在深化国资国企改革和加强穿透式监管大背景下，数智化穿透式审计应立足经济监督定位，聚焦国资监管重点领域和突出问题，依托大数据、人工智能、知识图谱等数智技术，以财务为基础带动“全级次、全链条、全过程、全要素”数字化重构，围绕“主体—业务—行为—数据”四维穿透，打造上下贯通、实时在线、自动预警的数智化穿透式审计监督平台，构建集中统一、全面覆盖、权威高效的审计监督体系，形成科学规范的“数智赋能+穿透监督”新型审计范式，加快推进国有企业治理体系和治理能力现代化。

数智化穿透式审计与传统审计模式的核心区别在于，传统审计主要采取“项目式”审计模式，以审计项目为载体，审计人员进场后通过查阅资料、访谈等方式发现问题，审计周期长、覆盖面有限；而数智化穿透式审计则是遵循“总体分析、发现疑点、分散核实、系统研究”的数智化审计方式，通过依托智能化审计平台，构建起“日常监测+专项核实”的审计实施形式，对审计对象实现全流程、智能化监督的审计模式。“日常监测”是指通过数智化穿透式内部审计平台进行持续性的风险监测和数据分析，发现疑点后通过系统自动派单至相关责任单位或审计组进行“专项核实”，核实结果再反馈至平台形成知识积累。

“主体—业务—行为—数据”四维穿透源于实现“四个看清楚”的政策要求。

主体穿透，旨在解决“覆盖谁”的问题。传统审计往往难以触及基层末梢，穿透式审计要求从集团总部延伸至基层末梢，直达最基层业务单元、最末端出资对象，全级次的子企业，无论境内境外、表内表外、控股参股，要能够看清楚各层级，及时发现和揭示主要风险点和问题根源。

业务穿透，旨在解决“审什么”的问题。贯通核心业务，核实各环节合规性与风险点，覆盖从资本投向、资产运行、资金收付到业务作业的全链条完整闭环，要能够看清业务全流程无盲点。

行为穿透，旨在解决“谁担责”的问题。穿透式审计不仅要发现问题这件“事”，更要追溯制造问题的“人”。通过覆盖重大事项的可研、决策、实施、管理、后评价的各环节，从问题表象看清每个责任主体的决策，确保能够核实违规行为责任。

数据穿透，旨在解决“时效性”的问题。依托多源数据采集和关联分析，实现对资金流、业务流、信息流的全要素覆盖，运用数字化技术实时动态监测、快速发现疑点、定位问题根源，实现“一键直达”，破解信息不对称困境。

传统审计模式重心放在事后结果，存在明显的局限性：一是覆盖面有限，以抽样审计为主，难以实现全量核实；二是时效性不足，审计发现问题往往滞后数月甚至数年；三是协同效率低，审计、业务、财务等部门通常信息共享不畅；四是整改落实难，问题整改追踪机制不健全。

数智化穿透式审计模式重心移至业务前端：一是全量审计，借助大数据技术实现对全部数据的智能分析；二是实时预警，运用人工智能模型对异常交易进行即时监测；三是协同贯通，实现审计与业务、风控、纪检的有效联动；四是闭环管理，从风险预警到整改销号全流程在线运行。

虽然数智化穿透式审计模式突破了形式约束，但在实施监督过程中仍需坚持权责分明，不打破各级监管责任链条，不替代、减轻或免除各治理主体责任，既不干预企业的日常经营，也不干预企业的自主权。因此需要在工作中把握好国资监管与央企审计监督的责任边界，把握好央企内部各层级穿透式内部审计监督的责任边界。

数智化穿透式审计平台采用“数据—模型—应用”三层架构设计。底层为数据中台，定位为数智底座，主要为了涵盖内外部全域数据，实现资金流、物流、信息流、价值流“四流合一”的数据贯通，筑牢审计取证与穿透分析的基础，主要建设内容包括“三库一中心”，即规范库、要素库、风险库、数据中心。中层为人工智能中台，定位为智能枢纽，打造五大计算引擎，即大模型引擎、算法引擎、图计算引擎、策略引擎、因果推断引擎，构建模型网络，针对典型风险场景开发模型，实现审计疑点的智能识别与精准定位。上层为应用平台，承载具体业务场景，包括风险预警、线索自动派发、智能研判、整改闭环等功能模块，总体架构详见图1。

数据中台是数智化穿透式审计的基础，承担着自动归集各类业务系统数据的功能，包括财务数据、资金数据、合同数据、采购数据、工程数据、人事数据等，构建统一的审计数据资源池，其建设质量和数据治理水平直接决定平台效能。其中，规范库建设是基础，包含了相关标准与合规制度文件，需参照国资委发布的《统一财务数据元标准规范》，统一业务数据与财务数据对接口径，建立数字化规则字典，涵盖国家相关法规和内部管理制度，支持自然语言处理语义理解与智能检索。要素库建设是数据价值挖掘的关键，包含业务特征与特征工程，通过在采购招标、工程建设、资金结算、物资采购等领域进行特征提取，提炼合同关键条款、资金流水路径、标的物属性等核心要素，实现从原始数据到可计算“特征变量”的转化。风险库建设是审计智能化的核心，汇聚历史审计发现问题、问题通报及行业典型违规事件，形成虚假贸易、靠企吃企、空壳交易等风险特征标签，建立标准化数据标注流程与样本管理机制，为模型训练提供高质量数据支撑。数据中心建设是数据汇聚的载体，承担审计数据全生命周期的治理枢纽职能，遵循实用性、完整性与及时性原则，实现纵向全级次成员单位数据穿透，横向深度整合内部结构化系统与外部权威数据源，建立从智能采集、验证清洗到安全存储机制，通过智能校验和逻辑勾稽核查确保数据质量。

人工智能中台是平台的智能核心，通过五大计算引擎为各类审计场景提供智能化能力支撑。大模型引擎主要应用于智能语义分析场景，如在合同审计中可自动识别合同关键条款和潜在风险点，在风险研判中可综合分析多维度信息输出风险研判建议。算法引擎主要应用于异常交易识别场景，通过机器学习算法对历史交易数据进行训练，建立异常交易识别模型，可识别资金流向异常、交易频次异常、金额异常等多种风险模式。图计算引擎主要应用于关联关系分析场景，通过构建企业关系图谱识别围标串标、隐性关联交易、股权代持等复杂违规行为，可快速穿透多层嵌套关系揭示潜在风险。策略引擎主要应用于合规规则刚性嵌入场景，将审计规则嵌入业务流程，当业务发生时自动触发审计审核，实现“技防技控”。因果推断引擎主要应用于归因分析与风险传导路径追溯，基于风险特征库构建的风险标签体系，对风险进行全景式标注，当风险事件发生时追溯风险传导路径，识别风险扩散范围。

数智化穿透式审计平台可重点建设以下场景模型：在投资管理领域，针对股权投资里的虚假控股、控股不控权、无关多元投资等问题，建设图计算股权穿透模型；针对固定资产投资中存在的违法转包、违规分包、围标串标等问题，建设关联分析与图计算相结合的审计模型。在产权管理领域，针对多层架构、靠企吃企等问题，建设关联关系图谱穿透模型。在财务管理领域，针对资产闲置浪费、违规拆借、过度负债等问题，建设规则引擎与机器学习结合的审计模型。在采购供应链领域，针对融资性贸易和虚假贸易等问题，建设特征分析与供应商关联分析模型。在金融管理领域，针对涉众融资、违规担保等问题，建设资金流向追溯模型。在薪酬管理领域，针对违规发放津贴、薪酬乱象等问题，建设规则匹配与文本比对模型。在合同管理领域，针对签订倒置、虚构业务等问题，建设时间序列与多维合规审查策略模型。

此外，还需构建从预警到整改销号的全流程线上闭环管理，实现风险线索智能研判、审计任务自动派发、线索核实，整改措施在线督办、审核销号与归档，全程留痕、可追溯、可考核。

1.总体分析：全级次扫描与风险画像。以集团企业组织架构为基础构建主体穿透路径，针对全集团各层级开展全面风险扫描和精准画像。在数智化穿透式审计平台中，后端以会计隶属关系实时汇集财务数据，以股权关系实时汇集经营数据至数据中台，前端应用层构建风险预警模型，使模型可逐级向下穿透至问题详情。通过可视化技术，以管理层级向上逐级汇总问题风险，将全集团的风险态势以图表形式直观呈现。同时，基于企业基础数据、经营数据、风险数据，构建单个企业的多维度指标体系，实现对企业的精准画像。

2.发现业务疑点：智能预警与线索派发。发现疑点阶段，主要通过风险预警模型、智能算法、智能体工作流等自动识别潜在风险线索。其中，风险预警模型建立覆盖投资、产权、财务、购销、工程、物资、采购、资金、薪酬等重点领域，每个领域设置若干预警规则，形成完整的预警模型体系。平台依据预警模型对全量数据进行自动运算，识别符合预警规则的异常数据，生成疑点线索清单。构建审计智能体，实现对业务流程的持续性动态监测及复杂风险的自适应识别与响应。

同时，要配套建立两项规则：一是线索派发规则，当新线索产生时，系统自动根据线索类型、企业归属、业务领域等因素，将线索派发给相应的审计组或业务主责部门；二是分级分类管理规则，将预警线索按照风险严重程度分为重大、较大、一般三个等级，按类型分为需要审计部门直接核实和需要业务部门自查两类，实现差异化管理。

3.分散核实：线上线下协同核实。分散核实阶段是将系统识别的疑点线索转化为审计成果的关键环节，需要线上平台与线下现场有机协同。对一般风险等级的疑点，可通过平台进行远程核实，调取系统数据进行验证；对较大和重大风险等级的疑点，则需审计人员进驻现场实地取证，形成完整证据链。平台将待核实线索在线分发给审计人员或审计组，明确核实内容、核实要求、核实时限等信息，实现任务下达的标准化与流程化。平台实时显示各项核实任务的进度状态，对超时未完成的任务进行自动提醒。核实过程中形成的各类证据材料，通过平台在线固定，形成完整的审计证据链。

4.系统研究：深度分析与专题报告。系统研究阶段是对分散核实成果进行深度加工和知识沉淀的环节，将分散在不同企业、不同领域的问题线索进行关联分析，发现问题的深层原因和传导路径。针对特定领域或特定问题类型组织开展专题研究，形成系统性的研究成果。借助大模型能力可自动生成审计报告初稿，大幅提升审计报告撰写效率。将核实中发现的典型问题、查证方法、有效经验等沉淀至平台知识库，形成可复用的知识资产。

某中央企业针对物资采购领域开展数智化穿透式审计。该企业年初组建审计大数据团队，对物资采购领域各个环节重点问题和风险进行总体分析。根据物资采购相关法律法规、企业物资采购管理内部控制要求，梳理常见问题和主要风险点，并以问题为导向，有针对性地运行平台已有采购管理问题模型或即时开发审计模型，用于问题疑点线索的筛查。以投标文件相似性检查模型为例：

1.主体穿透。平台模型对审计期间集团企业的全部投标文件实质内容章节进行分析，以标书段落相似度≥85%为阈值，筛选出相似度较高的招标文件，再通过模型穿透至两个维度的主体：一是穿透到各级企业主体，以不同企业、不同招标项目为维度，筛查出疑似围标、串标的投标文件，按照标段数量和标段金额进行排序，通过招标文件编码穿透到涉及的企业；二是穿透到所有投标供应商主体，以不同供应商筛查出的疑似围标、串标的投标文件数量排序，通过招标文件编码穿透到具体中标供应商、投标供应商，再穿透至信评服务平台获取供应商的合作与履约、关联关系等更多的信息，用于辅助核实是否存在围标、串标问题。在本例中，审计人员发现某二级A企业2025年B招标项目存在招标文件相似度较高的疑点。

2.业务穿透。通过模型提示的线索，在锁定企业主体后，再穿透至物资采购招投标系统，穿透检查招投标邀请、评标信息、评标结果、报告及标后数据等全链条管理环节。在本例中，审计人员在线穿透至招投标系统后，检查A企业B招标项目全链条关键环节，穿透检查B招标项目全部7家投标供应商，分别核实资质预审文件、技术标及商务报价等业务，发现中标的C企业与一同参标的D企业，双方投标文件的技术要求文档相似章节达95%，且技术文档、供货业绩等17份投标文件最终编辑人同为“许某某”。

3.行为穿透。通过合同编码、供应商编码等数据主键，可直接穿透到相关业务信息系统，核实全过程的审批流程，核实谁发起、谁审查、谁会签、谁批准与中标单位签订合同。在本例中，审计人员发现A企业物资中心管理部门未严格履行招标监督义务，在招标过程中未仔细审查投标人文件，定标时未指出中标候选人围标、串标的违法行为。

4.数据穿透。模型已包含物资招投标管理、合同管理在内的多套业务信息系统审计所需数据，可通过主数据关联内外部企业基本信息数据、匹配投标商及外部征信数据，由数据中台提供实时贯通。

除了上述围标、串标问题线索，审计人员还识别出部分下级企业存在以下异常情形：一是个别企业物资采购未执行能招尽招要求；二是一般物资采购询比价选商异常；三是同一品类物资采购价格明显高于历史平均水平；四是采购合同签订时间与中标通知时间存在异常倒置；五是某供应商中标频率异常高，且与其他供应商存在关联关系；六是验收数量与合同约定数量存在明显差异。通过模型运算，共筛选出疑似异常采购记录8000余条，形成预警线索清单。