審計思考 | “數據化審計,從入門到放棄”如何破?
點擊藍字關注 ↑↑↑
數據化審計:問題導向、應用至上、解決痛點
本領恐慌的內審人
大數據時代,內審人也面臨着本領恐慌,常常面臨“老辦法不管用,新辦法不會用,硬辦法不敢用,軟辦法不頂用”的困境。
日常工作、培訓時,也經常被問到“老師,我想學數據化審計,先要看什麼書啊?”、“老師,可否方便發幾個SQL腳本給我,我學學怎麼查的?”、“老師,每天要花多少時間,才能學會數據化審計?”
面對內心恐慌,滿臉焦慮的TX,我也會很熱心地推薦一些書,諸如《21天SQL》、《SQL SERVER數據庫指南》等等。
內審人最大的優點就是好學,出差時不在箱子裏放兩本書都感覺不踏實,連在機場候機時都捧着書。
理想很豐滿,現實很殘酷!
數據化審計,從入門到放棄
但從結果看,業務條線背景的科技小白,凡是立志按部就班、按照專業IT路徑學下去的,基本都沒能堅持下去。一次次按照如下路線圖實踐 “數據化審計,從入門到放棄”:
1.熱血沸騰
往往是在看了一本講數據化審計的書,或者是聽了一堂智慧審計的講座,或者是喝了一碗《內審人,你將被人工智能替代》的雞湯後。
2.雄心滿滿
作爲聰明的內審人,學習能力那是剛剛的,那麼難考的證都考下來了,不就是學門語言、編個程嗎。爭取一個月拿下SQL應用,兩個月抓取天眼查,三個月上線機器學習,無監督機器學習抽樣。
3.資料囤積
京東圖書排名靠前的《XX語言從入門到精通》、《N天學會XX語言》、《XX數據分析實戰》通通拿下。Baidu網盤得收集存儲1TB的各類電子書、視頻教程。
4.開始踩坑
打開零基礎學習教程,內審大牛、技術小白開始征程。對着教程,一行行碼入代碼,看着屏幕上飛速翻滾的結果,啊不,錯誤提示開始迷茫。啥是“找不到對象?” unexpected indent 又是什麼鬼? SQL ERROR 10086怎麼理解。
5.凌波微步
還好有度娘!雖然有點沮喪,但內審人也不是那麼容易被打到的。各種各樣的坑:輸入標點的全角半角、代碼對的括弧、中文字符的編碼、字符要加引號、變量名不能用print……,一個個坑都迎刃而解。
6.實戰碰壁
練了好多課了,正好有數據要分析,感覺和教程也差不多。
怎麼總是跑不通。。。。
算了 算了,還是Excel跑跑好了,就是慢一點而已。
要不明天去求助技術小哥吧。。。
7.躺倒裝死
坑太多了,實在爬不出來了。。。
在哪裏跌倒就在哪裏躺下。。。
8.束之高閣
書,翻不翻,它都在那裏;
代碼,寫不寫,它還是跑不通。
“數據化審計,從入門到放棄”的python代碼模擬
1from 數據化審計 import 學習目的
2from 學習資源 import *
3
4if __name__ == "__main__":
5 while 熱血沸騰 and 雄心滿滿:
6 if 資料囤積 > 1TB:
7 if 開始踩坑 < 10:
8 凌波微步
9 else if 實戰碰壁 < 2:
10 凌波微步
11 else:
12 躺倒裝死
13 break
數據化審計是做出來的,不是學出來的
做好數據化審計,首先需要降低心理預期,不要將自己的未來定位爲專業人士,否則不僅不會顯得很專業,還會嚇住自己。
如果你想造汽車,恐怕要有多少年的理論功底,以及技術實踐。但如果你只是想開汽車,卻是很快就能學會。當個司機,需要去了解汽油發動機原理嗎?
只有這樣纔會慢慢體會到,那些專業書,只適合於放在手邊隨時翻閱,尋找不懂的問題的答案。
內審人學IT技術不是爲了做IT,而是爲了用IT當工具。專業的培養路徑和模式只會慢慢澆滅了熱情、磨滅了興趣。而在用IT工具解決了問題、提高了效率、發現了線索之後的“獲得感”纔是持續堅持下去的動力。
只有寫過幾段腳本的人,才能體會到數據化審計的精髓。
先做再學,在做中學,在翻坑越坎中學,帶着問題學。
入門數據化審計的可行姿勢
1.以道馭術
很多內審人對數據化審計的最高幻想是:程序一跑,問題立現,底稿成型。雖然說夢想還是要有的,萬一實現了呢?
但數據化審計始終只是“術”層面的東西,內審人對業務的熟悉纔是“道”。
做好內審,需要“道、法、術”三者兼備。所謂道:基本原理、規律和規則;法:實踐或落實的思路、方法和策略;術:具體的方式、措施和工具。
數據分析的代碼是流淌的檢查思路。對業務流程和邏輯理清楚、想明白,才能落實在代碼中,問題也往往纔會在“有心栽花花不發,無心插柳柳成蔭”的狀態中顯露出來。
不踏實學習業務,期望通過純粹的數據分析一戰成名,很容易陷入“有嚇人的問題線索,無實錘落地的問題”的怪圈中,亂了領導和自己的方寸。
2.弱水三千只取一瓢
數據分析相關的每個語言都博大精深,但作爲工具應用,只要其中很少一部分。
比如,對數據庫SQL語言,只要熟練掌握SELECT語句和SUBSTR、CONVERT、DATEDIFF等幾個關鍵函數,基本可以應付90%的數據分析工作。至於數據庫管理、SQL優化等,可以暫且不管。
又如,對Python,先熟練掌握pandas庫,也就能輔助完成主要的數據分析和可視化展現了。
數據化審計要“立志”,但不宜“立大志”。鑽研的太專業,並不會顯得很專業,反而會嚇住自己。
3.盡信書不如無書
基本的環境搭建要注意“盡信書不如無書”。軟件的版本,電腦的軟硬件環境可能都和書中不同,需要根據實際情況操作。
善用知乎、簡書、CSDN等垂直專業網站的專業貼操作,否則掉在環境搭建這第一個坑就可能爬不出來。
“度娘可用,價值自辯”,官方的教程、幫助纔是永遠值得信賴的。
4.突破知易行難
學習數據化審計最佳時間是十年前,還有就是現在着手寫下第一段代碼的時候。
數據化審計也喊了有十年,很多人已經走得很遠,有些人卻還在原地。
很多時候往往被擋在很多隱含假設之後,我沒有時間、我沒有數據、我業務沒有搞明白、我不會sql語句,但缺少的都是行動的決心。
內部審計永遠都是在信息不對稱、條件不全面、數據孤島化的情況下推進工作。一直拘泥於沒有數據、沒有軟件等藉口中,也就始終難以啓航。
總是等風來,豬還沒飛起來就老死了。
5.依葫蘆畫瓢
善用身邊同事的案例、內部交流的案例。只有這樣的案例,纔有相似的數據環境,纔有熟悉的場景感,纔有隨時可求救的資源。
對這些數據化審計案例,一般是先讀懂文章,熟悉思路,搞懂腳本或代碼邏輯,然後對代碼腳本中遇到的陌生的函數、語句,不恥問,不混過,求教案例作者、翻書、翻幫助文檔去學習,最後在相似的環境中“依葫蘆畫瓢”,復現案例。
跑通一個身邊的案例,勝讀一月書。通過跑通案例,熟悉使用的技術工具或語言的一個個知識點。
6.肢解重構案例
一般地說,學習遷移是指一種學習對另一種學習的影響,或已經獲得的知識經驗對完成其他活動的影響。而建構主義的遷移觀認爲,所謂學習遷移,實際上就是認知結構在新條件下的重新建構。這種建構性的學習強調旨在使學習者形成對知識的深刻理解。
跑通10個案例,基本上也就熟悉了常用的語句和代碼了,可以先定個小目標練練手。
可行的方式,結合手邊的項目準備,按照案例中的知識點,思考肢解、組合已有的案例,通過知識遷移,探索用於當前問題的分析。
比如,案例有基於SNA(社交網絡分析)對洗錢網絡的分析,可以考慮遷移到對信用風險審計中的擔保圈鏈分析。
7.AAR:After Action Review
美國陸軍把AAR定義爲:
對一事件的專業性討論,着重於表現標準,使參加者自行發現發生了什麼、爲何發生、及如何維持優點,並改進缺點。
AAR其實質就是向自己學習。之前的方法基本都是向書本、向他人、向專家學習。但學習還有個更重要的組成方式是向自己學習。
這是因爲河裏的石頭再多,總有摸乾淨的一天,案例再多,總有不能覆蓋的領域。那就需要有效地總結行動中的經驗教訓,進行知識創新,實現快速迭代。而AAR就是從自我經驗中學習的結構化辦法。
前面幾步着眼的是如何分析問題和解決問題,這一步目的則是從工作中學習,提升個人能力,從知其然,到知其所以然。不犯曾經犯過的錯誤。還可以總結規律,固化流程。也有利於審計團隊協作與知識共享,提升團隊智慧。
喜歡就長按關注吧!!!