基于大数据分析的汽车销售流程审计案例

• 了解数据和业务是审计成功的前提

大数据的特点就是体量巨大、价值密度低。大数据审计一定要避免淹没在海量数据中找不到突破口的尴尬，因此前期对业务和所涉及数据的了解至关重要。该专项审计项目立项后，审计人员并没有立即着手对企业的销售数据进行采集和分析，而是花费近一周的时间进行详尽的审前调查，以便制订出一个合理的数据审计方案。

经了解，该企业的整车销售主要分为普通零售和大客户销售两种类型。普通零售就是众所周知的个人客户通过经销商购车的行为。企业对零售采用分品牌管理的方式，但各品牌除了在经销商网络以及营销商务政策上有所区别外，主要的车辆批售、零售流程基本一致。

大客户销售通常是指销售对象为政府单位、军警系统、租赁公司、大企业等特定客户，销售不分品牌，由企业的集团销售科统一管理，但按销售方式分为“直销”(大客户直接向企业购买)和“联合销售”(由经销商和企业共同开发大客户并运作销售)。该类客户多为批量购车，因此相较于普通零售，企业对于大客户销售通常会给予更多的销售折扣或优惠措施。

正因为大客户销售有较多的折扣和差价，该类业务更容易产生违规和舞弊，所以，本次专项审计将大客户销售业务是否规范作为重点。

同时，审计人员还了解到，企业主要通过DOL(经销商在线系统)和DMS(经销商管理系统)来记录对经销商的整车批售以及对终端客户的车辆零售信息，计算和管理整车促销费用发放。这两个系统包含了批售管理、车辆物流管理、经销商零售申报和零售客户信息管理等多个模块。直销数据主要由集团销售科人工统计，企业每年的批售、零售和客户信息接近两百万条。

在考虑了审计资源配置(现场审计时间2周，审计人员2名)和前期调研的结果后，集团审计室制订了详尽的审计方案，确定抽取所有大客户的销售记录和某一销量较大品牌车辆的普通零售记录(主要是出于各品牌的销售政策不同考虑)作为审计对象，审计的目的是确认18个月的审计期间内整车销售数据的真实性、销售政策的合理性以及销售折扣计算发放的准确性。

• 有效的数据分析是审计成功的关键

由于涉及审查的数据量较大，达到约130万条记录，审计人员在和企业相关部门充分沟通并说明审计需求之后，采用了IT后台批量导出DOL、DMS系统数据和业务部门补充提供手工统计信息(直销)的数据采集方式。

同时，从IT部门获取系统数据字典，了解销售数据各字段的含义，并对直销信息等非结构化数据进行了预处理，确保其在数据属性、字段结构等方面和来源于系统的数据保持一致。

最终分析用到的销售数据包含了车辆VIN号、车型、经销商信息、客户信息、协议编号、折扣金额、零售上报日期、经销商开票日期等字段信息。

数据采集完成后，借助专用的审计业务数据分析工具——ACL(Audit Com—mand Language，审计命令语言)进行数据的导入和分析。ACL软件最大的特点在于可以快速处理海量数据，可以读取并转换各种类型的数据文件，提供“只读”的数据访问，不会更改原始数据，具有很强的数据安全性，能够记录所有的命令和结果，形成全面的审计轨迹，并以此创建测试脚本。

随后，根据前期制订的审计方案，在ACL软件中通过设定函数、命令，建立分析模型对采集到的数据进行系统性处理，主要方法包括：

①表关联和数据匹配，即利用车辆唯一的识别代码一VIN号，将DOL、DMS数据中的批售、零售、车辆退库记录等各模块数据建立串联关系。

②逻辑判断，即审查是否存在车辆批零售时间倒置、重复销售等异常信息。

③特征筛选，即车辆销售周期较长、车辆获得销售政策补贴后产生跨期退车的记录、将普通零售混同于大客户销售等。

④孤立点分析，即经销商在统计期间无任何销量等异常现象。

⑤销量趋势及离散度分析，即经销商在统计期间出现大幅度的销量变动。

⑥分析性复核，即检查是否有超出销售政策的销售类型、是否有未经资格审核的大客户销售车辆。