大数据智能经费监控系统在高校财务稽核中的研究与应用

王栋

电子科技大学 四川成都 611731

[摘要]近年来，高校办学经费来源与结构趋于多元化，相应的财务审计、检查也随之增多，高校存在不同程度的违规使用经费的问题，个别人员还因此受到法律制裁。高校财务稽核工作受到了越来越多的关注和重视。文章主要分析了目前高校财务稽核的难点，探讨如何构建大数据智能经费监管系统，利用信息化的方式实现财务稽核系统化、信息化、智能化，促进高校内部控制体系建设。

[关键词]大数据、经费监控、信息化稽核

引言

随着我国高等教育规模不断加大，高校在办学经费的来源与结构上出现了多元化趋势，中央、教育部两级巡视组先后巡视了教育部49所直属大学，国家审计署、财政部也对相关财务工作进行了多次检查，巡视检查结果指出：被检查的大学不同程度的存在违规问题，如：套取科研经费、列支大额招待费、违规吃喝、国有资产管理不到位等问题。为了确保高校教育事业活动有秩序、有效地运行，保证财务工作正确贯彻执行国家的各项财经政策和财务制度，合法、合理、有效地组织、使用各项资金，确保会计信息的真实性和准确性，建立健全包含经费监管信息系统在内的高校财务内部控制体系，做好财务稽核工作成了当务之急。

一 大数据智能经费监管系统建设意义与挑战

高校内部的财务稽核是通过对日常会计工作的自查自纠来提升财务管理水平，是校内审计、外部审计检查之前的第一道防线，是高校财务内部控制体系的重要组成部分。近年来，国家加大了对教育经费的监管力度，从预算编制及执行、经费来源、经费使用的各方面都开展了多种形式的审计与检查。与此同时，随着经费规模越来越大，经费来源及结构越来越复杂，高校每年产生的财务凭证越来越多，财务数据勾稽关系也更加复杂，人工稽核方式效率低、易出错，显然不能将各项经费全面纳入监管范围，更无法及时、有效拦截高危交易，无法建立一套“经得起审计”的高校财务体系。在国家网络强国战略、大数据战略、“互联网+”行动等重大决策支持下,全社会信息化建设取得显著进步和成就。到2020年,我国的信息化建设将全面支撑党和国家事业发展。加强经费监管的信息化建设是适应全社会信息化快速发展的客观要求。使用信息化手段进行财务稽核可以大大提高数据处理、分析能力，而根据调研，目前各高校稽核信息化建设相对滞后，财务稽核工作普遍以“办公软件+人工翻阅凭证”的方式对会计规范性、合理性、合规性进行稽查，只实现了通过简单的信息化手段对财务数据做初级处理，建设大数据智能经费监管系统尚无太多成熟应用方案可供参考。因此，建设大数据智能经费监管系统具有十分重要的意义，同时也面临着很多挑战。

二 大数据智能经费监管系统的设计

国家“十三五规划”指出，“创新是引领发展的第一动力”，“必须把创新摆在国家发展全局的核心位置”。高校财务稽核在按照相关纪委巡视、审计检查、财政监督的相关要求不断完善稽核内容的同时，稽核工作挖掘的数据越多越全面就越能尽早发现财务风险点。随着互联网技术、大数据技术的飞速发展，如今可以通过建设一套经费大数据监控系统，多渠道挖掘各类数据并对问题交易建模分析，实现对风险交易的及时预警。

1 设计目标

大数据智能经费监控系统以及时拦截风险交易为首要设计目标。通过分析财务稽核问题库，根据现阶段各项数据的完备性及可挖掘性，我校选取10个财务问题作为此阶段的问题模型，包括“关联交易”、“交易企业状态异常”、“超企业经营范围交易”、“高频交易”、“高值交易”、“敏感交易”等。

2 系统框架

经费大数据监控系统框架见图1，可以分为“大数据挖掘平台”、“智能监控引擎”、“预警管理平台”三个部分。大数据挖掘平台整合校内外相关数据如会计核算系统的序时账、人事及教务系统的师生信息、报账系统的票据信息、校外工商部门的工商数据等，形成一个预警数据网。智能监控引擎根据预置的问题模型，将交易数据与问题模型对比判断，一旦达到预警阈值，便将该交易标记为异常并发送至预警管理平台。智能监控引擎具有自学习能力，通过对预警管理平台人工复检结果的智能分析，自动优化预警阈值，从而提高预警准确率。预警管理平台接收并处理预警的异常交易。收到预警后，预警管理平台可以通知核算人员暂停、终止报销，同时为稽核人员线下稽核提供信息化支持，并完成对稽核档案的信息化管理。预警管理平台将预警划分为四个等级，即一级预警、二级预警、三级预警、以及普通预警。其中，高危类、敏感类且判断准确率最高的异常交易为一级预警；后果不严重、缓急程度一般的疑似异常交易为普通预警。对于需要中断或终止的交易，预警管理平台可通过短信、邮件、手机APP、大屏幕展示等方式告知对应的财务人员以及项目负责人。

3 预警流程

大数据智能经费监控系统以学校财务数据为中心，根据不同的问题模型，对校内外不同数据进行匹配。通过智能监控引擎的判定，超出阈值的交易将触发预警。以关联交易为例，大数据智能经费监控系统从财务系统以较高频率读取凭证数据，包含凭证号、项目信息、交易金额、项目负责人、交易企业信息等；根据问题模型需要挖掘工商数据，包括特定企业的法定代表人、股东或高级管理人员姓名等信息。将项目负责人信息、交易企业信息、工商数据一起送入智能监控引擎。通过检索比对，如发现项目负责人与交易企业的法定代表人、股东或高级管理人员为同一人的，则认为该笔交易为疑似关联交易。一旦系统判定为关联交易，立即向财务复核人员发送暂停报销的信号，同时通知稽核人员对疑似关联交易复检，经复检确为关联交易的标记为“异常”。稽核人员随后对“异常交易”进行线下稽核，经审定交易合规的重启复核流程，并入办结库；违规的则生成稽核问题底稿，并终止报销、入办结库。

三 系统应用情况

大数据智能经费监控系统自2018年6月试运行以来，对关联交易、企业状态异常、高频交易等问题进行了监控。监控结果显示：系统能够较准确的识别项目负责人与企业法定代表人、董事、监事以及高管为同一人的情况、交易企业状态为注销的情况、高频疑似违规交易的情况；在财务报销完成制单后，能够在复核之前及时预警拦截。结合人工辅助等稽核方式，目前已发现并处理了高频交易、关联交易等近百笔，收到了较好的效果。

四 结束语

大数据经费智能监管是一个全新的发展领域，当前可借鉴的理论和实践相对较少，学术界、政府部门、高校、企业等仍在不断探索研究。随着财务信息化、智能化的快速发展，可挖掘的财务数据呈爆发式增长，大数据经费监管的内容与方式也会随之不断变化，其体系架构也会因技术和应用的发展的变化而需要不断调整。我们只有不断跟踪国家的相关要求、财务信息化技术、财务理论的发展，抓住每一个探索大数据经费智能监管理论和应用的机会，在不断试错中优化和演进，才能将大数据经费智能监管系统不断优化与完善。 

参考文献:
[1].张丽. 科研经费监管问题_成因及建议[J].中国高校科技，2018(8).22-24.

[2].邱晗凌.高校院系对科研经费的监管研究[J].教育教学论坛,2018(26).11-12.

[3].臧晓冬.新常态下事业单位三公经费管理优化路径分析[J].财会学习,2018(03).120-121.

[4].吴东霞.对高校财务稽核工作的新思考[J].经济师,2010（11）110-111.