商業(yè)銀行內(nèi)審技術(shù)和方法資料

1、商業(yè)銀行內(nèi)審技術(shù)(jsh)和方法共六十九頁目錄(ml)商業(yè)銀行(shn y yn xn)內(nèi)審技術(shù)商業(yè)銀行內(nèi)審方法案例123共六十九頁1.1商業(yè)銀行內(nèi)審技術(shù)(jsh)的變革1、大數(shù)據(jù)、云計算和互聯(lián)網(wǎng)的發(fā)展大數(shù)據(jù)云計算互聯(lián)網(wǎng)2、銀行全面電子數(shù)據(jù)化金融產(chǎn)品數(shù)據(jù)化金融服務(wù)數(shù)據(jù)化業(yè)務(wù)流程數(shù)據(jù)化3、現(xiàn)場審計和非現(xiàn)場審計技術(shù)(jsh)逐步融合非現(xiàn)場審計不僅作為現(xiàn)場審計的抽樣工具，現(xiàn)場審計階段也需要通過計算機輔助工具獲得信息，現(xiàn)場審計和非現(xiàn)場審計的邊界越來越模糊即使信息技術(shù)非常發(fā)達，現(xiàn)實世界仍有部分信息不能被數(shù)據(jù)化，非現(xiàn)場審計不能完全替代現(xiàn)場審計 共六十九頁1.2 審計(shn j)數(shù)據(jù)采集處理技術(shù)隨著我們所

2、獲取的數(shù)據(jù)變得越來越龐大，我們也正在逐步(zhb)逼近全體數(shù)據(jù)，數(shù)據(jù)獲得的邊界便是審計的邊界。共六十九頁1.2數(shù)據(jù)采集處理(chl)技術(shù)共六十九頁1.2 數(shù)據(jù)(shj)采集技術(shù)內(nèi)部(nib)數(shù)據(jù)VS外部數(shù)據(jù)結(jié)構(gòu)化數(shù)據(jù)vs非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)分類：共六十九頁內(nèi)部數(shù)據(jù)(shj)vs外部數(shù)據(jù)(shj)內(nèi)部數(shù)據(jù)：目前銀行內(nèi)部數(shù)據(jù)主要是聯(lián)機(lin j)交易數(shù)據(jù)和聯(lián)機(lin j)分析數(shù)據(jù)， 是最主要的數(shù)據(jù)，包括： 報表傳票客戶賬戶和交易合同或協(xié)議機構(gòu)、渠道和產(chǎn)品業(yè)務(wù)運營業(yè)務(wù)審批業(yè)務(wù)檔案客戶之聲反饋數(shù)據(jù) 外部數(shù)據(jù)：人行征信工商登記法院、環(huán)保第三方支付海關(guān)、稅務(wù)WIND第三方公司風(fēng)險數(shù)據(jù)集成互聯(lián)網(wǎng)爬蟲共六十九

3、頁結(jié)構(gòu)化數(shù)據(jù)(shj)VS非結(jié)構(gòu)化數(shù)據(jù)(shj)結(jié)構(gòu)化數(shù)據(jù)會計報表客戶(k h)結(jié)算業(yè)務(wù)臺帳. 非結(jié)構(gòu)化數(shù)據(jù)監(jiān)控錄像客戶之聲信貸檔案會計影像貸款審批意見共六十九頁1.3 審計檢查(jinch)分析技術(shù)1、業(yè)務(wù)(yw)場景、流程還原2、風(fēng)險數(shù)據(jù)、審計經(jīng)驗歷史積累3、可視化SQL技術(shù)4、數(shù)據(jù)挖掘技術(shù)共六十九頁1.3.1業(yè)務(wù)場景(chng jng)、流程還原客戶視圖機構(gòu)(jgu)、渠道視圖產(chǎn)品視圖貸款視圖賬戶視圖共六十九頁業(yè)務(wù)場景舉例：客戶(k h)視圖審計平臺工商查詢來的數(shù)據(jù)文件法院查詢來的數(shù)據(jù)文件客戶檔案、交易、協(xié)議等內(nèi)部數(shù)據(jù) 大數(shù)據(jù)平臺股東信息高管介紹法院信息經(jīng)營動態(tài)輿論信息360度客戶全景視

4、圖審計檢查工作互聯(lián)網(wǎng)客戶數(shù)據(jù)文件數(shù)據(jù)存儲管理數(shù)據(jù)查詢搜索數(shù)據(jù)識別分析共六十九頁業(yè)務(wù)場景(chng jng)舉例：客戶視圖客戶之間的關(guān)系客戶經(jīng)理與客戶的關(guān)系客戶關(guān)系信息客戶風(fēng)險信息客戶溝通信息客戶財務(wù)信息客戶資產(chǎn)信息客戶聯(lián)系信息客戶事件信息客戶基本信息客戶產(chǎn)品信息客戶維度重大事件，公司開業(yè)、生日等違約事件，提前換款、逾期等可疑事件，可能發(fā)生的一些事客戶名稱證件類信息客戶性質(zhì)信息存款類產(chǎn)品信貸類產(chǎn)品證券類產(chǎn)品信用評級黑名單客戶利潤貢獻度客戶資產(chǎn)相關(guān)信息客戶聯(lián)系信息，包括主要營業(yè)地址電話、聯(lián)系地址、公司網(wǎng)址、電郵地址等客戶建議信息、申請信息、溝通信息、回訪信息、投訴信息、調(diào)查信息等業(yè)務(wù)(yw)系統(tǒng)數(shù)

5、據(jù)客戶基本產(chǎn)品信息賬戶信息交易信息企業(yè)內(nèi)外大數(shù)據(jù)微博信息社交網(wǎng)站流量日志音頻視頻傳統(tǒng)客戶畫像數(shù)據(jù)僅僅來自業(yè)務(wù)系統(tǒng)，事件信息、關(guān)系信息、等多類信息缺失或不足，很難形成準確、全方位的畫像。引入大數(shù)據(jù)，實現(xiàn)了客戶360o立體畫像共六十九頁客戶視圖舉例(j l)-業(yè)務(wù)流程和信貸檔案 審計(shn j)業(yè)務(wù) 流程舉例審計業(yè)務(wù)流程舉例共六十九頁客戶視圖舉例(j l)-具體交易 審計業(yè)務(wù) 流程(lichng)舉例 審計業(yè)務(wù) 流程舉例共六十九頁1.3.2 風(fēng)險信息(xnx)、審計經(jīng)驗歷史積累共六十九頁1.3.3可視化SQL技術(shù)(jsh)數(shù)據(jù)(shj)分類共六十九頁1.3.3可視化SQL技術(shù)(jsh)17字段維

6、護數(shù)據(jù)關(guān)聯(lián)數(shù)據(jù)篩選數(shù)據(jù)排序數(shù)據(jù)合并數(shù)據(jù)去重數(shù)據(jù)轉(zhuǎn)換數(shù)據(jù)提取數(shù)據(jù)更新數(shù)據(jù)清理數(shù)據(jù)匯總數(shù)據(jù)抽樣數(shù)據(jù)分層重復(fù)性檢測連續(xù)性檢測行列轉(zhuǎn)換圖形分析數(shù)據(jù)輸入組件模型參數(shù)設(shè)置自定義數(shù)據(jù)添加模型參數(shù)多種種數(shù)據(jù)工具內(nèi)嵌幾十種函數(shù)多種分析工具多種參數(shù)工具多樣數(shù)據(jù)來源數(shù)據(jù)的安全性功能(gngnng)演示共六十九頁1.3.4 數(shù)據(jù)挖掘技術(shù)(jsh)審計(shn j)常用數(shù)據(jù)挖掘技術(shù)一般統(tǒng)計技術(shù)聚類相關(guān)分類Benford定律共六十九頁1.3.4.1.一般(ybn)統(tǒng)計方法1919頻數(shù)(pn sh)分析集中趨勢均值、中位數(shù)離散程度方差、標準差分布狀態(tài)偏度、峰度1234平均值：95中位數(shù)：55數(shù)據(jù)之間差異大，存在個別極端值時

7、，用中位數(shù)衡量數(shù)據(jù)之間的差異程度，如最大和最小值差距多少。方差和標準差：每個數(shù)據(jù)與其均值相比平均相差多少是否符合正態(tài)分布 峰度：描述分布形態(tài)的陡緩程度 偏度：描述圖像尾部的相對長度數(shù)值頻數(shù)2010130122402305030160242701408097*中位數(shù) 平均值共六十九頁1.3.4.2 聚類在數(shù)據(jù)挖掘中，“聚類分析”基于“物以類聚，人以群分”的樸素思想，根據(jù)數(shù)據(jù)特征屬性對數(shù)據(jù)樣本進行區(qū)分。尤其當不知道(zh do)數(shù)據(jù)樣本所帶標簽時，可以使用聚類技術(shù)促使帶同類標簽的數(shù)據(jù)與其他標簽的數(shù)據(jù)相分離。在聚類分析中，類別中樣本的相似性越大，類別間樣本的差別(chbi)越大，聚類的效果就越好。在

8、聚類分析中，如果一個對象不強屬于任何類，那么該對象是基于聚類的離群點。共六十九頁1.3.4.3相關(guān)性分析(fnx)使用目的：研究變量或事物之間是否有關(guān)系以及(yj)關(guān)系密切程度衡量方式：相關(guān)系數(shù)21共六十九頁1.3.4.4 分類(fn li)“分類”所要解決的問題是為一個數(shù)據(jù)對象歸類，即確定一個特定的對象屬于哪一類別。分類工作的任務(wù)就是要構(gòu)建一個分類模型（或稱：分類器）。分類技術(shù)和回歸技術(shù)均可用于預(yù)測(yc)，分類的輸出是離散的類別值，而回歸的輸出是連續(xù)數(shù)值。分類模型是通過對那些已知的歷史數(shù)據(jù)學(xué)習(xí)（或訓(xùn)練）出來的。這里用于建立模型的數(shù)據(jù)稱為學(xué)習(xí)（訓(xùn)練）集，通常是已經(jīng)掌握歷史數(shù)據(jù)。在學(xué)習(xí)（訓(xùn)練）

9、集中每個對象都賦予一個類別的標記，不同的類別具有不同的標記，如“違約”和“不違約”。因此，在已知客戶是否違約、是否流失等類標的情況下，通常采用分類數(shù)據(jù)挖掘方法對客戶數(shù)據(jù)進行分析。共六十九頁1.3.4.4 分類(fn li)決策樹Logistic回歸(hugu)模型審計常用技術(shù)共六十九頁24 1.3.4.5 Benford定律(dngl)概念(ginin)所有自然隨機變量，只要樣本空間足夠大，每一樣本首位數(shù)字為1至9各數(shù)字的概率在一定范圍內(nèi)具有穩(wěn)定性。應(yīng)用1. 檢查財務(wù)數(shù)字信息是否真實2. 發(fā)現(xiàn)信用卡套現(xiàn)商戶數(shù)字123456789概率0.30100.17610.12490.09690.07920

10、.0670.0580.05120.0458Benford概率 共六十九頁25數(shù)據(jù)準備首數(shù)字概率統(tǒng)計定量分析疑點數(shù)據(jù)采集流水數(shù)據(jù)(shj)268731條，涉及36596個客戶忽略(hl)具體交易金額，只取每一客戶流水金額的首數(shù)字，統(tǒng)計其出現(xiàn)的頻率:計算每一客戶流水首數(shù)字概率與Benford概率的相關(guān)性，記為r（上例r=0.1104）客戶號123456789流水數(shù)XX0.17030.0030.00990.12470.15970.09280.08970.18780.1621315 舉例 ：Benford定律特定客戶群體風(fēng)險研究共六十九頁2626疑點數(shù)據(jù)序號客戶號首數(shù)字為0首數(shù)字為1首數(shù)字為2首數(shù)字為

11、3首數(shù)字為4首數(shù)字為5首數(shù)字為6首數(shù)字為7首數(shù)字為8首數(shù)字為9相關(guān)系數(shù)r流水總數(shù)110232XXXXX00.17030.0030.00990.12470.15970.09280.08970.18780.1620.1104 1315210163XXXXX00.11330.05770.05880.17840.51420.01680.01890.02940.01260.1166 953311659XXXXX00.12040.10680.05830.11070.53590.02140.01940.01360.01360.1578 515412123XXXXX0.0030.12630.08320.059

12、40.13670.46210.05940.02670.02820.01490.1698 673510741XXXXX0.00060.19430.03170.05080.05720.59060.020.02870.01620.010.1944 6314610082XXXXX00.0910.21620.14860.06130.43420.00990.00720.01080.02070.2553 1110710813XXXXX00.1940.050.08520.04920.48380.09390.01140.01670.01580.2618 1139811336XXXXX0.00470.20910.

13、09190.030.2130.05730.04190.04260.0280.28160.3698 1502910359XXXXX0.00250.1770.10770.05940.14480.34530.03710.0520.02350.05070.3836 8081010014XXXXX0.01940.16860.12210.06780.17830.3120.04840.04460.01160.02710.4130 516數(shù)據(jù)驗證通過查詢交易(jioy)金額、交易(jioy)品種、交易(jioy)對手、交易(jioy)對手所在單位等信息對這些客戶進行詳細分析，明確問題客戶。舉例 ：Benfor

14、d定律特定客戶(k h)群體風(fēng)險研究共六十九頁1.3.4.5 數(shù)據(jù)挖掘案例(n l)分享客戶社會關(guān)系網(wǎng)絡(luò)(wnglu)挖掘 客戶交易對手信息以及轉(zhuǎn)賬行為形成了一個典型的社會關(guān)系網(wǎng)絡(luò)圖，能夠有效刻畫出客戶的經(jīng)濟行為?！翱蛻艚灰拙W(wǎng)絡(luò)拓撲圖”展現(xiàn)，輔以深入的拓撲圖（數(shù)據(jù)）挖掘，便于效識別客戶的交易對手以及發(fā)現(xiàn)隱藏的交易規(guī)律。付款人 收款人金額客戶147客戶5989506.70客戶12客戶38035.82客戶173客戶9296189.54客戶38客戶15524835.59客戶64客戶2469165.21客戶45客戶12458192.37客戶165客戶3060554.80客戶159客戶1248509.1

15、5客戶150客戶10278048.88客戶118客戶6724389.19客戶155客戶64114.69客戶102客戶15888351.53客戶66客戶19134123.72客戶175客戶1327907.12共六十九頁1. 明確核心(hxn)客戶共六十九頁某擔(dān)保(dnbo)公司實際控制人，并為某商會會長2. 識別關(guān)鍵客戶(k h)的身份背景，并審計同其他客戶(k h)的交易背景共六十九頁 審計(shn j)作業(yè)標準化二.商業(yè)銀行(shn y yn xn)內(nèi)審方法12風(fēng)險評估方法審計項目檢查方法3共六十九頁2.1 審計(shn j)作業(yè)標準化運用精益六西格瑪管理工具，系統(tǒng)科學(xué)地梳理審計工作，提高審

16、計工作的質(zhì)量和效率，降低審計風(fēng)險(fngxin)，發(fā)揮審計價值。 1、審計工作流程標準化 2、審計檢查要點、標準和步驟的規(guī)范化 共六十九頁9個流程(lichng)階段，59個步驟風(fēng)險(fngxin)評估立項準備非現(xiàn)場現(xiàn)場問題庫報告跟蹤后評估2.1.1審計工作流程標準化共六十九頁2.1.2審計(shn j)檢查要點、標準和步驟的規(guī)范化審計要點(yodin)模版舉例共六十九頁二、商業(yè)銀行(shn y yn xn)內(nèi)審方法 風(fēng)險(fngxin)評估方法21審計作業(yè)標準法審計項目檢查方法3共六十九頁目標(mbio)功能(gngnng)模塊設(shè)計要點分行成立時間資產(chǎn)規(guī)模監(jiān)管評價風(fēng)險點數(shù)量往年缺陷率公司條線

17、零售條線金融市場財務(wù)運營科技綜合評分標準權(quán)重計算公式特殊指標風(fēng)險評估系統(tǒng)實現(xiàn)風(fēng)險導(dǎo)向風(fēng)險評估模型評估結(jié)果應(yīng)用被審計單位背景業(yè)務(wù)風(fēng)險計算公式確立審計對象和重點有效性結(jié)論參考2.2.1風(fēng)險評估含義和作用共六十九頁風(fēng)險評估作為審計項目和內(nèi)控評價實施流程的首要環(huán)節(jié)，是以風(fēng)險為導(dǎo)向，評估經(jīng)營機構(gòu)(jgu)、業(yè)務(wù)條線和管理狀況的主要風(fēng)險水平。作用一：確立審計對象(duxing)和重點可用于在審計實施前，確立審計對象、要點，有針對性地進行審計分工，體現(xiàn)風(fēng)險導(dǎo)向、審計資源優(yōu)化和審計重點突出等原則。2.2.1風(fēng)險評估含義和作用作用二：有效性結(jié)論評價參考可用于在審計實施后，結(jié)合檢查情況，對各條線固有風(fēng)險進行再評估

18、，并以風(fēng)險熱圖展示結(jié)果作為內(nèi)控有效性結(jié)論的參考。風(fēng)險預(yù)評估風(fēng)險熱圖結(jié)論共六十九頁2.2.2風(fēng)險(fngxin)評估原理及模型從風(fēng)險表現(xiàn)、風(fēng)險控制和潛在風(fēng)險角度分析，評估(pn )固有風(fēng)險、內(nèi)部控制和剩余風(fēng)險。風(fēng)險評估原理 即 f ( 固有風(fēng)險，內(nèi)部控制）= 剩余風(fēng)險 ex1. 固有風(fēng)險指數(shù) - 內(nèi)部控制有效系數(shù)= 剩余風(fēng)險指數(shù) ex2. 固有風(fēng)險指數(shù) x 內(nèi)部控制有效系數(shù)= 剩余風(fēng)險指數(shù) ex3. 風(fēng)險矩陣（固有風(fēng)險指數(shù)，內(nèi)控系數(shù)）= 剩余風(fēng)險 高較高中等BA較低C低D微小較小中度嚴重非常嚴重同一機構(gòu)不同條線風(fēng)險熱圖比較高較高甲機構(gòu)中等乙機構(gòu)較低丙機構(gòu)低微小較小中度嚴重非常嚴重1不同機構(gòu)風(fēng)險熱

19、圖比較2用于審計重點判斷及內(nèi)控有效性結(jié)論評價用于確立審計對象共六十九頁2.2.2風(fēng)險評估(pn )原理及模型風(fēng)險(fngxin)點識別定性指標定量指標風(fēng)險點評估影響大小發(fā)生可能性條線固有風(fēng)險評估公司零售金融市場財務(wù)運營科技綜合機構(gòu)固有風(fēng)險評估各條線加權(quán)重大風(fēng)險事件加權(quán)機構(gòu)剩余風(fēng)險評估風(fēng)險評分內(nèi)控檢驗系數(shù)12345識別各條線中的風(fēng)險點得到單一風(fēng)險點的固有風(fēng)險評分得到條線的固有風(fēng)險等級得到機構(gòu)的固有風(fēng)險評分得到機構(gòu)的剩余風(fēng)險評分條線風(fēng)險熱圖機構(gòu)風(fēng)險熱圖12專家判斷打分和調(diào)整共六十九頁風(fēng)險(fngxin)等級風(fēng)險(fngxin)發(fā)生可能性P損失影響I損失影響 I 發(fā)生可能性P可能性可能性指數(shù)P極高5

20、較高4中等3較低2極低1損失度損失影響指數(shù)I非常嚴重5嚴重4中度3微小2可忽略1風(fēng)險發(fā)生可能性： 極高：發(fā)生可能性極高，風(fēng)險事件出現(xiàn)超過30% 較高：發(fā)生可能性較高，風(fēng)險可能15%-30% 中等：合理的相信有可能發(fā)生，頻率10%-15% 較低：發(fā)生可能性低，頻率5%-10% 極低：5%以內(nèi)損失影響： 非常嚴重：風(fēng)險事故發(fā)生會造成巨大資金（1億+量級）、財務(wù)損失，或致使業(yè)務(wù)、管理和系統(tǒng)運行癱瘓，或引發(fā)訴訟并使機構(gòu)承擔(dān)法律責(zé)任，對機構(gòu)在系統(tǒng)內(nèi)和社會上的聲譽產(chǎn)生重大不利影響 可忽略：風(fēng)險事故影響輕微，不影響機構(gòu)聲譽風(fēng)險評估模型固有風(fēng)險評估共六十九頁風(fēng)險(fngxin)點打分設(shè)置(shzh)風(fēng)險點權(quán)重

21、匯總條線固有風(fēng)險指數(shù)123風(fēng)險評估模型條線固有風(fēng)險評估打分模型共六十九頁打分(d fn)模型示例評分人員(rnyun)打分加權(quán)P值風(fēng)險等級加權(quán)I值風(fēng)險等級4.0-5.0高4.0-5.0高3.5-4.0中高3.5-4.0中高2.8-3.5中2.8-3.5中2.0-2.8中低2.0-2.8中低1.0-2.0低1.0-2.0低高中高中等公司條線中低低低中低中中高高共六十九頁條線風(fēng)險(fngxin)評價公司(n s)條線零售條線金融市場財務(wù)運營科技電子綜合重大風(fēng)險事件加權(quán)統(tǒng)計sigmaPsigmaI在各條線的重大風(fēng)險事件累計數(shù)5&5+55455344234123011重大風(fēng)險加權(quán)機構(gòu)條線權(quán)重WXX分行

22、公司30%零售25%金融市場20%財務(wù)運營10%科技7%綜合8%重大風(fēng)險事件加權(quán)20%12風(fēng)險評估模型機構(gòu)固有風(fēng)險評估打分模型共六十九頁IndexL15+極高12-15高10-12中高8-10中6-8中低6-低機構(gòu)條線權(quán)重WXX分行公司30%零售25%金融市場20%財務(wù)運營10%科技7%綜合8%重大風(fēng)險事件加權(quán)20%固有(gyu)風(fēng)險控制因素權(quán)重測試表統(tǒng)計風(fēng)險點數(shù)25%監(jiān)管評價25%資產(chǎn)負債規(guī)模排序20%分行成立時間20%業(yè)務(wù)結(jié)構(gòu)及創(chuàng)利集中度15%風(fēng)險點監(jiān)管評價（由低及高）規(guī)模成立時間集中度得分前20%520%-40%440-60%360%-80%280%+1內(nèi)控檢驗(jinyn)系數(shù)內(nèi)控水平

23、固有風(fēng)險風(fēng)險評估模型機構(gòu)剩余風(fēng)險評估打分模型共六十九頁內(nèi)部控制評價的有效性評價結(jié)論分為有效、基本有效、關(guān)注、特別關(guān)注、無效，以條線風(fēng)險熱圖（固有風(fēng)險）評估結(jié)果和缺陷(quxin)認定結(jié)果為參考原則進行確定。2.2.3風(fēng)險評估結(jié)果應(yīng)用(yngyng)內(nèi)控有效性結(jié)論參考原則結(jié)論定義認定原則風(fēng)險評估業(yè)務(wù)條線或板塊風(fēng)險參考分布區(qū)域有效 內(nèi)部控制系統(tǒng)運行有效內(nèi)部控制設(shè)計適當且得到貫徹執(zhí)行，不存在控制過度和控制不足的情況，無重大缺陷和重要缺陷。1處于低風(fēng)險區(qū)域業(yè)務(wù)條線或板塊占比75%且無高風(fēng)險區(qū)域業(yè)務(wù)條線或板塊基本有效內(nèi)部控制系統(tǒng)運行基本有效內(nèi)部控制設(shè)計適當?shù)珎€別執(zhí)行效果不佳，存在控制過度可能，不存在控制

24、不足的情況，無重大缺陷和重要缺陷。1處于低風(fēng)險區(qū)域業(yè)務(wù)條線或板塊占比75%且無高風(fēng)險區(qū)域業(yè)務(wù)條線或板塊；或2處于低風(fēng)險區(qū)域的占比50%且高風(fēng)險區(qū)域的占比(0，12.5%共六十九頁2.3審計項目(xingm)檢查方法總體分析分散核查發(fā)現(xiàn)疑點(y din)反復(fù)糾錯系統(tǒng)研究共六十九頁2.3.1 總體(zngt)分析總體分析是一個知識發(fā)現(xiàn)的過程，通過掌握被審計對象各維度數(shù)據(jù)，并應(yīng)用(yngyng)統(tǒng)計和數(shù)據(jù)挖掘技術(shù)，把握被審計對象的總體特征。共六十九頁總體分析舉例：流動性風(fēng)險(fngxin)審計-標準差的應(yīng)用共六十九頁總體分析(fnx)舉例：流動性風(fēng)險審計-相關(guān)性分析(fnx)應(yīng)用共六十九頁 總體分析

25、舉例(j l)：二級分行專項審計-聚類分析應(yīng)用共六十九頁總體分析舉例(j l)：信用風(fēng)險結(jié)構(gòu)、成因和管理-分類分析共六十九頁2.3.2分散(fnsn)核查1、將項目按照總體分析結(jié)果，分成若干檢查單元2、將該單元業(yè)務(wù)還原業(yè)務(wù)模式、業(yè)務(wù)場景3、總結(jié)(zngji)業(yè)務(wù)特征4、確定風(fēng)險分類和關(guān)鍵風(fēng)險點共六十九頁分散(fnsn)核查舉例共六十九頁分行(fn xn)1共六十九頁分行(fn xn)二共六十九頁2.3.3 發(fā)現(xiàn)(fxin)疑點發(fā)現(xiàn)疑點步驟：1、疑點特征總結(jié) 大膽假設(shè)，根據(jù)審計經(jīng)驗，并結(jié)合總體分析和分散核查要求，盡量列舉可能的特征表現(xiàn)2、疑點數(shù)據(jù)捕捉 通過(tnggu)可視化SQL工具和風(fēng)險信息歷史積累，尋找符合列舉疑點特征的數(shù)據(jù)，建立模型3、疑點數(shù)據(jù)核實 小心求證，審計線索不能替代審計分析和取證。 共六十九頁2.3.3 發(fā)現(xiàn)(fxin)疑點疑點數(shù)據(jù)主要分布尾部數(shù)據(jù)聚類異常數(shù)據(jù)變動(bindng)數(shù)據(jù)指標的分解指標之外的數(shù)據(jù)共六十九頁2.3.3 發(fā)現(xiàn)(fxin)疑點 疑點發(fā)現(xiàn)(fxin)的一般方法1、歷史案例總結(jié)：50%以上的問題都是屢查屢犯問題，差別的僅是業(yè)務(wù)表現(xiàn)形勢2、業(yè)務(wù)規(guī)律把握3、外部市