2025年下半年，我有幸参加了省审计厅中级计算机审计培训，系统学习了数据库、Python等技术方法。这段宝贵的培训经历，不仅提升了我的数据分析实操能力，更让我对大数据审计形成了系统的认知——大数据审计绝非简单的技术堆砌，核心在于实现审计业务逻辑与数据分析技术的深度融合，打造精准、高效、可复用的数字审计模型，为新时代审计工作高质量发展注入数字动能。本次学习带给我的认知更新主要有以下三个方面：
数据为本，筑牢审计工作根基。数据质量是大数据审计的首要前提与核心保障，而数据清洗是把控数据质量的关键环节。审计工作中，原始数据常存在缺失、重复、格式不一或逻辑矛盾等问题。若直接分析，即使审计模型再完美，得出的审计结论都有可能存在偏差，影响审计工作的精准性与权威性。比如：包含空格等隐形字符的原始数据会导致部分查询结果为空；千位符异化为逗号的原始数据会导致数值型关键指标（如总金额、平均金额）无法计算；日期格式不标准的原始数据会导致基于时间的趋势分析失效……只有通过标准化、去重、异常值检测与修正等清洗程序，审计人员才能在海量数据中提取出有价值的数据，提高数据分析的精准度。
业务为锚，把握审计核心指引。业务思维是大数据审计的核心指引。培训中的案例教学让我明白，大数据审计的核心不在于SQL、Python代码的复杂程度，而在于审计人员对审计领域政策规则、业务流程的精准把握，进而能将审计思维与技术手段紧密结合，精准识别出违规问题。比如：在招投标审计中，审计人员可以梳理招投标相关法律法规要点，分析围标、串标等异常行为特征，排查出相关违规问题；在涉农补贴审计中，审计人员可以通过整理汇总补贴发放政策要求，关联分析违规发放、重复发放等问题。只有深入掌握财政、金融、社保、企业等领域的政策边界、业务流程和风险特征，审计人员才能搭建出更有针对性的审计模型，提高疑点筛查的靶向性，让技术手段真正服务于审计业务需求。
模型为器，激活审计增效引擎。模型复用是大数据审计的增效引擎。在复习审计案例的过程中，我发现不同的审计项目会涉及同一类的审计问题，其分析思路是共通的，仅需调整SQL语句中的字段名与阈值，与对应的数据、业务要求相适配即可，无需重复编写完整代码。比如：重复类问题涉及的表现形式有重复发放、重复报销、重复申报、重复参保等等，其数据分析的核心思路是筛选出同一主体在同一事项下重复次数大于1的记录,审计人员可在基础模型上替换表名与字段名进行疑点筛查。此外，可以定期整理通用审计模型并编写说明，帮助不熟悉数据分析的审计人员快速上手，降低技术门槛，提高审计实施的效率。
此次培训，为我今后开展大数据审计工作提供了思路、找准了方向。未来，我将把培训所学所思所悟全面转化为审计工作实效，始终严把数据质量关，深耕业务知识，总结实操经验，做好模型复用与优化，不断锤炼自身大数据审计实操能力，把所学所思转化为履职实效，切实以更专业的能力、更高效的方法开展审计工作，让数字技术成为审计监督的有力支撑，切实提升审计工作的精准度、效率与权威性，为高质量发展保驾护航。（杨影）