数据式审计方法在银行审计中的应用与思考
大数据模式下审计工作存在的问题及建议
大数据模式下审计工作存在的问题及建议大数据模式下审计工作存在的问题及建议谢菲关键词：大数据审计工作问题及对策伴随着互联网、物联网、云计算和社交网络等现代信息技术在我国的快速发展和普遍应用，产生了海量的数据，使得各个行业和领域的数据呈现爆炸式的增长，数据的规模不断扩大，包含的内容也变得愈加复杂和多样，我国步入了大数据时代。
大数据在社会和经济发展过程中发挥着重要的作用，对各行各业的长远、健康发展产生了深刻的影响，由于大数据的量非常大，数据类型复杂多样，数据的处理和运算速度快，因此有助于提升审计工作的效率，不断推动审计工作方法与技术的更新，为审计工作创造更多发展机遇的同时，也带来了一定的挑战。
所以我国的审计行业要充分认识到大数据对自身工作的影响，会计师事务所和相关审计人员要抓住大数据给自身工作带来的机遇，更好的应对其挑战，不断提升审计工作的效率、质量和水平，从而实现自身的长远健康发展。
一、大数据的内涵和特点大数据这一概念出现于20世纪90年代。
对大数据的内涵分析，比较认可的是：由海量的数据集合而成，传统的软件和工具没有办法在一定的时间范围内对其进行收集、使用、分析和处理，由于数据量非常庞大，数据类型复杂多样，对数据处理与分析整合的能力提出了很高的要求。
大数据时代，主要有以下几个方面的特点：（1）在大数据的时代背景下，通过传统的抽样调查来分析数据的方式已经不再适用，取而代之的是全数据管理模式，在这一新型的模式下，对数据分析的样本就是总体，因此可以借助大数据，对行业和领域进行细致的考察与分析，更好地帮助人们了解审计工作的实际现状和所遇到的切实问题。
（2）传统的数据分析与整理，往往在意的是数据的因果关系，忽视了数据相关关系的比较和分析，因果关系不容易被证实，可是相关关系就不一样，它通常是显而易见的，所以研究、分析和证明相关关系所需要的成本代价比较小，有助于人们对数据进行更好的分析、整理和预测，提升人们数据处理的效率、质量和水平。
大数据审计的相关理念,应用方式和应用场景
大数据审计的相关理念,应用方式和应用场景大数据审计是现代审计的一种新模式，它利用大数据技术来应对
数据时代的审计挑战。
大数据审计所涉及的数据量大、数据种类多、
数据来源广泛，且以非结构化数据为主，因此需要更加高效、精准、
全面的数据处理和分析能力。
大数据审计的核心理念是数据驱动，即以数据为中心，通过算法
和技术手段对数据进行分析和挖掘，以发现潜在的风险和异常情况。
数据驱动的审计模式可以充分发挥大数据处理和分析的优势，提高审
计效率和精度。
大数据审计的应用方式主要包括自动化审计和实时审计。
自动化
审计是利用大数据技术，通过编写算法和程序来自动化地分析和处理
数据，实现审计的高效处理，提高审计的覆盖面和深度；实时审计则
是利用实时数据传输和处理技术，能够对数据进行实时监测和分析，
及时发现和解决风险问题，更加精准和及时。
大数据审计的应用场景非常广泛，首先可以应用在金融行业中，
对金融机构的财务数据、交易数据和风险控制数据进行分析和监测，
发现潜在的欺诈、洗钱等风险，提高金融安全性和稳定性；其次可以
应用在电商、物流等领域，对交易数据、物流数据等进行分析和监测，提高交易效率和质量，保障消费者权益；还可以应用在政府监管、医
疗卫生等领域，对公共资源使用、疾病数据等进行分析和监测，提高
政府治理效率和社会公共服务水平。
综上所述，大数据审计是一种高效、精准、全面的审计模式，具有广泛的应用场景和前景。
未来，它将成为审计领域的主流模式，持续推动审计工作的现代化和信息化进程。
数据式审计常用的数据分析方法
数据式审计常用的数据分析方法数据分析是在数据式审计中广泛使用的一种技术，它通过对大量的数据进行收集、整理和分析，从中提取出有价值的信息和洞察力，帮助审计师更好地了解被审计主体的经营情况和财务状况。
本文将介绍几种常用的数据分析方法，以帮助审计师更加高效地进行数据式审计。
1. 趋势分析趋势分析是一种基于数据的分析方法，它通过比较不同时间点的数据，揭示出数据的发展趋势和周期性变化。
在数据式审计中，趋势分析可以帮助审计师了解被审计主体在一段时间内的变化情况，发现数据的异常波动和潜在的风险因素。
审计师可以使用Excel等数据分析工具来进行趋势分析，通过绘制折线图或柱状图来展示数据的变化趋势。
2. 比较分析比较分析是一种通过比较不同数据之间的差异，揭示出数据的相对优劣和潜在问题的分析方法。
在数据式审计中，比较分析可以用来比较不同被审计主体之间的数据，或者比较被审计主体的数据与行业标准或预期值之间的差异。
审计师可以使用Excel等数据分析工具进行比较分析，通过制作条形图或扇形图来可视化比较结果，帮助发现数据的特征和异常情况。
3. 环比分析环比分析是指将当前时间段的数据与上一个时间段的数据进行比较，揭示出数据的变化趋势和增长率的分析方法。
在数据式审计中，环比分析常用于分析被审计主体在不同周期内的数据变化情况，比如比较当前月份的销售额与上个月份的销售额的变化情况。
审计师可以使用Excel等数据分析工具进行环比分析，通过制作折线图或柱状图来展示数据的变化趋势，更好地了解被审计主体的经营动态。
4. 异常检测异常检测是一种通过对数据进行统计分析，发现不符合正常模式或预期范围的数据点的分析方法。
在数据式审计中，异常检测可以帮助审计师发现被审计主体的数据中可能存在的异常情况或潜在的风险因素。
审计师可以使用统计学方法或机器学习算法进行异常检测，通过数据可视化或模型预测来辅助判断是否存在异常数据。
5. 关联分析关联分析是一种通过寻找数据之间的关联关系，揭示出数据之间的相互依赖和相关性的分析方法。
技术进展大数据分析在审计中的应用案例分享
技术进展大数据分析在审计中的应用案例分享技术进展——大数据分析在审计中的应用案例分享随着信息时代的到来，数据量的爆炸式增长给各个行业带来了巨大的挑战和机遇。
在审计领域，传统的手工审计已经无法满足庞大数据量的分析需求，因此，借助大数据分析技术成为了当今审计领域的一大趋势。
本文将分享几个大数据分析在审计中的应用案例，以探讨技术进展给审计工作带来的变革。
案例一：风险评估分析传统的审计风险评估过程需要审计师手动分析企业的财务情况、业务运营等因素，并根据经验判断潜在风险。
而基于大数据分析技术，审计机构可以通过整合海量数据源，运用数据挖掘和机器学习算法提取关键信息，实现对企业风险的全面评估。
例如，通过分析企业的财务报表、购销数据、雇员离职率等指标，异常交易、内部欺诈等风险可以被及时发现。
利用大数据分析技术，审计师可以更加精确地识别和评估审计对象的潜在风险，提高审计的准确性和效率。
案例二：异常交易检测传统审计过程中，审计师通过抽样的方式检查企业的交易记录，发现潜在的异常交易。
然而，在巨大的数据量面前，传统的手工抽样显得力不从心。
大数据分析技术可以对企业的全部交易数据进行实时监控，通过建立预警模型，自动发现潜在的异常交易行为。
例如，通过分析供应商支付的时间和金额，可以发现与正常业务规律不符的异常交易，从而识别违规操作或腐败行为。
大数据分析技术的应用可以提高审计工作的全面性和实时性，降低因为遗漏异常交易而导致的风险。
案例三：运营成本效益分析对于企业而言，运营成本效益的评估对于控制成本、提高盈利能力至关重要。
而基于大数据分析技术，审计师可以通过整合企业各项运营数据，运用数据挖掘和可视化分析等方法，深入了解企业的成本结构、效益状况，并对其进行优化建议。
例如，通过分析供应商的交易价、品质评估数据等指标，可以发现低成本、高性价比的供应商，为企业提供采购决策支持。
大数据分析技术的应用，使得审计师能够更加全面地了解企业运营的各个方面，为企业提供精确的运营成本效益评估，提高企业的竞争力。
数据式审计的常见问题及解决
数据式审计的常见问题及解决1数据式审计模式的产生及其涵义在信息技术环境下，常规审计无法揭露电子化条件下的经济犯罪和会计信息失真问题.利用被审对象所使用的财务软件和ERP系统本身去做分析，也不能很好的提高审计效率或满足审计要求从而发现问题，例如对医院的收费系统或商业银行的信贷业务等进行审计，传统方式将已完全无法工作.这时就必须跳出固有模式，把审计内容和重点转向电子数据本身及其信息系统的内部控制上来.数据式审计模式分为两种：数据基础审计模式和数据式系统基础审计模式.数据基础审计模式定义为：以数据为审计对象的审计方式.把数据式系统基础审计模式定义为：以系统内部控制测评为基础，通过对电子数据的采集、转换、整理、分析和验证等，来实现审计目标的审计方式.数据式审计模式直接区别于帐套式审计模式，其审计对象主要有两个，一是系统的内部控制，二是电子数据本身.2数据式审计模式遇到的常见问题和解决途径在实际工作中体现出数据式审计模式优点的同时，也发现了该模式下信息利用时遇到的各类问题.2.1审计人员跨专业的工作独立性较差审计人员大多具有专业财会审计背景和审计经验，但可能缺乏计算机应用技能.为改变这种局面，近年来充实了许多计算机专业人员到各个审计领域，但他们缺乏系统的审计业务知识.在进行复杂的计算机审计项目时，往往要计算机技术人员和审计业务人员同时配合，才能运用数据式审计模式完成工作，两类人员在业务和技术的沟通上又会存在理解偏差与沟通障碍，这就降低了审计的效率.要解决这个问题，需要对审计业务人员加强计算机专业知识尤其是数据库知识的培训，如此以来,那些普通的、常见的技术问题就不再需要计算机专业人员帮助.目前，审计署和省、市等各级审计机关都举办了多期计算机审计中级培训，参学人员从各类电子数据入手，用数据式审计模式进行计算机审计实务操作，取得了一定的成效.同时，我们也要认识到，如果计算机专业人员不加强审计业务知识和相关法律法规的学习，同样也会阻碍数据式审计模式的发展.2.2距真正意义的数据式审计模式仍有差距目前，国内外软件公司开发的商品化财务软件和ERP系统种类繁多.但这些软件所依存的操作系统平台、使用的数据库管理系统和数据结构可能完全不同，具体工作中很难直接读取软件中的信息并按统一模式组织并存储，更无法进一步分析和审计这些信息数据.这个问题在目前审计工作中表现的比较突出，单纯的审计业务人员在工作前期基本无法发挥作用，必须要计算机专业人员花费大量时间和精力进行数据采集、转换及初步分析，不断在数据库中进行转换、导入导出、结构整理、去除脏数据，才能为审计业务人员的下一步工作做准备.计算机对于审计业务人员来说，只是一种存放电子数据的工具，在实际审计时往往只对数据进行简单的计算和核对，未借助现有的先进信息技术去发现数据中的问题，进一步去挖掘数据背后隐藏的、有用的知识，为审计工作提供决策支持.要解决这类问题，长远来看，较好的途径是设计出用于辅助审计的数据仓库系统.该系统可使用专用软件利用数据挖掘技术从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识.通过对被审计数据进行全面分析，获取核心数据，并对这些数据的结构进行规范化，建立相应的数据模型，对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识，以供审计使用.2.3信息系统内控制度的不完善造成数据核实困难在采集电子数据时，审计机关一般是提出需求，然后由对方人员进行提取.这一方面因为对方人员或软硬件维护公司熟悉其系统环境，另一方面也可以规避风险.由于采集的数据仅来源于被审对象，但某些单位没有专职系统管理维护人员，信息系统内控制度的不完善可能造成所取原始数据本身就不完全可信,存在缺失原始数据、未进行合法性校验等情况.如医院信息系统审计过程中，取得多个年度的数据中发现其收费项目在某个时间点只经过了单个操作人员的修改，错误的录入没有制度进行约束、没有其他人员进行审核，造成了几年来一直执行错误的收费标准.再如社保基金审计中发现大量人员的身份证信息不合法，存在如“aaa”、“000000”等形式的手工录入的非法身份证号.此类问题的出现，有的可以通过制度的完善和人员的细心来避免，但如果大量原始数据均存在异常，则会直接影响到审计的结果.解决这类问题时，审计业务人员和计算机专业人员要预留出足够的时间先期取得数据进行分析，除了将整理过的数据借助辅助信息进行对比外，还要从信息系统内部控制制度、业务流程、数据异常产生的原因逐个进行分析.另外，我们还必须认真进行信息系统审计，可以主要对应用程序进行审计.应用程序决定了数据处理的合规性、正确性.对应用程序的审计时，可以对程序直接进行审查，也可以通过数据在程序上的运行进行间接测试.间接测试时对不同的情况需要设计出不同项目、不同区间的数据进行代入，检验输出的结果是否正确.这种测试数据可以是真实的数据，也可以是模拟的数据.2.4数据库设计不完善造成获取的数据有缺陷软件开发公司在对用户进行需求分析时，可能与用户交流时有理解差异，没有考虑到未来的需求变化，软件投入使用后发现实际使用和预期效果有一定偏差，数据量的加大引起运行效率急剧下降.有些开发人员对数据操作进行过度的简化，在数据库中不保存历史数据而只记录最新状态的数据，也就是说，数据是动态的.审计所取得这类数据时只是该时点的内容，没有历史数据则无法查看数据变化的趋势.另外，在审计中，经常会发现有些单位虽然使用了计算机技术对财务数据及业务数据进行管理，但两者之间却是独自开发独自运行的，缺乏关联性.这就会产生一个问题：当发现其中某一系统中的数据可能有问题后，再到另一套系统中进行验证时就非常困难，我们称之为数据间缺乏关联.对动态数据的常见的解决途径有两种，一是要求被审对象提供当时的备份数据，以便进行还原后再查询；二是查阅以往的会计报表数据，但这样际上就偏离了数据式审计模式.对数据缺乏关联的情况，只有在起初拿到两套系统的数据后仔细分析查找，尽量取得各自的数据字典找到二者的对应关系，再适当根据关键字段生成中间表以进行辅助审计.3结论通过实践，我们发现了数据式审计模式中信息利用的几个常见问题，并提出了相应的对策.现实中存在的问题可能远不止这些，但这并不能掩盖数据式审计模式的优点，数据式审计模式是信息化环境下的发展必然.在现有的条件下，只要将多方面信息进行综合分析后再加以利用，就一定能使数据式审计模式下的计算机审计更好地发挥出明显效果，提高审计工作效率，促进审计工作转型，更好地为经济建设保驾护航.本文。
商业银行数据式审计模式探析
口 方 涛 。
（ 审计署 驻长 沙特 派 办 ， 南 长 沙 ４ ０ ０ ） 湖 １０ ０
摘要 ： 商业银 行 审计在 各 国金 融风险 监 管活动 中起着 重要 作 用。 融全球 化的 金 发 展和银 行混 业经 营 ， 别是计 算机技 术 特 在银 行 业的广 泛运 用 ，造 成 审计 环境 、 审
断难 以 自圆其说 。 因为 ， 如果 这样 的规律 存在 的话 ， 么结合哈 耶 那
ＦＮ Ｎ Ｉ Ａ ＣＥ＆ Ｅ ＣＯＮ ＯＭＹ 金 融 经 济
的 审 计 方 法 和 模 式 已经 满 足 不 了 新 的 审 计 需 求 ， 求 新 的 审 计 模 式 以适 应 信 息 化 寻 进 程成 为银行 审计发 展 的方 向。 因此 ， 我 们 应 尝 试 以 信 息 系 统 和 电 子 数 据 为 对 象 的 商 业 银 行 数 据 式 审 计 ， 体 来 说 ， 是 具 就 以 评 价 商 业银 行 内部 控 制 制 度 为 基 础 ， 对 银 行 电 子 数 据 （ 括 会 计 数 据 和 业 务 数 包 于 利 用 计 算 机 系 统 开 展 审 计 工 作 的 通 四是 审 计 方 法 发 生 变 化 。 通 常 来 说 ， 审 计 人 员 一 般 使 用 建 立 在 概 率 论 和 数 理 统 计 原 理 之 上 的 审 计 抽 样 技 术 ， 过 对 样 通 本 的 审 查 测 试 来 实 现 对 总 体 的 监 督 和 评 价 ， 试 法 成 为 审 计 的 核 心 方 法 。 在 数 据 测 式 审 计 模 式 下 ， 计 人 员 面 对 的 是 如 何 对 审 信 息 系 统 中 的 数 据 进 行 有 效 的 分 析 ， 据 数 分 析 方 法 成 为 审 计 的 核 心 方 法 。建 立 在 数 据 式 审 计 基 础 上 的 数 据 分 析 方 法 不 同 于 传 统 的分 析 性 测 试 。分 析 性 测 试 的 对 象 是 会计信 息 ， 些信 息具有特 定 的格 式和 确 这 定 的 内 容 ，对 其 只 能 进 行 有 限 的 再 利 用 。 而 数 据 分 析 的 对 象 是 数 据 库 中 的 底 层 数 据 ，可以直接 对其进 行各 种数 据处 理 ， 形 成 满 足 审 计 目标 的 多种 多 样 的 信 息 。
数据式审计常用的数据分析方法
数据式审计常用的数据分析方法在当今数字化时代，数据式审计已成为审计工作的重要手段。
而在数据式审计中，数据分析方法的选择和应用直接关系到审计的效率和效果。
下面，让我们一起来了解一些常用的数据式审计数据分析方法。
一、数据查询与筛选这是最基础也是最常用的方法之一。
审计人员可以通过数据库管理系统（如 SQL）或数据分析工具，根据特定的条件对数据进行查询和筛选。
例如，查找某一时间段内的交易记录、筛选出金额超过特定阈值的业务等。
通过这种方法，可以快速缩小数据范围，聚焦于关键信息。
二、数据汇总与统计对数据进行汇总和统计能够帮助审计人员了解总体情况和趋势。
常见的统计方法包括求和、平均值、计数、最大值、最小值等。
比如，计算某个部门在一定时期内的费用总和，或者统计某类业务的发生次数。
通过这些统计结果，可以与预期或标准进行对比，发现异常情况。
三、数据关联与整合在实际的业务中，数据往往分散在不同的系统或表格中。
通过数据关联和整合，可以将相关的数据集中起来进行分析。
例如，将销售数据与库存数据关联，以了解销售对库存的影响；或者将员工信息与绩效数据整合，分析员工绩效与个人特征之间的关系。
四、趋势分析观察数据随时间的变化趋势，有助于发现潜在的问题或风险。
可以通过折线图、柱状图等图表形式直观地展示数据的趋势。
比如，分析营业收入的月度或年度变化趋势，判断业务的增长或衰退情况；或者观察成本费用的趋势，看是否存在不合理的波动。
五、比较分析将不同的数据集、时间段或业务单元进行比较，能够突出差异和异常。
可以是同一企业不同时期的比较，也可以是不同企业之间的横向比较。
例如，比较两个分公司的销售业绩，找出业绩差异较大的原因；或者对比今年和去年的财务指标，评估企业的发展状况。
六、异常检测通过设定合理的阈值或运用统计模型，识别出数据中的异常值。
这些异常值可能暗示着错误、欺诈或其他需要关注的问题。
例如，在销售数据中，如果某个客户的购买行为与其他客户明显不同，就需要进一步调查其原因。
大数据下企业内部审计发展研究文献综述
大数据下企业内部审计发展研究文献综述在当今数字化和信息化的时代，大数据的兴起给各行各业带来了巨大的机遇和挑战。
企业内部审计作为保障企业治理和风险管理的重要环节，也受到了大数据技术的深刻影响。
本文旨在综述关于大数据下企业内部审计发展的研究文献，探讨其对现代企业内部审计的意义和作用。
一、大数据对企业内部审计的影响随着互联网和信息技术的发展，企业内部数据规模呈现爆炸式增长。
传统的内部审计方法已经无法满足对大规模、高复杂度数据的处理需求。
而大数据技术的应用为企业内部审计带来了新的机遇。
首先，大数据技术可以加快内部审计的效率，提高数据分析的速度和准确性。
其次，大数据分析工具可以发现隐藏在大规模数据背后的潜在问题和风险，提供更全面和深入的审计结果。
此外，大数据还可以实现对审计过程的实时监控，确保审计活动的有效性和安全性。
二、大数据下企业内部审计的方法与模式在大数据时代，企业内部审计需要采用更加先进和创新的方法与模式。
研究文献中提出了一系列适应大数据环境的内部审计方法，如数据挖掘、机器学习、人工智能等。
数据挖掘技术可以通过对大规模数据的分析和模式识别，发现异常情况和潜在风险。
机器学习和人工智能可以通过模型训练和算法优化，实现对大数据的智能化处理和诊断。
此外，还有一些新兴的审计模式，如持续审计、实时审计等，可以更好地适应大数据时代的审计需求。
三、大数据下企业内部审计的挑战与应对策略尽管大数据技术给企业内部审计带来了许多机遇，但也面临着一些挑战。
首先，大数据的采集和存储需求巨大，涉及到数据隐私和安全等问题。
其次，大数据分析需要专业的人才和技术支持，企业内部审计团队需要不断提升自身的能力。
此外，大数据分析可能会面临数据质量不高、模型不准确等问题，需要采取合适的数据清洗和验证方法。
为了应对这些挑战，企业可以通过建立完善的大数据治理和风险管理机制，加强内部审计团队的培训和引进外部专业人才，同时加强与技术公司和高等院校的合作，共同推动大数据下企业内部审计的发展。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数据式审计方法在银行审计中的应用与思考
一、数据式审计模式的发展
2007年春的次贷危机迅速蔓延，最终演变成2008年的金融危机，致使全球主要金融市场出现流动性不足危机。
众多国际知名的商业银行、投资银行和对冲基金纷纷卷入其中，全球银行业也为此付出巨大代价，从中凸显出维护金融安全的重要性。
陈文夏( 2009 )针对金融监管和金融创新互为前提、相互依存、共同发展的关系, 强调金融审计应在维护国家金融安全、识别金融风险、促进金融市场发展方面做出贡献，若放松金融监管必然会导致金融市场的无序, 形成金融危机。
张军等（2011）认为我国金融审计必须借鉴国外的经验教训, 采取相应措施, 才能更好地维护金融安全。
商业银行本身属于高风险行业，经营的是高风险的货币资金，其危机爆发的可能性时时存在。
这一方面是由于缺乏连续性的审计导致无法提高效率。
商业银行的业务繁多且复杂，由于审计人员的缺失，对银行进行审计的时间间隔较长，无法从根本上了解银行内部控制的程序。
下一次审计很难利用上一次的审计结果，造成无法有效识别舞弊。
另一方面，进入新世纪以来，金融全球化、金融业重组和并购以及金融业务和金融工具的不断创新，加快银行规模扩张，加剧银行业风险多样化程度。
方涛（2012）指出信息化的环境下，特别是计算机技术在银行业的广泛运用，造成审计环境、审计目标、审计对象和审计方法等基本审计要素的巨大变化，使得商业银行传统审计模式已经无法满足这多变的需求。
国内也有部分关于数据式审计模式的研究。
国家审计署副审计长石爱中(2005) 首次提出了数据式审计这一全新概念，认为这种审计模式代表信息化环境下计算机审计的未来，并初步将其定义为：以系统内部控制测评为基础，通过对电子数据的收集、转换、分析、整理和验证，以实现审计目标的审计方式。
王永海、文华宜（2006）通过对商业银行审计模式发展的各个阶段进行了系统的比较研究，并全面分析了不同审计模式下的审计风险，发现：数据审计模式信息占有量最大、信息不对称最小，因而可能产生的审计风险也最低。
对于商业银行的审计来说，数据式审计应是审计人员的优先选择。
如何充分利用电子数据，发挥电子数据在数据式审计中的作用，李春青（2007）提出审计数据的处理策略，讨论有效配置数据处理活动的方法，目的在于以最小的处理工作量满足审计分析需要。
缪艳娟，王明丽（2010）阐述了数据式审计的一般流程及关键技术的应用。
二、数据式审计模式的应用
商业银行审计模式从传统的账项基础审计、制度基础审计转向全面的风险导向审计，但数据式审计不同于以往任何一种审计方法, 它改变传统地将账目凭证或电子账套作为直接的审计对象的方法, 而是将电子数据作为直接的审计对象。
因此审计过程中不必将其转换成规定的电子账套，相比以往审计模式，节省了大量的人力物力，更减小了审计风险。
数据式系统基础审计可以简化为: 系统内部控制测评+数据审计。
由此可以知道商业银行审计中对于电子数据审查的力度。
在银行审计实务中，审计师通过数据式审计模式，应用关键技术作用于以下环节，大大加强了银行监管的可信度，有效地维护了金融安全。