數據審計方法在醫院審計項目的運用

導語：數據審計方法在醫院審計項目的運用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：信息技術在醫院管理中的廣泛應用，凸顯了電子化、虛擬化、數據海量化的特點。信息數據化對醫院開展內部審計提出了更高要求，僅依賴傳統的審計經驗發現審計線索變得越來越困難。利用信息化技術開展審計前的數據分析是當前審計工作開展的重要手段，也是必然趨勢。文章首先研究數據審計常用的數據分析方法，包括主流的數據分析方法和數據挖掘技術；利用醫院豐富的數據信息，將數據轉化為審計線索，輔助審計人員識別風險，提高了審計抽樣的精度；其次對數據分析技術在內部審計各個環節的應用進行了闡述；最后介紹了數據挖掘最新的研究方向和前景。

關鍵詞：數據審計；數據分析；數據挖掘；審計線索

1數據審計的優勢

數據審計是審計主體收集和整理被審計對象經營管理的數據等資料，通過一定的數據處理方法進行分析和開展審計實施的非現場審計程序。它是信息科技快速發展的產物，是信息時代的新型審計方式，與常規的現場審計方式對比，數據審計具有更全面、高時效、低成本、更高的審計質量和更加嚴密的規范性等優勢。1．1擴大審計范圍，提升審計精準度借助現代信息化技術手段收集整理被審計對象計算機系統內的海量業務數據深入挖掘，比照審計目標，數據進行全面統計分析，進而全面排查被審計對象日常經營中存在的潛在風險。對于審計對象非現場能夠調集各個信息系統中的各類信息，全面了解被審計對象的財務、內部管理、業務發展等狀況，從而提高審計的精確度。1．2提高審計效率，有效控制審計成本根據審計目標，通過運用數據審計的方法能夠遠程掌握審計對象日常經營管理數據，從中獲得審計發現。審計人員可以根據非現場數據審計發現的疑點，有的放矢地開展審計工作，提高現場工作的針對性，避免逐個翻閱檔案和資料，節省了人力物力，縮短了現場審計的時間，使得有限的審計資源發揮最大的效果。1．3提高審計的時效性，保證審計的實時性數據審計實現了審計前移，通過系統支持使得非現場對被審計單位的持續監控成為可能，與傳統審計相比，避免了審計工作的滯后性，可將有限的審計資源集中用于內部控制相對薄弱的管理及業務領域、重點單位和部門及重大風險事項，加大對風險點和薄弱環節的監測頻率［1］。

2數據審計的技術準備

要將數據分析方法用于內部審計，首先要解決數據的來源；其次是面對海量的各類系統數據處理，需借助專業的數據挖掘工具。2．1數據倉庫有效數據分析的前提是數據倉庫，隨著信息化系統的進一步完善，醫院各個系統的數據已經實現了對接，為內部審計數據分析提供了統一的數據框架，借助于大規模的數據，通過預處理，轉換，分析等數據處理方式，發現數據間的關聯與趨勢，找到傳統審計方法難以發現的經營管理規律和模式。2．2數據分析工具除了數據倉庫，許多數據分析工具也擁有強大的數據分析能力，如統計分析系統（StatisticalAnal－ysisSystem，SAS）、懷卡托智能分析環境（WaikatoEnvironmentforKnowledgeAnalysis，WEKA）、國際數據加密算法（InternationalDataEncryptionAl－gorithm，IEDA）、Teammate等，通過這些專業工具自帶的分析算法，有效提高數據分析的效率，同時也降低了對審計人員的技術要求。

3數據審計方法研究

數據分析方法是數據審計常用的方法，其最主要的優勢是能從海量的數據中，通過分析、數據挖掘等技術發現可疑數據，從而確定審計重點。要實現數據分析使用價值，有效的模型和分析方法是關鍵。對于醫院內部管理，日常監控的指標對經營風險有著潛在的指導意義，日常的監控能夠反映很多潛在的風險。3．1結構分析。醫院日常監控的指標，是對相關經營管理數據進行匯總，通過結構性分析進而反映出醫院的總體經營情況。從不同層次，不同角度，如病人類型，醫療業務收入分布，科室人員結構等，為醫院發展提供數據支持。3．2走勢分析。在單位時間段里，持續對數據指標進行監控。通過對數據長期趨勢化的分析，發現某些時間點的異常情況，深入分析并找出異常原因，從而防范風險。如將醫院的抗菌藥物使用情況按月度跟蹤，做半年的趨勢分析，見圖1。分析發現，2017年上半年該醫院兩種抗菌藥物總體走勢平穩，頭孢哌酮舒巴坦鈉粉針使用量呈逐月減少趨勢，頭孢唑污鈉粉針在2017年7月使用量突然上升幅度很大，鎖定這個異常對象，進一步尋找造成該時間段使用量異常上升的原因，排查是否存在臨床不合理用藥、收取回扣、發生公共衛生事件等。3．3合成指標分析。（1）合成指標分析是指通過一定的算式將多個指標對事物不同方面的評價值綜合在一起，以得到一個整體性的評價。對于醫院，傳統的多指標分析通常使用加權平均法，將各單項的分值給予相應的權重，從而得出醫院各項診療業務開展狀況的分值。（2）針對審計目標的數據分析，在醫院內部審計中，針對不同的風險，通過引入各種分析方法考察數據之間的內在關系和變動規律，注意將定性分析和定量分析相結合，以發現隱藏較深的問題。（3）許多大數據挖掘過程中使用的分析方法在審計中都能發揮巨大的作用。數據挖掘技術在醫院內部審計中的深入應用，首先依賴于醫院標準化的數據結構信息系統；其次根據醫院醫療業務、行政事務等的業務規定，操作規范、數據間的勾稽關系、相關業務間的邏輯關系，把審計實施過程轉化為有效的計算機程序語言，在分析框架內全部納入，使零散的數據整合為一，構建成完整的審計評估體系。數據分析常用的方法主要有聚類分析、關聯規則、決策樹等，分別從不同的角度對數據進行挖掘［2］。（4）聚類分析：聚類分析是指將數據按類分成多個，不同類別中的對象相似度較低，反之同類別中的不同對象相似度較高。這種分類受審計人員主觀因素影響較小。聚類分析是在數據中挖掘具有代表性的特征點，再按照整理出的特征點將數據歸類，形成具有明顯分類的特征群。尋找到不符合規律的數據，即找出脫離主體數據的孤立點，作為重點分析對象，發現審計線索，對審計風險評估。標注孤立點的方法主要用來發現原始數據中顯著區別于其他數據的特殊數據，如孤值、極值、游離值等異值。我們在實際操作中發現，往往能夠在被審計單位的原始數據中抓取到異常值，它們與審計數據源的其他部分數據明顯呈現不同的分布，這類數據具有很強的可疑性，應引起審計人員的重視。（5）關聯規則：關聯規則是一個事件和其他事件間的依賴和相關性，通常可以用支持度和置信度來表示這些事件同時發生的概率。關聯分析用以發現關聯行為，如將化驗和輔助耗材消耗、藥品消耗按時間進行關聯，發現異常數據，或對某個病人的治療行為進行預測。（6）決策樹：先根據經營管理數據構造決策樹，核心是歸納。如在騙保行為審計中，利用有問題的病人醫療記錄數據，選取患者住院次數、醫療金額、藥品、診療科室、診療時間等影響因子，通過決策樹方法挖掘，模仿騙保人的操作路徑，這樣的分類規則作為執行審計程序前的索引。如將某病人的住院行為情況作為決策樹，見圖2。基于這樣的決策樹可對審計測試樣本建立索引，發現可疑的高風險數據。

4數據分析在審計中的結果運用

審計過程中的數據分析通過不同的數據分析方法，對收集整理的被審計對象的相關數據資料，進行分析。查找被審計對象經營管理中存在的風險、問題、不足等，評價被審計對象風險程度，經營管理和內部控制狀況，為編制審計計劃和審計方案，安排審計資源提供支持［3］，為開展現場審計提供線索指引。圖2簡單的決策樹審計人員通過數據分析發現的可疑數據，以此作為審計線索，對象進行重點核查，對數據分析形成的有效線索，審計人員可以進行經驗總結，形成經驗庫。審計經驗庫的形成將有效提升數據審計的效率和效果。醫院內部審計可以分為審計計劃，審計準備，審計實施和審計報告四個階段，在各個階段運用數據分析方法，提高審計效率［4］。4．1審計計劃階段。確定審計目標。計劃階段需要對審計對象進行評估，分析總體情況和風險分布，可使用聚類分析等方法對被審計對象的數據實行預測和分析，以免因審計人員的主觀偏好，對審計對象選擇的影響，客觀選擇審計對象。4．2審計準備階段。訂制審計方案。準備階段主要任務是根據審計風險的評估結果確定審計抽樣方法和重點。可以將數據分析技術引入審計抽樣算法中，比如利用決策樹分類法，找出特征數據，精準確定抽樣樣本。再如利用關聯規則分析，判斷被審計單位業務間的關聯情況，如在醫院亂收費數據分析中，從數據庫中提取收費項目、收費標準、計費單位等字段，篩選出三者不一致的數據，然后將以上項目納入審計重點。4．3審計實施階段。按照審計方案取得審計證據。最關鍵的問題在審計資源有限的情況下，在海量的數據中識別出可疑風險信息。可通過孤點檢測等發現線索，進行實質性測試和檢查，獲取審計證據。4．4審計報告階段。出具審計報告。其中重要工作之一是總結審計項目的檢查思路和審計方法，構建同類問題的檢查模型，在同類審計對象身上應用。在醫院的內部審計中，利用已核實的問題數據，選擇決策樹分類法構建風險模型，運用模型對就診病人進行初步分類，重點關注高風險的病人，生成分類規則，作為同類問題檢查的指引。

5數據分析審計技術的發展前景

近年來，醫院內部審計通過計算機技術，發現和揭示了很多重大問題或風險隱患，極大地提高了現場審計的效率。雖然查詢式數據分析技術在的查找分析被審計單位個案方面具有一定的優勢，但缺乏對被審計對象的整體風險情況的全面把控，伴隨著數據審計技術的應用，審計人員能感覺到審計線索少了，問題越來越隱蔽。主要原因在于目前數據分析能夠借助的工具和制定的審計流程更多的是依靠審計人員的在以往審計項目中積累的經驗和計算機查詢技術相結合。然而隨著醫院醫療業務數據的海量化和集中化，現有的審計模型相對滯后，面對海量數據無從下手。如何做到更智能化的發現風險，挖掘審計線索，需要借助科技力量。著名的阿爾法圍棋說明，人工智能已經能做到超越人類的智慧，通過更智能化的模型，計算機程序能夠實現自我學習，提高預測性能。在數據挖掘領域，人工智能也是重要的研究方向———機器學習，相對于傳統的數據分析對固定模型依賴性較強，計算機學習會更關注數據本身，往往能夠根據特定的算法，如決策樹、聚類、神經網絡等，在數據本身的構成上挖掘信息，最終實現探索和發現疑點，自動提供審計線索。

參考文獻

［1］柳群．風險導向審計在內部審計工作中的應用［J］．合作經濟與科技，2014（2）：89－90．

［2］易仁萍．數據挖掘技術及其在審計風險管理中的應用［J］．審計與經濟研究，2003（1）：2－7．

［3］王兵，張麗琴．內部審計特征與內部控制質量研究［J］．南京審計學院學報，2015，2（1）：76－84．

［4］孫寶厚．國家審計新準則解讀［J］．審計研究，2010（6）：3－9．

作者:高牧云 單位:浙江中醫藥大學附屬第二醫院