INDUSTRY NEWS
业内资讯

内审和大数据之间不得不说的事

声明:本文由审金兵撰写,观点仅代表个人,文中部分图片来自于网络,感谢原作者。

2016年,最热的话题莫过于人工智能,按照科学家的预测,人工智能的发展速度将大大超出人类的想像,现实可能会超越科幻。

据说,人工智能突飞猛进的重要动力是得益于核心算法的突破,现在的机器人已经不再是局限于完成某个重复性的工作,而是具备了深度学习能力。

举个例子:

一个出厂状态的机器人,和你在一起生活半年以后,通过持续不断观察和学习你的行为,可能比你自己还了解你,它可以根据你的行为特征和性格喜好等,更好的辅助和服务于你,和你在一起的时间越长,服务就更到位,当你想喝水的时候,它可以把水温精确保持在你最喜欢的38度或51度,当你要出门的时候,它会预约你最喜欢的车型。

想想这样的生活,挺好。

不过,今天要说的是大数据,可能感觉这已经是个有点老套的概念了,其实不然,所谓的人工智能水平之所以能够不断提高,除了计算技术本身的进步,最基础的还是大数据。

就像你的好基友机器人,你的一举一动对它而言实际上都是非常有用的信息,是它智能工作的原材料,你每天的活动全部转化为信息的话,就是海量的数据,它正是通过对这些数据的挖掘分析利用,才实现了对你的贴心服务。

所以说,大数据其实是人工智能实现的重要基础,是在人工智能时代更好生存所必须了解和掌握的资源。

在此,做一次维基百科的搬运工:

大数据,指的是所涉及的数据量规模巨大到无法通过人工或者计算机,在合理的时间内达到截取、管理、处理、并整理成为人类所能解读的形式的信息。在总数据量相同的情况下,与个别分析独立的小型数据集相比,将各个小型数据集合并后进行分析可得出许多额外的信息和数据关系性,可用来察觉商业趋势、判定研究质量、避免疾病扩散、打击犯罪或测定即时交通路况等;这样的用途正是大型数据集盛行的原因。

回到内部审计,作为一个组织的内部确认和咨询角色,如果组织运营的信息化程度已经很高且在不断提高,那么,内部审计的目光就应当在目前传统IT审计的范围内,扫视到更加基础和广阔的大数据范畴。

不负责任的说,内部审计的思维和方式在人工智能时代将产生革命性变化。

例如,由于智力资源不足而采用的审计方式如抽样审计终将消失,因为大数据和人工智能将完美解决智力资源缺乏和持续性不强的问题,当机器代替人脑进行计算分析时,怕的不是数据多,而是数据不足。

同时,由于审计的基础将更大程度依赖于大数据,因此对于事实认定、取证的过程将大大简化,用客观的数据说话,从而与被审计方扯皮的精力将得以释放。

那么,如何实现内部审计与大数据的完美结合,想来想去,八个字:

全部占有,深度利用。

第一个问题:如何全部占有?

大数据之所以重要,就在于它的“大”,如果只是一些支离破碎的零散数据,就没有太多的价值,只有数据足够大,才能产生聚合价值。对于内部审计而言,要从大数据获益,必须是全部而非零碎的占有,也就是要获取组织全部活动的所有数据,当然,这个很难。

首先,组织的所有活动并不是都转化成了数字化的数据,假如你想利用卫生间每天的客流量、滞留时间等数据和采购、消耗卫生纸的数据对比,从而发现有没有人贪污、偷窃卫生纸这类舞弊行为的话,估计很难获取到足够的数据,而且会被骂成变态。

其次,组织内产生的很多数据都是分散的,特别是与业务没有直接相关的数据,这也导致收集全部数据难度很大,除了业务、财务等核心数据以外,在文件处理、来人接待、人力资源、后勤服务等综合管理流程中,以及各个内部机构的日常管理中,都会产生大量处于分散状态的数据,但由于缺少整合的需要,也没有支持的平台,所以基本被忽视。

再次,内部审计占有数据的能力取决于在组织中的地位,如果内审机构本身就是边缘化的状态,那么除了占有一些没有人看的审计底稿和报告,占有全部数据无疑是痴人说梦。只有内审的地位够高,力量强大,才可能把手伸到组织的每个角落,整合起全部数据,建立起坚实的审计基础。

上面三点既是原因也是答案:

推动组织活动的信息化,摸清可能的存量数据,利用各种手段取得数据。

第二个问题,如何深度利用?

数据拿过来要是不会用,那就是另一种形式的“不拿白不拿,拿了也白拿”,数据要达到可用状态,必须进行整理、清洗、挖掘等等加工过程,这些活对绝大多数内审人员而言,难度是大大的,不过这个问题不是太大,除了自己学习补课,可以借助IT部门或者外部的专业力量。

核心的问题是,一堆原材料,准备盖一座什么样的房子,内审人员要提出审计思路,要有架构和设想。如果还是按照现在的审计思路,只不过是换了个工具而已,就像把钢笔换成了键盘,能提高一些效率,但不解决根本问题。

内审具体怎么利用,说句套路话,可能还是要具体情况具体分析,很难一概而论,但有一点是相同的,那就是要大开脑洞,能不能榨干大数据的养分,就看脑洞够不够大,不怕你的想法奇怪,就怕你的想法不怪。

例如:

通过销售人员的差旅信息能够分析出主要客户所在区、跑动频率等,将各地区销售业绩与差旅信息比对,如果存在频繁跑动但业绩并不突出甚至不理想的情况,审计人员可以适当关注具体原因,除了业务推进确实存在一定困难之外,是否存在虚构差旅行程的情况。

最后,说一个前几天听到的让人很不爽的大数据应用场景:

在网上购物但很少退换货,也很少与卖方交流的人,更容易收到残次品,因为卖家的机器人客服会在分析交易大数据后判断,该名顾客好说话,不爱计较,因此柿子就挑软的捏,你既然能忍,那就不断挑战你忍耐的极限。

人工智能的这个逻辑,想想也不是没有道理,现实世界本来就是如此。

言归正传,概括一下,内审要和大数据成为好基友,一要伸长手,拿来全部数据,二要开脑洞,玩出新花样


必威官网 <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链> <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <蜘蛛词>| <文本链> <文本链> <文本链> <文本链> <文本链> <文本链>