（三）数据挖掘

　　该阶段审计人员可以使用简单分析和多维分析工具对数据库××进行数据分析，如：采用联机分析处理的切块、切片、旋转和钻取等技术，对审计数据进行比较分析、比率分析、趋势分析等。但在海量数据情况下，审计人员必须采用诸如统计分析、决策树、人工神经网络和关联规则等数据挖掘算法，对数据库××进行数据挖掘。

　　1.选择数据挖掘算法

　　不同数据挖掘算法的思路、步骤、功能和应用领域不尽相同，审计人员应根据审计主题选择挖掘方法，以得到对审计有指导意义的知识。

　　2.建立数据挖掘模型

　　选择数据挖掘算法后，从分析数据入手，从数据库××中提取主要变量，剔除无关变量，建立适合该算法的数据挖掘模型。

　　3.验证数据挖掘模型

　　从数据库××中选取多个样本数据，对挖掘模型进行验证，确保数据挖掘模型实现既定审计目的。

　　4.运行数据挖掘模型

　　挖掘模型的运行由专业计算机工具完成，审计人员要认真评估挖掘结果，判定挖掘结果的准确性和有效性，保证挖掘结果得出正确审计结论。评估结果可能导致退回到之前的阶段，重新选择数据集合、数据挖掘算法或调整挖掘算法参数。

　　5.构造审计知识库

　　数据挖掘模型运行后，会呈现隐藏在数据库××中的一些规律或者展示异常审计数据，这些规律或者异常称之为审计知识，不同的审计知识存储在一起即构成了审计知识库，审计人员利用审计知识提取审计线索或违规及风险情况。

　　6.循环利用审计知识库

　　在以后开展审计项目时，审计人员首先查看审计知识库，采用可以直接使用的审计知识，否则按照上述步骤构造适合本次审计的挖掘模型，并将新的审计知识存入审计知识库。审计知识库的循环使用提高了审计的效率，实现了资源共享，提高了审计质量。

　　（四）审计应用

　　审计人员利用掌握的审计证据，对提取的审计线索、审计违规及风险状况进行解释和验证，评估形成的审计结论，对审计结论进行一致性和效用性处理。主审人组织获得的审计结论，以事实确认书的形式向被审计单位征求意见，最终形成审计报告。

　　三、相关工作建议

　　（一）积极构建大数据审计模型

　　20xx年，人民银行计算机辅助审计系统正式上线运行，在国库和货币发行业务审计领域取得了显著成效；20xx年，总行内审司下发了《中国人民银行办公厅关于计算机辅助审计工作的指导意见》，推进辅助审计工作。要进一步把握大数据环境下内部审计发展趋势，引入适应大数据要求的数据分析工具，积极构建、优化大数据审计模型，大力开展海量数据持续和深层次分析，引导各分支机构逐步转变审计模式。

　　（二）着力搭建沟通协调机制

　　为确保大数据审计模式得到有效推广，各级内审部门要根据本辖区业务实际建立沟通协调机制，明确权责。技术部门要按照权限提供相关业务系统的系统需求、数据库设计和数据字典等信息，并在系统研究、数据采集和数据挖掘等方面提供必要的支持和配合；相关业务部门要积极提供内审部门开展各类审计所需数据资料，不得以任何借口和理由拒绝或踢皮球；内审部门要不断探索应用数据挖掘技术的方法和路径。

　　（三）全力培养专业审计人才

　　各级内审部门要推广大数据审计模型，亟需具备数据挖掘和信息技术创新应用能力的“数据分析师”和负责业务知识研究及分析思路构建的“业务分析师”两种专业审计人才。要全力加强人才培养和人员培训，统筹专业分析人才与数据分析人才、普通应用人才与高层次人才全面发展，锻造一支理论水平高、实践能力强的复合型人才队伍，推进数据挖掘技术在人民银行内部审计中的广泛应用。

　　（四）积极开展审计实践与应用

　　20xx年以来，各级内审部门运用总行计算机辅助审计系统开展国库业务及系统运行管理审计，积累了计算机辅助审计实战经验。为适应大数据环境下内部审计发展趋势，各级内审部门应根据实际，加大计算机辅助审计实践的力度和范围，除使用计算机辅助审计系统外，要尝试将ACL、EXCEL和SQLServer等通用数据分析工具应用于各类审计项目，开展业务数据挖掘，不断积累数据分析实践经验，推进和提升计算机辅助审计进程和水平，并为引进大数据审计模型奠定基础。