王強

[摘要]大數(shù)據(jù)應用遍布各個行業(yè)領域，大數(shù)據(jù)審計已成為審計轉型升級的必然趨勢。應用大數(shù)據(jù)技術，可提升審計工作成效，更好地為企業(yè)可持續(xù)高質(zhì)量發(fā)展保駕護航。作為一種便捷高效的大數(shù)據(jù)技術，商業(yè)智能技術能夠進行數(shù)據(jù)收集、分析和決策，完成審計線索的查證。本文以Microsoft Power BI工具為例，從審計實踐角度闡述了商業(yè)智能技術在融資性貿(mào)易審計領域的具體應用。

[關鍵詞]內(nèi)部審計? ?融資性貿(mào)易? ?大數(shù)據(jù)? ?商業(yè)智能

一、引言

加快數(shù)字化和工業(yè)化深度融合是能源行業(yè)實現(xiàn)高質(zhì)量發(fā)展的重要途徑和必然選擇。處于集團轉型升級的關鍵時刻，中國石油化工集團公司審計部也逐漸由傳統(tǒng)審計向數(shù)字化、網(wǎng)絡化和智能化審計突破。集團公司物資采購、生產(chǎn)建設、經(jīng)營管理和產(chǎn)品銷售等各項業(yè)務數(shù)據(jù)都已經(jīng)進入各類信息系統(tǒng)，充分利用業(yè)務信息系統(tǒng)和龐大的數(shù)據(jù)資源，構建數(shù)據(jù)集市，建立涵蓋油氣和新能源、煉油和銷售、化工和材料、資本金融和支持等主要業(yè)務領域的“審計中間表”，是中國石化數(shù)字化審計轉型的大勢所趨。

數(shù)據(jù)分析是大數(shù)據(jù)審計的基礎，審計人員全覆蓋審查被審計主體的所有相關數(shù)據(jù)，通過數(shù)據(jù)之間的相關性，進行邏輯推理和判斷，從而找到規(guī)律。基于大型數(shù)據(jù)庫或數(shù)據(jù)倉庫的審計數(shù)據(jù)挖掘技術分析構成智能審計的核心。數(shù)據(jù)分析是審計人員的一項專業(yè)技能，學會使用數(shù)據(jù)分析工具是具備數(shù)據(jù)分析能力的必要條件。商業(yè)智能利用數(shù)據(jù)挖掘技術，可以開發(fā)獨立的智能審計平臺，實現(xiàn)審計數(shù)據(jù)的多維分析，揭示數(shù)據(jù)中蘊藏的邏輯關系，輔助審計人員發(fā)現(xiàn)審計線索，提供查證思路，并作出相應的審計決策。商業(yè)智能在審計數(shù)據(jù)分析領域作用更加廣泛，發(fā)揮著越來越重要的作用。

商業(yè)智能（Business Intelligence，簡稱BI），是指利用現(xiàn)代數(shù)據(jù)倉庫技術、線上分析處理技術、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術進行數(shù)據(jù)分析，為企業(yè)決策者提供決策支持，從而實現(xiàn)商業(yè)價值。商業(yè)智能是對商業(yè)信息的搜集、管理和分析的過程，目的是使企業(yè)各級決策者獲得知識或洞察力，促使其做出對企業(yè)更有利的決策。商業(yè)智能一般由數(shù)據(jù)倉庫、聯(lián)機分析處理、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等部分組成。商業(yè)智能的實現(xiàn)涉及軟件、硬件、咨詢服務及應用，其基本體系結構包括數(shù)據(jù)倉庫、聯(lián)機分析處理（OLAP）和數(shù)據(jù)挖掘三個部分。目前，商業(yè)智能最常見的五種形式為：儀表板、企業(yè)報告、OLAP分析、預測分析和通知警報。目前國內(nèi)市場主流的商業(yè)智能軟件包括Power BI、Tableau、Moojnn等。

二、商業(yè)智能工具Power BI介紹

2015年，Microsoft公司發(fā)布了數(shù)據(jù)可視化和自助式分析產(chǎn)品Power BI。Power BI是目前學習路徑最短、成交最高的數(shù)據(jù)分析工具。自問世以來，在各行業(yè)得到了廣泛的推廣和應用。審計數(shù)據(jù)分析人員應用Power BI可以在數(shù)據(jù)分析和可視化展示方面取得良好效果，大幅提升工作效率。

Power BI具有以下優(yōu)勢：一是數(shù)據(jù)源支持豐富。Power BI支持多種數(shù)據(jù)源，包括Excel數(shù)據(jù)、文本數(shù)據(jù)、Web數(shù)據(jù)以及各種類型數(shù)據(jù)庫數(shù)據(jù)（Oracle/Access/SQL Server/MySQL/PostgreSQL/IBM DB2等），通過Power Query模塊可以完成數(shù)據(jù)整理、編輯等工作。二是操作界面友好。Power BI是一款圖形操作界面的桌面應用，與Office辦公軟件同源同類，操作簡便。三是數(shù)據(jù)模型和計算能力強大。通過表與表關鍵字聯(lián)接，Power BI實現(xiàn)了多個維度表聯(lián)動關系;使用DAX語言實現(xiàn)內(nèi)部的查詢與計算。四是可視化功能強大。Power BI提供了豐富的圖表可視化對象，如卡片圖、表格、樹狀圖、條形圖、線圖、餅圖、散點圖、地圖等，配合豐富的選項及交互特性，可以實現(xiàn)良好的可視化效果;微軟公司的AppSource提供了250多個第三方可視化對象，可以按需加載到Power BI Desktop中，增強其可視化能力;支持R和Python變速器，為其提供了擴展接口，可以在數(shù)據(jù)整理及可視化過程中引入R或Python腳本。五是支持云共享與協(xié)作?？梢詫⑼瓿傻目梢暬瘓蟊戆l(fā)布到Power BI云服務，從而實現(xiàn)共享與協(xié)作。數(shù)據(jù)分析流程如圖1所示。

三、Power BI審計應用案例

國有企業(yè)融資成本低，具有經(jīng)營業(yè)績指標增長和績效考核方面的壓力，傾向于對融資難、融資成本高昂的民營企業(yè)開展融資性貿(mào)易。融資性貿(mào)易給國有企業(yè)帶來了巨大的經(jīng)營風險和經(jīng)濟損失，國資委印發(fā)的《中央企業(yè)違規(guī)經(jīng)營投資責任追究實施辦法（試行）》明確規(guī)定，對違反規(guī)定開展融資性貿(mào)易業(yè)務或“空轉”“走單”等虛假貿(mào)易業(yè)務要追究責任?；贓RP開發(fā)報表清單、銷售毛利表、供應商、銷售客戶等數(shù)據(jù)，應用Power BI數(shù)據(jù)清洗、編輯、分析和可視化模塊，能夠有效甄別出具有融資性貿(mào)易特點的交易記錄和購銷合同，為確定審計線索提供數(shù)據(jù)支撐。

A化工銷售公司是中石化直屬法人機構，是國內(nèi)外業(yè)務的主要操作平臺，主要從事化工產(chǎn)品國際貿(mào)易，業(yè)務類型包括系統(tǒng)內(nèi)企業(yè)保供、系統(tǒng)內(nèi)資源進出口、系統(tǒng)外經(jīng)營以及第三國貿(mào)易等，主要經(jīng)營產(chǎn)品有甲醇、乙二醇、對二甲苯和純苯等。根據(jù)中石化審計部2021年的審計計劃，對該公司進行經(jīng)濟責任審計。審計重點內(nèi)容為該公司2016—2020年間化工產(chǎn)品交易過程中是否存在空轉走單或融資性貿(mào)易風險事件。

1.數(shù)據(jù)預處理。A化工銷售公司采用ERP系統(tǒng)進行公司交易數(shù)據(jù)的統(tǒng)計匯總。首先從ERP系統(tǒng)中查詢所需數(shù)據(jù)，如圖2所示。

通過Power Query，獲取導出的數(shù)據(jù);使用Power Pivot對數(shù)據(jù)進行加載、清洗和編輯，刪除不需要的數(shù)據(jù)和字段，并建立相應的列，如圖3所示。

當數(shù)據(jù)量很大且需要導入很多表格時，往往需要建立各個表格之間的邏輯關系，Power BI可以輕松選擇相互關系的表和列。如圖4所示，建立“客戶名稱—銷售客戶”“供應商—供應商名稱”等邏輯關系，以確定銷售和采購之間的表間關系。

2.數(shù)據(jù)模型建立。完成數(shù)據(jù)預處理后，需要分別建立主營業(yè)務收入模型、主營業(yè)務成本模型、主營產(chǎn)品經(jīng)營量模型和銷售毛利模型，建立度量值Data Analysis Expressions（簡稱DAX）。DAX計算功能強大、應用靈活，Power BI通過度量值對數(shù)據(jù)進行計算和分析。銷售毛利計算公式及DAX公式，如下所示：

3.數(shù)據(jù)可視化。如圖5和圖6所示，A化工銷售公司2016—2020年的主營業(yè)務收入為1105.77億元，主營業(yè)務成本為1101.94億元，毛利潤為3.82億元，銷售毛利率為0.35%。按毛利潤金額大小排序為甲醇、工業(yè)用乙二醇、石油混合二甲苯等，按成本多少排序為石油對二甲苯、工業(yè)用乙二醇、石腦油、甲醇等。從圖中可以看出，有多筆訂單毛利率很低，存在融資性貿(mào)易的嫌疑。

4.融資性貿(mào)易線索查證。毛利率分析是查證融資性貿(mào)易的重要突破點之一，通過Power BI計算出同一類產(chǎn)品相同交易對手的銷售毛利率進行比較，一般毛利率低于平均毛利率則可能為融資性貿(mào)易。融資性貿(mào)易的顯著特點是采購銷售合同簽訂地點、交易量一致，簽訂日期非常接近，且供應商和客戶實際上為同一控制人。因此，對毛利率低的交易，匹配采購臺賬和銷售臺賬，找出采購和銷售數(shù)量相同的業(yè)務，關注合同簽訂地點、時間、金額和交易上下游鏈條的實際控制人。

首先，篩選出低于平均毛利率的交易訂單。設置的篩選條件為：0<毛利率<0.35%。使用Power BI的矩陣表格和篩選器功能，經(jīng)過分析如圖7所示，可以得知：2017—2020年符合條件的交易量為1060筆，平均毛利率為0.14%。這些交易記錄具有毛利率低的特征，需要進一步穿透，繼續(xù)尋找存在融資性貿(mào)易的線索。

通過對這1060筆交易進行進一步分析，查看交易鏈條上客戶與供應商之間是否存在同一實際控制人。經(jīng)過查證分析，得到以下線索：2018年2月24日，A化工銷售公司商談了一單丙烷的背靠背業(yè)務，以采購價格593美元/噸、采購合同總價29，650，000美元從B公司采購50，000噸丙烷，并以銷售單價594美元/噸、采購合同總價29，700，000美元再出售給B公司，實現(xiàn)毛利50，000美元，毛利率0.16%。合同付款方式為：銷售合同提單日后90天遠期信用證、采購合同提單日后30天遠期信用證，如圖8所示。上述貿(mào)易中，上游供應商B公司和下游客戶C公司同屬于某石油化工集團;A化工銷售公司沒有參與實物流操作，經(jīng)營利潤率較低，且提供了60天的資金支持，存在增加經(jīng)營規(guī)模和收入、變相融資的嫌疑。

四、結論

中國石化審計目前已由現(xiàn)場審計為主向以非現(xiàn)場審計為主轉變，由傳統(tǒng)審計向數(shù)字化、網(wǎng)絡化和智能化審計轉變，由“橄欖型”審計向“啞鈴型”審計轉變。在新時期審計工作中，數(shù)據(jù)分析的作用更加重要。融資性貿(mào)易具有毛利率異常、購銷合同日期接近、購銷雙方存在關聯(lián)關系等特點。商業(yè)智能分析工具Power BI具有強大的功能特性和適用性，可以有效地識別毛利率低于正常值的交易，同時能夠匹配關聯(lián)，可有效助力審計人員更好地甄別融資性貿(mào)易。

主要參考文獻

[1]顧明.基于數(shù)據(jù)湖的內(nèi)部持續(xù)審計模式探索[J].中國內(nèi)部審計， 2021（3）：63-65

[2]李虹鋼.融資性貿(mào)易審計技巧[J].中國內(nèi)部審計， 2018（9）：42-45

[3]蘇孜，宿洪艷.關聯(lián)交易的內(nèi)部審計監(jiān)督[J].中國內(nèi)部審計， 2021（2）：49-50

[4]應里孟.數(shù)據(jù)式審計常用的數(shù)據(jù)分析方法[J].中國農(nóng)業(yè)會計， 2011（9）：14-15

[5]張玉卓.以數(shù)字化轉型促進能源化工產(chǎn)業(yè)高質(zhì)量發(fā)展[J].中國產(chǎn)經(jīng)， 2021（2）：58-60