高速公路企业经济责任审计画像研究

近年来，我国企业规模迅速扩张，经营管理数据呈爆发式增长，尤其是高速公路行业数字化水平逐年提升，建筑信息模型（BIM）、地理信息系统（GIS）、数据中台的建设及人工智能、机器学习等数字化手段，已逐步应用于高速公路的设计、施工和运营管理等各个环节。与此同时，审计作业模式 亦由传统的手工作业模式向数字化审计转型。审计画像技术为推动审计数字化发展，促进审计技术创新应用，提供了一条可靠路径。

审计画像技术

审计画像是以审计视角观察被审计单位，通过审计标签及管理，系统化描述审计对象一系列特征的画像技术。审计画像是综合的分析框架，能够捕获审计对象的异常指标，可以全面动态反映出审计对象的状态，对审计成果进行可视化展示。同时，审计画像可用于审计计划、审计报告和审计整改各不同阶段，进行多次画像验证审计风险。

审计画像可广泛应用于领导干部经济责任审计领域。经济责任审计画像是围绕经济责任审计的重点关注事项，运用相关评价指 标创建画像，进行风险预警及异常检查的过程。经济责任审计画像可以分为对“人”（领 导干部）的审计画像和对“事”（经济责任审计事项）的审计画像，按照审计数 据类型及场景标签，建立跨系统、跨专业的经济责任审计模型库、审计分析指标库、审计标签库，实现对经济责任审计标签的生成、管理和检索。领导干部画像着重于研究单一用户，依据用户行为进行画像，发现领导干部特性和责任风险情况；经济责任审计事项画像需要依据单位的业务运营情况，挖掘其潜在风险点和异常行为模式。

审计画像的重点在于审计对象标签体系的构建，标签建设的核心是确定标签场景和标签属性。标签场景是指审计业务的具体需求和风险识别策略；标签属性是审计对象在具体场景中展现的特征或状态。标签构建流程包括标签体系设计、数据分析、标签生成、储存和管理。

本文主要讨论如何构建定性与定量相结合的经济责任审计画像指标体系，基于高速公路企业的现实场景，通过线上和线下相结合的审计方式，精准锁定问题，展示异常指标；重点围绕审计人员实施审前调查，构建疑点模型，形成高速公路企业经济责任审计画像。 经济责任审计画像可以为经济责任审计人员决策提供数据支持，提升审计工作效率，增强企业经营管理能力；同时，促进高速公路企业内部审计由事后向事中和事前转变，加强风险控制与全过程监督，推动内部审计高质量发展。

高速公路企业经济责任审计画像的实现

传统的经济责任审计往往集中于财务领域或某些特定领域范围，而高速公路企业的经营业务广、业务链条长、资金投入大，单纯的财务指标难以全面反映真实情况，因此需要建立健全经济责任审计评价指标体系，对企业经济责任进行综合评价。本文分别从 “人”和“事”两个方面，构建高速公路企业经济责任审计画像，以帮助审计人员在开展 经济责任审计工作时快速锁定风险点、异常点，提升审计效率与准确性。本文研究的高速公路企业审计画像基本思路是构建“数据处理—标签体系构建—标签权重选择—数据可视化—画像构建—画像应用”体系，流程步骤如图 1 所示，具体分析如下。

（一）数据处理

大数据具有数据体量大、数据类型多、 速度快等特点，数据处理要以大数据应用为核心，数据治理为引擎，构建覆盖数据全生命周期的管理与治理体系。数据处理包含两个方面：一是数据来源。数据来源是画像构建的基础，数据完整性对审计结论的可靠性起决定性作用。数据来源主要有内部审计数据，包括财务共享系统、合同管理系统、人力资源系统、各业务管理系统及内部统计报表数据等；外部数据，包括高速公路行业整体数据，建设工程及运营管理相关法律法规等；其他数据，包括审计报告、互联网数据等。二是数据管理。借助数据采集工具和数据治理工具，对数据进行采集、清洗和标准化处理，为审计提供有效数据，满足内部审计需求。

（二）标签体系构建

审计画像技术构建高速公路企业的画像标签包括“标签设计—标签生成—标签存储—标签管理”四个部分。

1. 标签设计

结合高速公路企业的审计业务场景，确定所构建标签的层级，从海量数据中提取标签描述，确定相关权重。

2. 标签生成

通过文本挖掘和数据建模等技术进行数据分析，精准判断数据背后的高速公路建设及管理业务逻辑和审计需求，识别和提取出能精确反映高速公路企业某一方面特征或风险的审计画像标签。

为构建对高速公路企业“经济责任审计事项”的审计画像，按照重大事项、战略规划、财务绩效、责任落实等多个维度，包含19个一级指标、50个二级指标，构建出充分适用 于高速公路企业审计的标签评价指标体系。 一级标签包括发展战略规划、重大经济事项、 财务管理、合同管理、内部控制、工程现场管理、公路路政管理、公路收费管理等，同时按照一级标签的方向构建对应的二级标签， 具体指标如图 2 所示。

同时，为构建对高速公路企业“领导干部”的审计画像，主要从廉洁履职、个人履历、以往审计问题整改情况等维度进行刻画，包括5个一级指标、14个二级指标。一级指标包括党风廉政建设责任和个人遵守廉洁从业规定情况、贯彻执行上级方针政策和决策部署、个人基本情况和工作经历，再将其细化为二级指标，具体指标如图 3 所示。

3. 标签存储

使用MySQL和Oracle等数据库管理系统存储生成的标签。

4. 标签管理

使用数据管理平台DMP，根据实际情况的变化不断补充、调整和维护标签库。

（三）标签权重选择

高速公路指标体系中同时存在定量和定性指标，可使用专家问卷法初步确定各指标权重，再依据业务场景需求对各指标进行分层处理，选择使用层次分析法修订指标权重。

层次分析法（AHP）是一种层次权重决策分析方法，该方法通过建立判断矩阵，可以判断出不同指标的重要程度从而确定画像的权重值，其具体操作方法分为以下四步。

第一步，建立递阶层次结构模型。将标签权重评价指标体系分为三个层次，本文分别将高速公路企业情况审计画像和领导干部审计画像作为目标层，一级指标作为准则层，在每个准则层下设立对应的指标层。

第二步，构造判断矩阵。 矩阵记为 W=（wji）n×n，矩阵元素记为wij，且满足wij=1/wji，矩阵如下 ：

wij(i=1，2，......，n)，(j=1，2，......，n)，表示wi 相对于wj 的重要程度。

第三步，计算评价指标权重。 获取矩阵中每一行元素的乘积再开n次方（n为每行元素的数量），可得向量Mj1，之后进行归一化处理得标准化向量 Pj1，Pj1=(P1，P2，......，Pn) T 。

第四步，一致性检验。为确保指标权重体系的科学性与判断矩阵的合理性，需要进行一致性检验，设一致性指标结果为CI，随机一致性指标结果为RI，

（四）数据可视化

基于高速公路企业的业务场景分析数据维度，通过系统实现多维数据自动获取、标签自动取值，使用Tableau和Power BI等工具进行分析，可选择词云图、雷达图和知识图谱等可视化方法进行展示。

（五）画像构建与应用

画像构建对标签体系建设起引领作用，在标签生成后，采用机器学习等技术将高速公路企业标签进行集成即可生成经济责任审计画像，再使用画像所反馈的信息去调整和完善标签库。探寻画像技术与审计业务的融合点，在充分考虑高速公路企业经济责任审计画像的具体应用场景以及审计关注点后，建立经济责任审计模型指标，实现对“人”（领导干部）和对“事”（经济责任审计事项）的审计画像。

按照审计类型需求，高速公路企业经济责任审计画像可应用于合规性检查、风险预警与评估、项目监控等多个方面。通过结合内控和风控的潜在风险点，从场景剖析、处理策略、实现过程等多个角度，构建一个涵盖标签库、画像库和应用场景设计的标签画像库，便于审计结果的广泛应用，实现对高速公路企业经济责任的履行情况进行监督、审查和评价。

研究结论与展望

通过经济责任审计画像，可以优化审计工作模式、提高审计工作效率、强化审计结果应用。

第一，准确把握经济责任审计新定位。确定好审计重点内容，聚焦国家重大政策，从重大决策角度审视企业管理风险点和薄弱点，重视共性问题分析，关注企业主要业务与责任，揭示其经营领域中关于投资、建设和运营等方面存在的问题，并促进审计问题的整改效率提升。

第二，通过大数据技术提升审计画像准确性。企业审计内容繁杂、时间跨度大，传统审计方法效率较低，难以满足现实情况需求。大数据分析技术可以对海量数据进行收集、处理和分析，深入各审计重点领域，从整体视角上对事项进行立体式刻画，进行同行业对比分析，将历史数据与企业总体发展有机结合，增强经济责任审计画像的针对性与有效性。

第三，根据审计对象的企业特点个性化设置评价体系。通过大数据分析将不同企业对象的标签分类汇总，提炼出共性和个性指标，同时关注真实性、合法性和效益性。经济责任审计的根本目的是审计评价，而审计评价决定了审计工作的效果，同时使用个性和共性指标能够使审计评价更为精准和全面。

第四，推动跨部门数据共享与合作。推动建立跨部门数据共享机制，加强多部门沟通与合作，定期交换和共享数据资源，扩大审计线索资源覆盖面，从多维度视角进行数据关联比对与分析，形成监督合力，筛选风险异常点，提高问题发现与查处的效率。同时，与外部监督机构和纪检监察机关建立联动机制，充分利用各方资源与专业优势，共同研究解决方案与整改策略，形成集中统一、全面覆盖、权威高效的审计监督体系。（作者单位系广东省路桥建设发展有限公司）