王青:大数据驱动商业银行审计工作质效提升

课程大纲

01课程背景

近年来,国家层面对于数字化转型的重视程度日益提高,大数据技术在银行业业务营销、风控管理等领域均提供了有效支撑,传统的审计方法已难以满足现代企业对高效、精准、智能化的审计需求,基于此,商业银行审计工作要想跟上时代的步伐,无疑也必须将大数据技术融入各类审计业务中,实现传统审计“核对凭证-抽样检查-撰写报告”向“数据建模-智能分析-风险预警”智能化转变。本课程将通过介绍商业银行审计大数据技术应用基本历程、基本概念及框架,讲解商业银行内部场景中大数据分析方法的应用,分享大数据在审计监测、审计项目中的实践,让学员树立数据式审计思维,掌握数据分析方法及工具应用技巧,重组数据式审计工作流程,提升审计工作的质效。

02课程收益

核心收益01:掌握内部审计大数据技术应用发展历程及基本概念

核心收益02:掌握内部数据式审计概念及推进策略

核心收益03:掌握内部审计常用数据分类

核心收益04:掌握内部审计大数据分析技术方法

核心收益05:掌握内部审计场景中的大数据分析方法应用

核心收益06:掌握多源异构大数据分析

03授课信息

授课对象：审计稽核部门、风险管理部门、合规管理部门等

授课形式 理论授课、案例教学、研讨互动

授课时长 每节100 Min 视培训方需求选择模块进行组合

04 课程内容

一、商业银行内部审计大数据技术应用概述

1.1 内部审计大数据技术应用历程

1.1.1 内部审计大数据技术应用历程回顾

1.1.2 内部审计大数据应用的现状和难题

1.1.3内部审计大数据应用实例

1.2 数据式审计概述

1.2.1 基本概念

1.2.2 总体框架

1.2.3 推进策略

1.3 内部审计常用数据资源

1.3.1主要数据类型

1.3.2 常用数据格式

1.3.3 数据获取

二、商业银行内部审计大数据分析技术和方法

2.1 基础分析方法

2.1.1 描述性统计

2.1.2维度分解法

2.1.3比对分析

2.2 专家经验分析方法

2.2.1资金流向分析

2.2.2 特征发现分析

2.2.3 关联关系分析

2.3 大数据挖掘分析方法

2.3.1 聚类分析

2.3.2 关联分析

2.3.3 回归分析

2.3.4 机器学习

2.3.5 文本挖掘

2.3.6 Web 挖掘

三、内部审计场景中的大数据分析方法应用

3.1 总体分析思路

3.2 查询描述类分析方法应用实践

3.2.1 描述分析

3.2.2 维度分析

3.2.3 比对分析

3.3 假设验证类分析方法应用实践

3.3.1 关系假设(客户关系假设、资金关系假设)

3.3.2 轨迹假设(资金转让轨迹、资金轨迹)

3.3.3 行为假设(飞单、洗钱、贷款业务欺诈)

3.3.4 交叉验证(非法集资、资金中介)

3.4 发现预测类分析方法应用实践

3.4.1 逻辑回归

3.4.2 决策树

3.4.3 聚类分析

四、多源异构大数据分析实践案例

4.1 文本分析

4.2 图像识别

4.3 语音识别

4.4 互联网金融数据

4.5 企业信用信息及法院数据

4.6 Wind数据

授课老师

王青老师的课程大纲