CN117541195A - 一种审计项目智能管理方法及系统 - Google Patents
一种审计项目智能管理方法及系统 Download PDFInfo
- Publication number
- CN117541195A CN117541195A CN202311805771.3A CN202311805771A CN117541195A CN 117541195 A CN117541195 A CN 117541195A CN 202311805771 A CN202311805771 A CN 202311805771A CN 117541195 A CN117541195 A CN 117541195A
- Authority
- CN
- China
- Prior art keywords
- audit
- data
- report
- recommendation
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012550 audit Methods 0.000 title claims abstract description 284
- 238000007726 management method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000012937 correction Methods 0.000 claims abstract description 48
- 230000004927 fusion Effects 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 claims abstract description 17
- 238000012544 monitoring process Methods 0.000 claims description 41
- 230000010354 integration Effects 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 230000010485 coping Effects 0.000 claims description 10
- 238000013515 script Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000006872 improvement Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 6
- 238000013439 planning Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000012502 risk assessment Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007418 data mining Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000008676 import Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种审计项目智能管理方法及系统。首先获取目标审计项目的审计计划数据,通过推荐模型得到审计计划推荐结果;与审计数据库进行关联,确定与目标审计项目的关联信息;然后将各类审计工具进行集成得到融合应用;对目标审计项目的关联信息进行处理,生成目标审计报告;最后基于目标审计报告确定整改问题,并将整改问题分配给关联用户。本申请实现了审计计划智能推荐、审前资料推送、智能审计工具库和智能生成审计报告等功能,提高了审计效率和质量。
Description
技术领域
本发明涉及审计数据处理领域,特别涉及一种审计项目智能管理方法及系统。
背景技术
现有的数字化审计分析与应用平台主要集中在审计项目底稿数据的录入管理,然而在审计全业务协同管理方面存在明显不足。同时,现有的审计模型通常是单独线下应用,并未与审计项目进行关联应用,导致审计项目与审计业务之间的高度融合难以实现。这给审计工作带来了一些问题,例如审计效率低下、质量难以保证等。
发明内容
基于此,本申请实施例提供了一种审计项目智能管理方法及系统,实现了审计计划智能推荐、审前资料推送、智能审计工具库和智能生成审计报告等功能,解决了现有技术中的问题。
第一方面,提供了一种审计项目智能管理方法,该方法包括:
获取目标审计项目的审计计划数据,根据所述审计计划数据通过预先构建的推荐模型得到审计计划推荐结果;
将所述审计计划推荐结果与审计数据库进行关联,确定与目标审计项目的关联信息;其中,所述关联信息保存在审计数据库中;
确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用;
根据所述融合应用对目标审计项目的关联信息进行处理,生成目标审计报告;
基于所述目标审计报告确定整改问题,并将整改问题分配给关联用户。
可选地,所述方法还包括:根据所述目标审计报告生成风险画像、对审计计划进行评定以及对目标审计项目的监控预警。
可选地,获取目标审计项目的审计计划数据,根据所述审计计划数据通过预先构建的推荐模型得到审计计划推荐结果,具体包括:
收集审计计划数据:首先从OA、人才管理、知识库入口录入审计计划数据,然后在数据库中调取的系统收集到审计计划数据;
数据预处理:对收集到的审计计划数据进行预处理;其中,具体包括数据清洗、去除噪声、填充缺失值操作;
特征工程:根据预处理后的审计计划数据,提取出有用的特征;其中,使用统计方法或机器学习算法来选择和提取特征,具体通过主成分分析来降维,使用TF-IDF提取文本特征;
构建推荐模型:根据审计计划数据和特征,使用预设推荐算法构建推荐模型;其中,预设推荐算法包括基于内容的推荐、协同过滤推荐、矩阵分解推荐;
实时推荐:将推荐模型应用到实际场景中,使用实时流处理技术实时生成推荐结果;其中,所述实时流处理技术包括Apache Kafka或Apache Flink。
可选地,确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用,具体包括:
设计集成方案:根据智能审计工具库、审计单兵作业装备及审计工具的融合集成需求和系统评估结果,设计系统集成方案;其中,所述审计工具至少包括电子取证、录音、OCR文本识别、远程会商、审计资料共享池;所述系统集成方案至少包括接口规范、数据传输方式、安全性要求;
开发集成模块:根据智能审计工具库、审计单兵作业装备及审计工具集成设计方案,开发系统集成所需的组件;其中,所述组件包括电子取证、录音、OCR文本识别、远程会商、审计资料共享池;
测试与调试:对智能审计工具库、审计单兵作业装备及审计工具集成模块进行测试和调试;
部署与上线:将智能审计工具库、审计单兵作业装备及审计工具集成模块部署到相应的环境中,并进行融合应用系统联调和验收测试;
监控与维护:建立融合应用监控机制,对集成系统进行实时监测和异常处理。
可选地,根据所述融合应用对目标审计项目的关联信息进行处理,生成目标审计报告,具体包括:
数据收集与整理:确定审计报告所需审计问题台账、取证表、问题定性和法律法规数据的来源,并获取数据,对数据进行清洗、整理和预处理;其中,获取数据的方法至少包括API调用、数据库查询、文件导入;
设计报告模板:根据审计报告需求,设计报告的模板和布局;
编写报告生成脚本或程序:根据审计报告需求和模板设计好的结构,编写报告生成的脚本;根据审计问题台账、取证表、问题定性和法律法规数据和报告模板,将数据填充到相应的报告位置,并进行格式化和排版;
自动化执行:将审计报告生成脚本或程序设置为定时任务或在需要生成审计报告的时候自动触发执行;
报告导出与分享:在审计报告生成完成后,将报告导出为可读取的格式,并分享给相关人员。
可选地,基于所述目标审计报告确定整改问题,并将整改问题分配给关联用户,具体包括:
确定审计整改问题:根据审计结果和需求,确定需要整改的问题,并将每个问题详细描述,并分配唯一的标识符;
分配责任与期限:将每个整改问题分配给相关人员,并为每个整改问题设定截止日期;
制定整改方案:针对每个整改问题的建立整改方案;其中,所述整改方案应包括具体的解决措施、实施计划和资源需求;
实施整改方案:按照制定的整改方案,进行问题的具体整改工作;
监督与追踪:跟踪整改进度,并定期进行审核和评估;
验证与测试:在整改完成后,进行验证和测试;
反馈与审计闭环:向审计部门或相关方提供整改结果和反馈;
总结与改进:通过各个整改问题进行资料总结,分析整改过程中遇到的问题和效果。
可选地,根据所述目标审计报告生成风险画像具体包括:
风险识别:对项目进行全面的风险识别,确定各类风险源;
数据收集与整理:收集项目相关的数据,包括项目计划、进度、成本、质量数据以及外部环境数据;
风险评估:基于收集到的数据和风险识别结果,对每个风险进行定性和定量的评估;
风险响应策略制定:根据评估结果,为每个风险制定相应的风险应对策略;
风险监控与控制:建立风险监控机制,对风险源进行持续监控;
可视化展示:将收集到的风险信息进行整理和归类,利用可视化技术和工具,将风险数据转换为可视化结果。
可选地,对审计计划进行评定具体包括:
收集数据和信息:收集与决策相关的数据和信息;其中,包括内部数据和外部数据;
数据分析与处理:对收集到的数据进行处理和分析;包括数据清洗、统计分析、数据挖掘;
构建决策模型:基于对数据和信息的分析,构建决策模型;所述决策模型包括定量模型或定性模型;其中,定量模型至少包括数学模型和统计模型,定性模型至少包括影响图和层次分析法;
预测和模拟:利用决策模型对收集到的数据进行分析;
可视化展示:将分析结果和模型输出以可视化结果;
决策评估与选择:根据分析结果和模型输出,对各个决策方案进行评估和比较;
实施与跟踪:建立的跟踪机制,监测决策执行结果。
可选地,对目标审计项目的监控预警具体包括:
确定监控指标:确定监控的关键指标和阈值;其中,所述指标包括项目进度、成本、质量、风险数据;
收集数据:收集相关的项目数据,包括计划进度、实际进度、成本花费、质量评估结果;
数据分析与比对:对收集到的数据进行分析,并与预设的指标和阈值进行比对;
设置预警规则:基于数据分析结果,制定相应的预警规则;其中,预警规则包括触发预警的条件、预警级别、预警通知方式;
预警通知与报告:通过邮件、短信、即时通讯工具等方式发送预警通知,并生成相应的预警报告;
制定应对策略:当收到预警通知后,制定相应的应对策略;
监控与跟踪:根据监控项目的进展和更新和调整预警规则;
持续改进:根据项目的实际情况改进监控预警功能。
第二方面,提供了一种审计项目智能管理系统,该系统包括:
推荐模块,用于获取目标审计项目的审计计划数据,根据所述审计计划数据通过预先构建的推荐模型得到审计计划推荐结果;
关联模块,用于将所述审计计划推荐结果与审计数据库进行关联,确定与目标审计项目的关联信息;其中,所述关联信息保存在审计数据库中;
集成模块,用于确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用;
生成模块,用于根据所述融合应用对目标审计项目的关联信息进行处理,生成目标审计报告;
分配模块,用于基于所述目标审计报告确定整改问题,并将整改问题分配给关联用户。
本申请实施例提供的技术方案带来的有益效果至少包括运用可视化技术,支持审计计划、项目监控、审前调查、现场实施、报表编写、整改追责、人才评价、复盘提炼等审计业务全流程的工作,为管理层、业务部门、审计部门、审计项目提供风险画像、决策支持和预警三大服务,辅助风险识别、风险量化、精准审计和全方位监督等工作。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图引申获得其它的实施附图。
图1为本申请实施例提供的一种审计项目智能管理方法流程图;
图2为本申请实施例提供的一种审计项目智能管理系统框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本发明的描述中,术语“包括”、“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包括了一系列步骤或单元的过程、方法、系统、产品或设备不必限于已明确列出的那些步骤或单元,而是还可包含虽然并未明确列出的但对于这些过程、方法、产品或设备固有的其它步骤或单元,或者基于本发明构思进一步的优化方案所增加的步骤或单元。
现有的数字化审计分析与应用平台只做审计业务流程个别环节,如审计项目底稿数据的录入管理,未形成从“审计计划-审前调查-现场审计-审计报告-整改跟进”审计全业务流程协同闭环管理;现有的审计模型是单独线下应用的,未关联审计项目进行应用,未实现审计项目与审计业务的高度融合。
围绕审计业务的全流程:“审计计划-审前调查-现场审计-审计报告-整改跟进”,构建系统功能支撑公司管理层、业务部门、审计部门和审计项目组对智慧审计的实际需求,实现全过程协同审计,用技术手段为审计人员减负,全面支撑审计业务数字化转型。具体地,请参考图1,其示出了本申请实施例提供的一种审计项目智能管理方法的流程图,该方法可以应用于审计项目智能管理系统中,可以包括以下步骤:
步骤101,获取目标审计项目的审计计划数据,根据审计计划数据通过预先构建的推荐模型得到审计计划推荐结果。
在本步骤中具体实现了构建审计计划智能推荐功能,融合政策热点推荐和历年审计信息查询功能,辅助审计部门快速制定审计计划。具体步骤如下:
步骤1011,收集审计计划数据:首先需要审计部门人员从OA、人才管理、知识库入口录入审计计划数据,然后在数据库中调取的系统收集到审计计划数据。其中,目标审计项目是指待从数据库中调取收集到的审计计划数据所对应的审计项目。
步骤1012,数据预处理:对收集到的审计计划数据进行预处理。包括数据清洗、去除噪声、填充缺失值等操作,以确保数据的质量和完整性。
步骤1013,特征工程:根据收集到的审计计划数据,提取出有用的特征。可以使用统计方法或机器学习算法来选择和提取特征,例如使用主成分分析(PCA)来降维,或使用TF-IDF等技术提取文本特征。
步骤1014,构建推荐模型:根据审计计划数据和特征,使用适当的推荐算法构建推荐模型。常用的推荐算法包括基于内容的推荐、协同过滤推荐、矩阵分解推荐等。根据具体情况选择合适的算法,并根据用户反馈不断调优模型。
步骤1015,实时推荐:将推荐模型应用到实际场景中,实时生成推荐结果。可以使用实时流处理技术,如Apache Kafka、Apache Flink等,来处理大规模的用户请求并生成实时推荐结果。
构建审前资料推送功能,系统已经通过数据模型,建立了审计计划和法律法规、审计关注、审计策略、审计模型、历史审计问题及整改情况等信息的关联关系,并保存在数据库关联表中,系统通过关联表,快速收集审计项目相关的关联信息,为审计项目组做资料推送。
步骤102,将审计计划推荐结果与审计数据库进行关联,确定与目标审计项目的关联信息。
其中,关联信息保存在审计数据库中。
步骤103,确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用。
本步骤中具体实现了融合智能审计工具库、审计单兵作业装备,丰富审计工具,如电子取证、录音、OCR文本识别、远程会商、审计资料共享池等工具,完善单兵作战融合应用功能。单兵作战可以是指对单人适用的融合应用。
实现单兵作战融合应用具体步骤如下:
步骤1031,设计集成方案:根据智能审计工具库、审计单兵作业装备及审计工具(如电子取证、录音、OCR文本识别、远程会商、审计资料共享池等工具)的融合集成需求和系统评估结果,设计合适的系统集成方案。考虑系统之间的接口规范、数据传输方式、安全性要求等因素。可以选择使用中间件、API、消息队列等方式进行集成。
步骤1032,开发集成模块:根据智能审计工具库、审计单兵作业装备及审计工具集成设计方案,开发系统集成所需的模块或组件,包括电子取证、录音、OCR文本识别、远程会商、审计资料共享池等组件。这可能涉及编写接口适配器、数据转换器、消息传递器等。
步骤1033,测试与调试:对智能审计工具库、审计单兵作业装备及审计工具集成模块进行测试和调试,确保系统之间的数据交互和功能完整可靠。进行单元测试、集成测试和系统测试,发现并修复集成过程中的问题和错误。
步骤1034,部署与上线:将智能审计工具库、审计单兵作业装备及审计工具集成模块部署到相应的环境中,并进行单兵作战融合应用系统联调和验收测试。确保系统集成后的运行稳定性和性能符合预期。
步骤1035,监控与维护:建立单兵作战融合应用监控机制,对集成系统进行实时监测和异常处理。定期维护和更新集成模块,确保单兵作战融合应用系统的可靠性和安全性。
通过单兵作战融合应用功能,打造线上线下一体化工具,实现“集中分析,分散核实”的“远程+现场”协同审计模式,辅助审计项目组开展精准审计,避免分散分析及核实造成的审计误差大、协同效率慢、受现场地理制约时效性等问题,提高审计质量和工作效率。
步骤104,根据融合应用对目标审计项目的关联信息进行处理,生成目标审计报告。
在本步骤中具体实现了构建智能生成审计报告功能,通过自动关联审计问题台账、取证表、问题定性和法律法规等,辅助审计项目组快速生成审计报告,保障报告质量“事实充分、定性准确”,为审计人员减负。智能生成审计报告功能具体步骤如下:
步骤1041,数据收集与整理:确定审计报告所需审计问题台账、取证表、问题定性和法律法规数据的来源,并通过合适的方法(例如API调用、数据库查询、文件导入等)获取数据。对数据进行清洗、整理和预处理,以确保数据的准确性和完整性。
步骤1042,设计报告模板:根据审计报告需求,设计报告的模板和布局。可以使用专业的报告生成工具(如MicrosoftWord、Excel、PowerPoint)或报告自动生成软件来创建报告模板。
步骤1043,编写报告生成脚本或程序:根据审计报告需求和模板设计好的结构,使用编程语言(如Python、R、Java)编写报告生成的脚本或程序。根据审计问题台账、取证表、问题定性和法律法规数据和报告模板,将数据填充到相应的报告位置,并进行格式化和排版。
步骤1044,自动化执行:将审计报告生成脚本或程序设置为定时任务或在需要生成审计报告的时候自动触发执行。可以使用操作系统的定时任务功能,或者结合其他工具和平台(如Jenkins、Airflow)来实现自动化执行。
步骤1045,报告导出与分享:在审计报告生成完成后,将报告导出为可读取的格式(如PDF、HTML、Excel)或直接通过邮件、共享文件夹等方式分享给相关人员。可以根据需要选择合适的导出和分享方式。
步骤105,基于目标审计报告确定整改问题,并将整改问题分配给关联用户。
在本步骤中具体实现了构建整改问题分发管理、整改跟进功能,将审计整改交互过程线上化,辅助各个业务部门全面了解整改背景,线上交付相关整改材料,避免因人员流动带来的重复性整改工作,辅助审计部门实时掌握各单位整改情况,提供整改期限预警提示等。实现整改问题分发管理、整改跟进功能的具体步骤如下:
步骤1051,确定审计整改问题:根据审计结果和需求,明确需要整改的问题。将每个问题详细描述,并分配唯一的标识符或编号。
步骤1052,分配责任与期限:将每个整改问题分配给相应的业务责任人或团队,明确整改问题的业务负责人。为每个问题设定截止日期,确保整改任务能够按时完成。
步骤1053,制定整改方案:业务负责人或团队制定针对每个问题的整改方案。方案应包括具体的解决措施、实施计划和资源需求等。
步骤1054,实施整改方案:按照制定的整改方案,进行问题的具体整改工作。这包括业务流程优化、系统配置修改、培训与教育等。
步骤1055,监督与追踪:监督整改过程,确保整改方案按计划执行。跟踪整改进度,并定期进行审核和评估,以确保问题得到有效解决。
步骤1056,验证与测试:在整改完成后,进行验证和测试,确认问题是否已得到解决。可以进行内部审核、自查自纠等方式来验证问题解决的有效性。
步骤1057,反馈与审计闭环:向审计部门或相关方提供整改结果和反馈。确保整改问题的关闭和解决方案的有效性被确认。
步骤1058,总结与改进:定期总结和回顾已完成的整改问题,分析整改过程中遇到的问题和效果。根据经验教训,不断改进和优化整改流程和机制。
在本申请可选的实施例中,在上述方法之后还包括运用包括以折线图、柱状图、饼图、散点图、仪表盘等图形、图表、地图等视觉元素展示的可视化技术,支持审计计划、项目监控、审前调查、现场实施、报表编写、整改追责、人才评价、复盘提炼等审计业务全流程的工作,为公司管理层、业务部门、审计部门、审计项目提供支撑项目风险监控的风险画像、支撑审计计划评定的决策支持和支撑项目的监控预警三大服务,辅助风险识别、风险量化、精准审计和全方位监督等工作。
风险画像具体通过以下步骤实现:
步骤201,风险识别:首先,对项目进行全面的风险识别。这包括对项目整体进行分析,确定可能存在的各类风险源,并梳理出风险事件、原因和可能的影响。
步骤202,数据收集与整理:收集项目相关的数据,包括项目计划、进度、成本、质量等方面的信息。同时,收集并整理相关的外部环境数据,如市场情况、法规政策等。
步骤203,风险评估:基于收集到的数据和风险识别结果,对每个风险进行定性和定量的评估。使用适当的工具和方法,对风险的概率和影响程度进行评估,确定风险的优先级和重要性。
步骤204,风险响应策略制定:根据评估结果,为每个风险制定相应的风险应对策略。这包括避免、减轻、转移或接受风险等不同的应对方式。
步骤205,风险监控与控制:建立有效的风险监控机制,跟踪风险的发展和变化情况,及时采取相应措施进行控制和应对。这可以通过定期的项目风险评估、数据分析和反馈机制来实现。
步骤206,可视化展示:将收集到的风险信息进行整理和归类,利用可视化技术和工具,将风险数据转换为易于理解和分析的图表、图像或仪表盘形式。这有助于直观地展示项目的风险状况和趋势,帮助项目团队和相关利益相关者更好地了解和应对风险。
审计计划评定的决策支持具体通过以下步骤实现:
步骤301,收集数据和信息:收集与决策相关的数据和信息,包括内部数据(如公司业绩、市场趋势等)和外部数据(如行业报告、竞争对手情况等)。确保数据的准确性和完整性。
步骤302,数据分析与处理:使用适当的数据分析方法和工具,对收集到的数据进行处理和分析。这可能包括数据清洗、统计分析、数据挖掘等技术,以提取有用的信息和发现潜在的模式或关联。
步骤303,构建决策模型:基于对数据和信息的分析,构建适当的决策模型。这可以是定量模型(如数学模型、统计模型)或定性模型(如影响图、层次分析法等),根据具体情况选择合适的模型。
步骤304,预测和模拟:利用决策模型中的参数和变量,进行预测和模拟分析。通过假设不同的决策方案和情境,评估不同决策对结果的影响,并为决策提供参考。
步骤305,可视化展示:将分析结果和模型输出以可视化形式呈现,例如图表、图像、仪表盘等。这有助于直观地理解分析结果,发现关键信息和趋势,支持决策过程。
步骤306,决策评估与选择:根据分析结果和模型输出,对各个决策方案进行评估和比较。考虑不同的风险、效益、成本等因素,做出最优决策或制定合适的决策方案。
步骤307,实施与跟踪:落实所做出的决策,并建立有效的跟踪机制,监测决策执行的效果和结果。根据实际情况进行调整和改进,以保证决策的实施和效果达到预期。
监控预警具体通过以下步骤实现:
步骤401,确定监控指标:首先,确定需要监控的关键指标和阈值。这些指标可以包括项目进度、成本、质量、风险等方面的数据,通过设定合理的阈值来判断是否达到预警条件。
步骤402,收集数据:收集相关的项目数据,包括计划进度、实际进度、成本花费、质量评估结果等。确保数据的准确性和及时性。
步骤403,数据分析与比对:对收集到的数据进行分析,并与预设的指标和阈值进行比对。使用适当的分析方法和工具,发现潜在的问题和异常情况。
步骤404,设置预警规则:基于数据分析结果,制定相应的预警规则。这包括触发预警的条件、预警级别、预警通知方式等。根据项目的特点和需求,设置不同的预警规则。
步骤405,预警通知与报告:建立有效的预警通知机制,确保预警信息能够及时传递给相关人员。可以通过邮件、短信、即时通讯工具等方式发送预警通知,并生成相应的预警报告。
步骤406,制定应对策略:当收到预警通知后,及时制定相应的应对策略。根据具体情况,采取必要的行动来解决问题或缓解潜在风险。确保项目能够继续按计划顺利进行。
步骤407,监控与跟踪:持续监控项目的进展和指标数据,及时更新和调整预警规则。同时,建立有效的跟踪机制,追踪和记录项目的变化和处理结果。不断优化监控预警系统,提高预警准确性和效果。
步骤408,持续改进:根据项目的实际情况和经验教训,不断改进和完善监控预警功能。借鉴其他项目的成功经验,引入新的技术和工具,提升监控预警的效能和水平。
如图2,本申请实施例还提供的一种审计项目智能管理系统,该系统包括:
推荐模块,用于获取目标审计项目的审计计划数据,根据审计计划数据通过预先构建的推荐模型得到审计计划推荐结果;
关联模块,用于将审计计划推荐结果与审计数据库进行关联,确定与目标审计项目的关联信息;其中,关联信息保存在审计数据库中;
集成模块,用于确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用;
生成模块,用于根据融合应用对目标审计项目的关联信息进行处理,生成目标审计报告;
分配模块,用于基于目标审计报告确定整改问题,并将整改问题分配给关联用户。
本申请实施例提供的审计项目智能管理系统用于实现上述审计项目智能管理方法,关于审计项目智能管理系统的具体限定可以参见上文中对于审计项目智能管理方法的限定,在此不再赘述。上述审计项目智能管理系统中的各个部分可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于设备中的处理器中,也可以以软件形式存储于设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种审计项目智能管理方法,其特征在于,所述方法包括:
获取目标审计项目的审计计划数据,根据所述审计计划数据通过预先构建的推荐模型得到审计计划推荐结果;
将所述审计计划推荐结果与审计数据库进行关联,确定与目标审计项目的关联信息;其中,所述关联信息保存在审计数据库中;
确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用;
根据所述融合应用对目标审计项目的关联信息进行处理,生成目标审计报告;
基于所述目标审计报告确定整改问题,并将整改问题分配给关联用户。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据所述目标审计报告生成风险画像、对审计计划进行评定以及对目标审计项目的监控预警。
3.根据权利要求1所述的方法,其特征在于,获取目标审计项目的审计计划数据,根据所述审计计划数据通过预先构建的推荐模型得到审计计划推荐结果,具体包括:
收集审计计划数据:首先从OA、人才管理、知识库入口录入审计计划数据,然后在数据库中调取的系统收集到审计计划数据;
数据预处理:对收集到的审计计划数据进行预处理;其中,具体包括数据清洗、去除噪声、填充缺失值操作;
特征工程:根据预处理后的审计计划数据,提取出有用的特征;其中,使用统计方法或机器学习算法来选择和提取特征,具体通过主成分分析来降维,使用TF-IDF提取文本特征;
构建推荐模型:根据审计计划数据和特征,使用预设推荐算法构建推荐模型;其中,预设推荐算法包括基于内容的推荐、协同过滤推荐、矩阵分解推荐;
实时推荐:将推荐模型应用到实际场景中,使用实时流处理技术实时生成推荐结果;其中,所述实时流处理技术包括Apache Kafka或Apache Flink。
4.根据权利要求1所述的方法,其特征在于,确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用,具体包括:
设计集成方案:根据智能审计工具库、审计单兵作业装备及审计工具的融合集成需求和系统评估结果,设计系统集成方案;其中,所述审计工具至少包括电子取证、录音、OCR文本识别、远程会商、审计资料共享池;所述系统集成方案至少包括接口规范、数据传输方式、安全性要求;
开发集成模块:根据智能审计工具库、审计单兵作业装备及审计工具集成设计方案,开发系统集成所需的组件;其中,所述组件包括电子取证、录音、OCR文本识别、远程会商、审计资料共享池;
测试与调试:对智能审计工具库、审计单兵作业装备及审计工具集成模块进行测试和调试;
部署与上线:将智能审计工具库、审计单兵作业装备及审计工具集成模块部署到相应的环境中,并进行融合应用系统联调和验收测试;
监控与维护:建立融合应用监控机制,对集成系统进行实时监测和异常处理。
5.根据权利要求1所述的方法,其特征在于,根据所述融合应用对目标审计项目的关联信息进行处理,生成目标审计报告,具体包括:
数据收集与整理:确定审计报告所需审计问题台账、取证表、问题定性和法律法规数据的来源,并获取数据,对数据进行清洗、整理和预处理;其中,获取数据的方法至少包括API调用、数据库查询、文件导入;
设计报告模板:根据审计报告需求,设计报告的模板和布局;
编写报告生成脚本或程序:根据审计报告需求和模板设计好的结构,编写报告生成的脚本;根据审计问题台账、取证表、问题定性和法律法规数据和报告模板,将数据填充到相应的报告位置,并进行格式化和排版;
自动化执行:将审计报告生成脚本或程序设置为定时任务或在需要生成审计报告的时候自动触发执行;
报告导出与分享:在审计报告生成完成后,将报告导出为可读取的格式,并分享给相关人员。
6.根据权利要求1所述的方法,其特征在于,基于所述目标审计报告确定整改问题,并将整改问题分配给关联用户,具体包括:
确定审计整改问题:根据审计结果和需求,确定需要整改的问题,并将每个问题详细描述,并分配唯一的标识符;
分配责任与期限:将每个整改问题分配给相关人员,并为每个整改问题设定截止日期;
制定整改方案:针对每个整改问题的建立整改方案;其中,所述整改方案应包括具体的解决措施、实施计划和资源需求;
实施整改方案:按照制定的整改方案,进行问题的具体整改工作;
监督与追踪:跟踪整改进度,并定期进行审核和评估;
验证与测试:在整改完成后,进行验证和测试;
反馈与审计闭环:向审计部门或相关方提供整改结果和反馈;
总结与改进:通过各个整改问题进行资料总结,分析整改过程中遇到的问题和效果。
7.根据权利要求2所述的方法,其特征在于,根据所述目标审计报告生成风险画像具体包括:
风险识别:对项目进行全面的风险识别,确定各类风险源;
数据收集与整理:收集项目相关的数据,包括项目计划、进度、成本、质量数据以及外部环境数据;
风险评估:基于收集到的数据和风险识别结果,对每个风险进行定性和定量的评估;
风险响应策略制定:根据评估结果,为每个风险制定相应的风险应对策略;
风险监控与控制:建立风险监控机制,对风险源进行持续监控;
可视化展示:将收集到的风险信息进行整理和归类,利用可视化技术和工具,将风险数据转换为可视化结果。
8.根据权利要求2所述的方法,其特征在于,对审计计划进行评定具体包括:
收集数据和信息:收集与决策相关的数据和信息;其中,包括内部数据和外部数据;
数据分析与处理:对收集到的数据进行处理和分析;包括数据清洗、统计分析、数据挖掘;
构建决策模型:基于对数据和信息的分析,构建决策模型;所述决策模型包括定量模型或定性模型;其中,定量模型至少包括数学模型和统计模型,定性模型至少包括影响图和层次分析法;
预测和模拟:利用决策模型对收集到的数据进行分析;
可视化展示:将分析结果和模型输出以可视化结果;
决策评估与选择:根据分析结果和模型输出,对各个决策方案进行评估和比较;
实施与跟踪:建立的跟踪机制,监测决策执行结果。
9.根据权利要求1所述的方法,其特征在于,对目标审计项目的监控预警具体包括:
确定监控指标:确定监控的关键指标和阈值;其中,所述指标包括项目进度、成本、质量、风险数据;
收集数据:收集相关的项目数据,包括计划进度、实际进度、成本花费、质量评估结果;
数据分析与比对:对收集到的数据进行分析,并与预设的指标和阈值进行比对;
设置预警规则:基于数据分析结果,制定相应的预警规则;其中,预警规则包括触发预警的条件、预警级别、预警通知方式;
预警通知与报告:通过邮件、短信、即时通讯工具等方式发送预警通知,并生成相应的预警报告;
制定应对策略:当收到预警通知后,制定相应的应对策略;
监控与跟踪:根据监控项目的进展和更新和调整预警规则;
持续改进:根据项目的实际情况改进监控预警功能。
10.一种审计项目智能管理系统,其特征在于,所述系统包括:
推荐模块,用于获取目标审计项目的审计计划数据,根据所述审计计划数据通过预先构建的推荐模型得到审计计划推荐结果;
关联模块,用于将所述审计计划推荐结果与审计数据库进行关联,确定与目标审计项目的关联信息;其中,所述关联信息保存在审计数据库中;
集成模块,用于确定进行审计的各类审计工具,将各类审计工具进行集成得到融合应用;
生成模块,用于根据所述融合应用对目标审计项目的关联信息进行处理,生成目标审计报告;
分配模块,用于基于所述目标审计报告确定整改问题,并将整改问题分配给关联用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311805771.3A CN117541195A (zh) | 2023-12-25 | 2023-12-25 | 一种审计项目智能管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311805771.3A CN117541195A (zh) | 2023-12-25 | 2023-12-25 | 一种审计项目智能管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117541195A true CN117541195A (zh) | 2024-02-09 |
Family
ID=89784448
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311805771.3A Pending CN117541195A (zh) | 2023-12-25 | 2023-12-25 | 一种审计项目智能管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117541195A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973874A (zh) * | 2024-02-26 | 2024-05-03 | 广东铭太信息科技有限公司 | 一种企业内部审计信息系统及方法 |
-
2023
- 2023-12-25 CN CN202311805771.3A patent/CN117541195A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973874A (zh) * | 2024-02-26 | 2024-05-03 | 广东铭太信息科技有限公司 | 一种企业内部审计信息系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Felderer et al. | Integrating risk-based testing in industrial test processes | |
US8694969B2 (en) | Analyzing factory processes in a software factory | |
US8799210B2 (en) | Framework for supporting transition of one or more applications of an organization | |
US20050065839A1 (en) | Methods, systems and computer program products for generating an aggregate report to provide a certification of controls associated with a data set | |
Poncin et al. | Mining student capstone projects with FRASR and ProM | |
US20130030860A1 (en) | Managing inspection, test, analys, and acceptance criteria (itaac) activities, systems and methods | |
CN117541195A (zh) | 一种审计项目智能管理方法及系统 | |
CN114021970A (zh) | 一种基于数据中台的企业数据资产模型构建方法 | |
Söylemez et al. | Challenges of software process and product quality improvement: catalyzing defect root-cause investigation by process enactment data analysis | |
Plösch et al. | The EMISQ method and its tool support-expert-based evaluation of internal software quality | |
CN110555675A (zh) | 一种实时在线监管的实现方法 | |
CN116991746B (zh) | 一种软件通用质量特性评估方法和装置 | |
US20090055203A1 (en) | Method, program code, and system for business process analysis | |
Zhu | A system-of-systems framework for assessment of resilience in complex construction projects | |
Linger et al. | Cleanroom Software Engineering Reference Model: Version 1.0 | |
Sadiq et al. | A methodological framework for aligning business processes and regulatory compliance | |
Dainoff et al. | Using Information Automation and Human Technology Integration to Implement Integrated Operations for Nuclear | |
CN113435687A (zh) | 基于大数据的核电监理分析系统 | |
Wang et al. | Regulatory supervision with computational audit in international supply chains | |
Bahaei et al. | Technical report on risk assessment of safety-critical socio-technical systems: A systematic literature review | |
WO2000067118A2 (en) | Intelligent collaboration across network system | |
Karuna et al. | Statistical analysis of metrics for software quality improvement | |
Wang et al. | Analyzing transaction codes in manufacturing for compliance monitoring | |
Yassan | Optimization of the Comprehensive Facility Condition Index to Improve Strategic Infrastructure Investments at Federal Facilities | |
Föhr et al. | A Framework for the structured Implementation of Process Mining for Audit Tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |