量，對服務(wù)器數(shù)據(jù)承載和計算壓力予以測試，依照結(jié)果借助Hadoop集群技術(shù)創(chuàng)設(shè)服務(wù)器集群，以處理海量數(shù)據(jù)分析效率不高的問題。結(jié)果表明，把5臺容量為512G的服務(wù)器經(jīng)由Hadoop集群技術(shù)整合為1臺服務(wù)器，其處理數(shù)據(jù)的能力較之單臺服務(wù)器要上漲5倍。

借助分布式文件系統(tǒng)以強化數(shù)據(jù)容錯能力。針對湖南省醫(yī)保數(shù)據(jù)收集期間，由于各區(qū)域應(yīng)用系統(tǒng)眾多且匱乏統(tǒng)一性，故依照分級采集市州匯總原則開展工作。抽取匯總上報數(shù)據(jù)統(tǒng)一創(chuàng)設(shè)數(shù)據(jù)庫期間，假設(shè)選擇以往關(guān)系數(shù)據(jù)庫的文件存儲方法，則一旦某一數(shù)據(jù)錯誤，那么便應(yīng)編寫語句針對整個數(shù)據(jù)庫實施錯誤數(shù)據(jù)刪除，不但耗時且操作繁瑣。故而，為對數(shù)據(jù)容錯能力較差的情況予以處理，此次研究將選擇分布式文件系統(tǒng)（HDFS）為底層結(jié)構(gòu)。其主要用于大量數(shù)據(jù)的分布式存儲，能把較多計算機借助通信網(wǎng)絡(luò)整合，在統(tǒng)一管理系統(tǒng)的控制下，協(xié)同達成大規(guī)模數(shù)據(jù)處理任務(wù)。并且，其在文件存儲寫入期間，把文件劃分為文件塊，分散存儲于所有子節(jié)點主機中，但文件基礎(chǔ)信息依舊存儲于主節(jié)點，其優(yōu)勢即易拓展、容錯性好、經(jīng)濟適用性高。通過HDFS把百余個區(qū)域的數(shù)據(jù)依照行政區(qū)域代碼自主分布存儲于4臺子節(jié)點服務(wù)器中，且基于此產(chǎn)生若干副本，假設(shè)其間某一數(shù)據(jù)發(fā)生錯誤，則其他副本經(jīng)由便捷操作能及時恢復(fù)。

借助達夢數(shù)據(jù)庫與Hive數(shù)據(jù)倉庫處理工具以改善數(shù)據(jù)采集加載效率。對大量醫(yī)保數(shù)據(jù)抽取加載期間，為處理以往的關(guān)系數(shù)據(jù)庫僅能將數(shù)據(jù)存儲于服務(wù)器本地的文件系統(tǒng)、無法應(yīng)用HDFS處理大量數(shù)據(jù)與審計工作者習(xí)慣選擇SOL分析數(shù)據(jù)等問題，此次研究嘗試選擇Hive集成國產(chǎn)達夢軟件創(chuàng)設(shè)數(shù)據(jù)倉庫。

Hive是以Hadoop為基礎(chǔ)構(gòu)建形成的數(shù)據(jù)倉庫處理工具，在數(shù)據(jù)提取加載（ETL）方面極為便捷，是一項能夠存儲、查詢與分析存儲于Hadoop分布式文件系統(tǒng)里面的大數(shù)據(jù)機制。盡管較之關(guān)系數(shù)據(jù)庫而言，其具有擴張自身存儲性能的作用，以及較好的計算能力，然而在面向大量數(shù)據(jù)運用時，數(shù)據(jù)挖掘、實效性不足，故此次研究應(yīng)用國產(chǎn)關(guān)系數(shù)據(jù)庫達夢軟件集成應(yīng)用。

Hive達成了醫(yī)保數(shù)據(jù)的迅速分布式存儲，然而其間如果存儲表、字段名等元數(shù)據(jù)信息需持續(xù)更新、變動，因分布式文件系統(tǒng)里面的數(shù)據(jù)以多讀少改為主，故無法把元數(shù)據(jù)存儲到Hive里面。因而，為縮減檢索期間執(zhí)行語義檢查的時間，且確保數(shù)據(jù)實時查詢，便可通過國產(chǎn)達夢數(shù)據(jù)庫對元數(shù)據(jù)予以存儲，其語法和SOL相似，且導(dǎo)入各類型表格、數(shù)據(jù)等極為便捷。

借助MapReduce、分布式SQL引擎處理技術(shù)以改善數(shù)據(jù)分析效率。對審計數(shù)據(jù)分析期間，審計工作者往往需應(yīng)對如下問題：其一，審計工作者編寫的分析語句總需反復(fù)測試，依照結(jié)果多次修改SOL語句，但醫(yī)保數(shù)據(jù)量龐大，位于全庫中直接編寫語句、測試時間較長；其二，分析任務(wù)繁重，但Hadoop體系會損耗較多資源，單次僅可執(zhí)行1條查詢語句。

為處理上述問題，此次研究借助MapReduce、分布式SQL引擎處理技術(shù)的同步應(yīng)用并行計算對數(shù)據(jù)分析處理。其間，前者以HDFS為基礎(chǔ)針對存儲于分布式文件系統(tǒng)的數(shù)據(jù)實施分布式計算，該框架軟件位于彼此協(xié)同的并行計算機中把大的祭祀環(huán)任務(wù)劃分為若干小任務(wù)，經(jīng)由一組計算機并行實施，提高計算效率；后者通過定制查詢、執(zhí)行引擎、相應(yīng)操作符對SQL語法提供支撐，數(shù)據(jù)分析迅速且具備實效性，數(shù)據(jù)處理位于內(nèi)存中實施，且具有復(fù)雜查詢等功能。

在醫(yī)保審計數(shù)據(jù)分析環(huán)節(jié)，先要在所有市州標(biāo)準(zhǔn)SQL庫編寫測試語句，將大大任務(wù)區(qū)分成若干小任務(wù)協(xié)同分析，在語句更正后統(tǒng)計到全庫運行。因MapReduce計算框架主要以批處理任務(wù)為主，故伴同數(shù)據(jù)量的加大，應(yīng)用其實施簡單的數(shù)據(jù)檢索便會耗費較長時間，故無法與交互式查詢需求相符，此時正好適用分布式SOL查詢引擎。因而，此次研究經(jīng)由運用并行計算、依照分布式SOL引擎特性對分析任務(wù)通盤規(guī)劃，以節(jié)省數(shù)據(jù)分析時間。

定制開發(fā)實用型工具以改進審計質(zhì)量及效率。醫(yī)保審計期間，審計工作者會具有如下問題：各區(qū)域應(yīng)用系統(tǒng)匱乏統(tǒng)一性，導(dǎo)人數(shù)據(jù)不標(biāo)準(zhǔn)，基礎(chǔ)數(shù)據(jù)質(zhì)量不足，使得分析效果較差；審計工作者語句編寫習(xí)慣有差異，合庫后會反復(fù)調(diào)整投入使用，浪費時間；分析獲知的結(jié)果需切分發(fā)放到若干審計組核實，任務(wù)量龐大、繁雜。

為處理上述問題，此次研究進行了實用工具的開發(fā)，具體為數(shù)據(jù)校驗工具，依據(jù)標(biāo)準(zhǔn)表要求針對其結(jié)構(gòu)、值域檢驗，在市州數(shù)據(jù)上報前通過該工具對數(shù)據(jù)檢測、修改，以保障基礎(chǔ)數(shù)據(jù)質(zhì)量；表名翻譯工具，其能把中文表、字段名編寫SQL語句變換成中文拼音的首字母版本，讓其能位于Hive里面直接應(yīng)用；數(shù)據(jù)切分工具，通過行政區(qū)劃代碼為數(shù)據(jù)切分依據(jù)，把集中分析結(jié)果自主發(fā)放到所有審計組。

二、審計全覆蓋中大數(shù)據(jù)技術(shù)的具體應(yīng)用

怎樣與目前的大數(shù)據(jù)環(huán)境貼合，于被審計單位龐大的數(shù)據(jù)中挖掘有效信息是審計過程中最需處理的問題。本章節(jié)依舊以湖南省醫(yī)保審計為例，對大數(shù)據(jù)技術(shù)的具體應(yīng)用進行闡述。

應(yīng)用跨部門、跨領(lǐng)域數(shù)據(jù)關(guān)聯(lián)分析，揭示醫(yī)保政策執(zhí)行、管理問題。醫(yī)保審計分析思路強調(diào)醫(yī)保資金應(yīng)用的真實有效性，具有的醫(yī)保待遇有無契合政策界定，經(jīng)由各部門數(shù)據(jù)關(guān)聯(lián)分析，查找契合規(guī)制但不具備醫(yī)保待遇等問題。首先，把該省城鎮(zhèn)職工、居民醫(yī)保等和民政低保人員信息關(guān)聯(lián)對比分析，對特困人員沒有參保與反復(fù)資助等異常數(shù)據(jù)篩選；其次，把該省城鎮(zhèn)職工、居民醫(yī)保等信息和人社死亡人員信息等關(guān)聯(lián)分析，將死亡后依舊繳費等可疑數(shù)據(jù)篩選；最后，把該省社保經(jīng)辦機構(gòu)、定點醫(yī)療組織工作者信息與其配偶信息和工商登記信息關(guān)聯(lián)分析，將經(jīng)辦機構(gòu)等可疑數(shù)據(jù)篩選。經(jīng)由此，不但能夠給審計工作者正確有效定位疑點提供了幫助，且還顯著提升了其取證率及審計質(zhì)量。

借助聚類技術(shù)以發(fā)現(xiàn)非法騙取醫(yī)保基金等問題。將大數(shù)據(jù)技術(shù)應(yīng)用到醫(yī)保審計能針對醫(yī)院收入真實可靠性予以分析，獲知離群結(jié)果，發(fā)現(xiàn)醫(yī)院非法騙取醫(yī)?；鸬目梢蓴?shù)據(jù)。先通過R語言文本挖掘工具，針對醫(yī)院治療項目分門別類，此次審計囊括該省千余家醫(yī)院，治療項目稱謂具有較大差異，例如“床位費”，其將近兩千余種表述模式，通過R語言文本挖掘工具里面的醫(yī)學(xué)詞匯針對項目名稱實施文本分詞，均并入到“床位費”，依照此分詞方式，得出三千多個項目名稱。而后，經(jīng)由聚類分析技術(shù)，對疑點醫(yī)院、治療項目予以鎖定，基于分詞結(jié)果數(shù)據(jù)，依照醫(yī)院與治療項目名稱劃分組別，把匯總數(shù)量、收入總數(shù)值當(dāng)做觀測值，構(gòu)建產(chǎn)生匯總矩陣，把離群醫(yī)院與治療項目和其有關(guān)的觀測值視為審計疑點，從而實施調(diào)查。借助該技術(shù)能給審計工作者獲知審計疑點提供幫助，且改善工作效率。

本文具體針對審計全覆蓋中大數(shù)據(jù)技術(shù)的應(yīng)用進行了分析，以湖南省醫(yī)保審計為例，對大數(shù)據(jù)技術(shù)的具體應(yīng)用進行了探索、討論，通過應(yīng)用Hadoop軟件框架、HDFS、Hive等對大量審計數(shù)據(jù)存儲、分析。并且，為與被審計單位數(shù)據(jù)量驟增的態(tài)勢契合，通過大數(shù)據(jù)技術(shù)的應(yīng)用能幫助審計工作者明確審計疑點，改善其工作質(zhì)量與效率。