文章

数字化时代下商业银行

智慧审计应用与创新(第一期)

大数据、区块链、云计算、人工智能等创新技术驱动下,越来越多的商业银行正开启数字化转型之门,新兴金融科技逐渐应用到客户服务、业务受理、信贷流程、营运管理、风险决策等银行核心业务之中。数字化转型在提升银行客户体验、优化银行运营效率、降低银行营运成本的同时,也对银行的风险控制和内部审计带来诸多挑战:

数字化转型对银行内部审计既是挑战也是机遇,多种智能技术的出现打破了传统银行内部审计在数据规模、范围以及类型方面的限制。融合高级数据分析、认知技术、智能预测、敏捷方法和机器人流程自动化等新技术、新概念的智慧审计应用将为银行内部审计提供全方位的数字化赋能:

  • 全面的大数据分析能力:利用数据湖架构建立审计大数据平台和审计数据管理与运营机制,搜集和存储银行内、外部各类结构化和非结构化数据,实现各类数据的专业化处理,包括采集、加工、转换、存储、交换、关联、共享和管理。

    通过对零售客户支出情况、支付渠道、消费习惯等各类数据的全面分析,真实、全面、动态地反映出审计对象信息,帮助内部审计部门更好地识别客户异常风险特征。通过对公客户内外部数据的交叉验证和组合分析,可以为内部审计部门对相关客户信贷评价提供更好的参考依据。
  • 高效的自动化处理能力:利用审计机器人流程自动化替代人工执行具有清晰定义和极少例外情况下的重复和确定性审计动作,实现人力成本的节约和审计资源的聚焦。

    审计机器人流程自动化技术可以帮助审计人员进行数据收集、外部数据爬取、数据比对、系统安全参数检查以及底稿编写等事务性工作。另外,利用模式识别等人工智能技术,可以为审计人员提供文本、图像和语音自动识别和检查工具,从而支撑各类审计项目中对银行数字化改造后业务过程产生的海量合同文本、电子证照、客服录音等非结构化数据全样本检查;
  • 智慧的业务风险洞察能力:在以往内部审计项目中,主要依赖审计人员设定规则对样本进行异常筛选,审计效果往往与审计人员经验水平密切相关。

    应用机器学习技术为审计人员提供了另外一种基于数据的风险洞察和识别路径,通过有监督和无监督机器学习模型,直接对大量审计对象数据进行分析处理,产出相应的风险预测和假设结果,从而帮助审计人员揭示隐形数据关系。此外,通过对机器学习模型结果特征进一步分析可以实现优化和扩展原有各类审计数据模型的精度和覆盖范围。

德勤与部分金融机构就智慧审计课题开展探索与合作,帮助金融机构综合运用新兴数字化技术打造全新的智慧审计生态体系并已取得良好效果:

随着大数据和人工智能技术不断发展,可以预见未来智慧审计应用场景将越来越广泛。因此,我们建议每一个内部审计组织都可以结合自身特点,建立智慧审计技术小组,培养智慧审计人才,识别和实践智慧审计应用场景,规划和搭建智慧审计数字化平台,将智慧审计技术和理念融入日常内部审计工作中,共同推动内部审计理念和方法的创新与变革。

本文作为商业银行智慧审计创新系列专题开篇,探讨了智能技术在内部审计中应用的意义和成效,后续我们将结合实际案例和技术趋势,陆续分享在智慧审计体系搭建、资源配置、场景设计与技术创新等方面的优秀实践。

此内容是否提供了您需要的资讯?