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！！！