吳琛華

［摘 要］當(dāng)前，招標(biāo)形式多樣，招標(biāo)風(fēng)險(xiǎn)存在于各個環(huán)節(jié)。為有效防范招標(biāo)風(fēng)險(xiǎn)，企業(yè)需要提前識別各個階段的風(fēng)險(xiǎn)因素，并采取有效的審計(jì)手段支持招標(biāo)項(xiàng)目的開展。本文重點(diǎn)研究了企業(yè)審計(jì)大數(shù)據(jù)可視化建模分析系統(tǒng)，采用微服務(wù)容器化技術(shù)和大數(shù)據(jù)分析技術(shù)，通過將手寫SQL才能進(jìn)行的數(shù)據(jù)分析任務(wù)遷移到簡單的可視化配置中，使得幾乎沒有任何開發(fā)經(jīng)驗(yàn)的業(yè)務(wù)人員也能快速地進(jìn)行審計(jì)風(fēng)險(xiǎn)分析。這種基于技術(shù)創(chuàng)新的方法為提高審計(jì)效率、確保招標(biāo)項(xiàng)目順利開展提供了有力支持。

［關(guān)鍵詞］審計(jì)；招標(biāo)；大數(shù)據(jù)；可視化建模；系統(tǒng)；設(shè)計(jì)；實(shí)現(xiàn)；風(fēng)險(xiǎn)管理

doi：10.3969/j.issn.1673-0194.2023.13.013

［中圖分類號］F239；TP311 ［文獻(xiàn)標(biāo)識碼］A ［文章編號］1673-0194（2023）13-0046-05

0? ? ?引 言

如今，我國招投標(biāo)形式呈現(xiàn)多樣化、標(biāo)準(zhǔn)化、國際化的趨勢，招投標(biāo)風(fēng)險(xiǎn)管理一直備受關(guān)注。由于招投標(biāo)風(fēng)險(xiǎn)是客觀存在的，有一定的必然性和可變性。例如在招投標(biāo)的計(jì)劃階段、立項(xiàng)階段、發(fā)標(biāo)階段、投標(biāo)階段、開標(biāo)階段、評標(biāo)階段、定標(biāo)階段、合同階段等，存在著各式各樣的法律風(fēng)險(xiǎn)、人員風(fēng)險(xiǎn)、經(jīng)濟(jì)風(fēng)險(xiǎn)與合同風(fēng)險(xiǎn)，這些風(fēng)險(xiǎn)隨著招標(biāo)項(xiàng)目的進(jìn)行而呈現(xiàn)不同的特性。企業(yè)需要提前識別各個階段的風(fēng)險(xiǎn)因子，然后采取行之有效的審計(jì)手段，如此才能確保招投標(biāo)項(xiàng)目的順利進(jìn)行。本文旨在利用大量的招投標(biāo)數(shù)據(jù)構(gòu)建風(fēng)險(xiǎn)模型，以提高風(fēng)險(xiǎn)識別的準(zhǔn)確度。我們實(shí)現(xiàn)了一套企業(yè)審計(jì)大數(shù)據(jù)可視化建模分析系統(tǒng)，該系統(tǒng)結(jié)合招投標(biāo)行業(yè)的專業(yè)知識，充分挖掘數(shù)據(jù)價(jià)值，提升審計(jì)人員的工作效率，實(shí)現(xiàn)招投標(biāo)全流程的智能化分析。

1? ? ?研究現(xiàn)狀

傳統(tǒng)的招投標(biāo)風(fēng)險(xiǎn)分析主要依賴審計(jì)人員的自身經(jīng)驗(yàn)或者他人提供的情報(bào)線索，對某個招標(biāo)項(xiàng)目或者某個招標(biāo)單位進(jìn)行調(diào)查取證，缺乏風(fēng)險(xiǎn)審計(jì)的完整性、無法固化風(fēng)險(xiǎn)模型。目前大多數(shù)的招投標(biāo)風(fēng)險(xiǎn)管理是基于某個階段或者某個時間點(diǎn)進(jìn)行風(fēng)險(xiǎn)管控，而將招投標(biāo)理論應(yīng)用到全量歷史數(shù)據(jù)和項(xiàng)目全過程的研究卻不多。當(dāng)招投標(biāo)系統(tǒng)不斷更新迭代且數(shù)據(jù)量不斷膨脹時，現(xiàn)有的工具無法適應(yīng)系統(tǒng)變化而導(dǎo)致的數(shù)據(jù)結(jié)構(gòu)的變更。另一方面，在不同的招標(biāo)項(xiàng)目、不同的環(huán)境、不同的階段，招投標(biāo)風(fēng)險(xiǎn)因子并不是一成不變的。

為了應(yīng)對上述動態(tài)且定制化的建模需求，本文基于領(lǐng)域知識的建模分析能力和可移植、可擴(kuò)展的技術(shù)，旨在促進(jìn)審計(jì)行業(yè)從傳統(tǒng)的人工風(fēng)險(xiǎn)識別向數(shù)字化和智能化的方向轉(zhuǎn)變，以實(shí)現(xiàn)企業(yè)資源的優(yōu)化配置。

2? ? ?系統(tǒng)架構(gòu)設(shè)計(jì)

下面我們將詳細(xì)闡述本系統(tǒng)的架構(gòu)設(shè)計(jì)及實(shí)現(xiàn)，圖1展示了企業(yè)審計(jì)大數(shù)據(jù)可視化建模分析系統(tǒng)的總體架構(gòu)設(shè)計(jì)，該架構(gòu)分為三大功能：基礎(chǔ)組件體系、數(shù)據(jù)體系、安全體系。為了處理海量的數(shù)據(jù)，本架構(gòu)設(shè)計(jì)之初便考慮了高擴(kuò)展性、高可用性。將執(zhí)行功能剝離為智能調(diào)度，基于動態(tài)負(fù)載均衡算法避免造成任務(wù)堆積、服務(wù)崩潰。安全體系是為了確保系統(tǒng)安全、數(shù)據(jù)安全不可或缺的一部分。

在對本系統(tǒng)的架構(gòu)有了初步的了解后，我們將重點(diǎn)介紹可視化建模中的幾個關(guān)鍵步驟，即數(shù)據(jù)接入、數(shù)據(jù)探索、數(shù)據(jù)質(zhì)量管理、數(shù)據(jù)標(biāo)準(zhǔn)化、交互界面設(shè)計(jì)、業(yè)務(wù)算子，他們是本系統(tǒng)的核心功能。

2.1? ?數(shù)據(jù)接入

數(shù)據(jù)接入，獲取數(shù)據(jù)是數(shù)據(jù)建模的基礎(chǔ)。不同的行業(yè)有著形式多樣的數(shù)據(jù)源，只有探查出數(shù)據(jù)源的存儲位置、結(jié)構(gòu)信息、業(yè)務(wù)用途等信息，才能進(jìn)行數(shù)據(jù)接入。通過對源數(shù)據(jù)進(jìn)行全方位的探查來認(rèn)識數(shù)據(jù)，根據(jù)探查的結(jié)果定義源數(shù)據(jù)到目標(biāo)系統(tǒng)的讀取策略，采用畫板的形式動態(tài)讀取路徑。根據(jù)探查和讀取定義的結(jié)果，對各種異構(gòu)數(shù)據(jù)進(jìn)行必要的解壓、解密、字符集轉(zhuǎn)換等操作，實(shí)現(xiàn)從源系統(tǒng)讀取數(shù)據(jù)或接受讀取源系統(tǒng)推送的數(shù)據(jù)并檢查數(shù)據(jù)是否與數(shù)據(jù)定義一致，不一致則停止接入。對于RDBMS關(guān)系型數(shù)據(jù)庫數(shù)據(jù)源，利用通用接口DatabaseMetaData獲取數(shù)據(jù)庫的元數(shù)據(jù)信息；對于Kafka等消息隊(duì)列數(shù)據(jù)源，通過Consumer客戶端獲取隊(duì)列的元數(shù)據(jù)信息；對于Http接口數(shù)據(jù)源，通過Http請求Response獲取元數(shù)據(jù)信息。通過構(gòu)造不同的數(shù)據(jù)源探查插件，動態(tài)高效地支撐大數(shù)據(jù)智能化的數(shù)據(jù)探查。

2.2? ?數(shù)據(jù)探索

由于原始數(shù)據(jù)是雜亂無章的，針對數(shù)據(jù)進(jìn)行可視化的探索變得尤為重要。探索性的數(shù)據(jù)分析，側(cè)重于原始數(shù)據(jù)本身的展示，因此與數(shù)據(jù)可視化具有相當(dāng)緊密的聯(lián)系，并且圖形展示更直觀且有利于發(fā)現(xiàn)有價(jià)值的信息。信息時代之下，數(shù)據(jù)爆發(fā)式增長，使得數(shù)據(jù)分析與可視化的需求不斷增長。通過圖形化的方式呈現(xiàn)數(shù)據(jù)，數(shù)據(jù)可視化可以幫助人們更快地理解數(shù)據(jù)中的模式、趨勢、異常，從而提升數(shù)據(jù)分析的效率、把握數(shù)據(jù)的價(jià)值和內(nèi)涵［1］。簡而言之，描述趨勢使用折線圖，描述數(shù)量使用柱狀圖（且必須從 0 開始），描述關(guān)系使用散點(diǎn)圖，描述比例使用餅狀圖。

2.3? ?數(shù)據(jù)質(zhì)量管理

數(shù)據(jù)質(zhì)量是數(shù)據(jù)分析結(jié)論有效性和準(zhǔn)確性的基礎(chǔ)也是最重要的前提和保障。然而數(shù)據(jù)卻是把雙刃劍，它能帶來巨大價(jià)值的同時也是各行業(yè)領(lǐng)域最大的風(fēng)險(xiǎn)來源。

數(shù)據(jù)質(zhì)量問題包括：①數(shù)據(jù)的完整性和準(zhǔn)確性。數(shù)據(jù)明顯缺失、空值和缺失值、關(guān)鍵字段或信息的缺失、多表字段統(tǒng)計(jì)值不一致。②數(shù)據(jù)的唯一性。不同來源的數(shù)據(jù)出現(xiàn)重復(fù)的情況、主鍵字段存在重復(fù)的情況。③數(shù)據(jù)的權(quán)威性。同一個指標(biāo)出現(xiàn)多個來源的數(shù)據(jù)且數(shù)值不一樣。④數(shù)據(jù)的合法性。獲取的數(shù)據(jù)與常識不同、字段長度不滿足預(yù)期、字段的值不滿足正則校驗(yàn)（手機(jī)號、郵箱、時間、稅號等）、字段的值不在枚舉值的范圍內(nèi)。⑤數(shù)據(jù)一致性。所發(fā)生的數(shù)據(jù)格式或單位不一致。⑥數(shù)據(jù)的及時性。數(shù)據(jù)在預(yù)期時間內(nèi)沒有處理完成。

數(shù)據(jù)質(zhì)量分析方法：①業(yè)務(wù)知識判斷數(shù)據(jù)是否在合理范圍；②總記錄數(shù)；③0值數(shù)/0值占比；④唯一值的數(shù)量；⑤空值數(shù)/空值占比；⑥最小值、最大值、平均值、方差、中位數(shù)及各分位數(shù)（箱線圖）、偏度、峰度、眾數(shù)；⑦基本數(shù)據(jù)類型；⑧最小、最大和平均長度；⑨異常值分析；⑩數(shù)值的精度和范圍；頻次與直方圖分析；數(shù)據(jù)分布是否對稱、是否符合正態(tài)分布；3σ原則；重復(fù)記錄的數(shù)量/占比。

2.4? ?數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)標(biāo)準(zhǔn)管理主要目的在于規(guī)范產(chǎn)業(yè)數(shù)據(jù)的標(biāo)準(zhǔn)，如果待治理的產(chǎn)業(yè)數(shù)據(jù)之間屬性信息一致，但定義與描述各不相同，那么將難以保障產(chǎn)業(yè)數(shù)據(jù)治理的準(zhǔn)確性［2］。為了使用統(tǒng)一的規(guī)范來約束企業(yè)內(nèi)外部的數(shù)據(jù)，數(shù)據(jù)標(biāo)準(zhǔn)用以描述企業(yè)的數(shù)據(jù)含義與業(yè)務(wù)規(guī)則。實(shí)現(xiàn)企業(yè)管理數(shù)據(jù)的規(guī)范性、完整性、共享性、有效性，為數(shù)據(jù)資產(chǎn)的管理提供參考依據(jù)。

標(biāo)準(zhǔn)元素：也稱數(shù)據(jù)源，是數(shù)據(jù)標(biāo)準(zhǔn)的最小粒度，由一組屬性規(guī)定其標(biāo)識、名稱、定義、類型、長度、允許值、質(zhì)量規(guī)則的數(shù)據(jù)單元。一般定義需要參考國家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)、企業(yè)標(biāo)準(zhǔn)，并經(jīng)審核才能進(jìn)行使用。

標(biāo)準(zhǔn)數(shù)據(jù)集：由一系列標(biāo)準(zhǔn)元素共同組成的集合。用以描述不同業(yè)務(wù)的業(yè)務(wù)規(guī)則、邏輯。

數(shù)據(jù)對標(biāo)：通過自動對標(biāo)或人工對標(biāo)，將數(shù)據(jù)接入的外部數(shù)據(jù)集映射到標(biāo)準(zhǔn)數(shù)據(jù)集。

數(shù)據(jù)接入的數(shù)據(jù)格式是五花八門的，必須要經(jīng)過標(biāo)準(zhǔn)化處理才能形成平臺的標(biāo)準(zhǔn)數(shù)據(jù)。

2.5? ?交互界面設(shè)計(jì)

對于傳統(tǒng)的大數(shù)據(jù)建模方式，一般是基于SQL引擎進(jìn)行SQL腳本的開發(fā)。

本系統(tǒng)用戶可實(shí)現(xiàn)全程可視化操作，通過簡單的拖拉拽即可完成數(shù)據(jù)模型的搭建。交互界面主要包括模型的創(chuàng)建過程，定義模型的規(guī)則、風(fēng)險(xiǎn)主體、運(yùn)行周期等信息?；诮换ソ缑?，用戶只需要知道基礎(chǔ)的模型定義過程，即可一站式地完成數(shù)據(jù)模型創(chuàng)建、模型分析、模型運(yùn)行、模型上線，屏蔽了底層的模型解析、模型數(shù)據(jù)流。

首先對接標(biāo)準(zhǔn)化之后的數(shù)據(jù)集，對各個標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行關(guān)聯(lián)映射。關(guān)聯(lián)方式包括LEFT JOIN、RIGHT JOIN、INNER JOIN、FULL JOIN、SEMI JOIN。關(guān)聯(lián)

的字段通過拖拉拽的方式進(jìn)行左右關(guān)聯(lián)。

模型的具體配置包括風(fēng)險(xiǎn)等級的定義、條件的定義、分類的選擇、指標(biāo)的確定、規(guī)則的設(shè)置。通過左側(cè)的標(biāo)準(zhǔn)元素和右側(cè)的各類算子控件進(jìn)行各種自由組合以構(gòu)建模型的業(yè)務(wù)邏輯。模型運(yùn)行時將根據(jù)模型配置解析為一串工作流，方便對每一步模型運(yùn)行進(jìn)行調(diào)試。對于無法使用簡單的拖拉拽方式配置的數(shù)據(jù)模型，平臺提供了自定義SQL建模的方式。

預(yù)警配置支持對不同的風(fēng)險(xiǎn)主體設(shè)置自定義的預(yù)警推送。包括風(fēng)險(xiǎn)主體的選擇、積分方式的定義、風(fēng)險(xiǎn)管理組的分配。

調(diào)度配置支持模型按規(guī)則運(yùn)行，支持次、年、月、

日、周、小時方式運(yùn)行。包括調(diào)度名稱、預(yù)警選擇、調(diào)度狀態(tài)、調(diào)度周期。解決在大規(guī)模數(shù)據(jù)和大量工作流程下，對資源高效、合理利用的問題。

模型配置完成之后，可以通過測試、抽樣來最終確認(rèn)配置的正確與否。

2.6? ?業(yè)務(wù)算子

企業(yè)大數(shù)據(jù)可視化建模分析系統(tǒng)提供了豐富的算子資源供用戶使用。根據(jù)用戶建模的習(xí)慣以及建模的常用流程，提供了九類算子，包括統(tǒng)計(jì)算子、字符算子、算術(shù)算子、基礎(chǔ)算子、日期算子、條件算子、邏輯算子、AI算子、文件算子，并支持動態(tài)增加算子類型。不同類型的算子可滿足各種模型在任意階段對數(shù)據(jù)處理、數(shù)據(jù)分析、數(shù)據(jù)挖掘的需求。類別可以按需進(jìn)行自定義，自定義分類需要提供類別字段及訓(xùn)練數(shù)據(jù)集。

3? ? ?系統(tǒng)實(shí)現(xiàn)與效果評價(jià)

按照本文提出的設(shè)計(jì)方案，我們進(jìn)行了編碼實(shí)現(xiàn)。在開發(fā)運(yùn)維一體化（DevOps）平臺的基礎(chǔ)上，搭建起K8S微服務(wù)環(huán)境、Hadoop大數(shù)據(jù)環(huán)境和知識圖譜構(gòu)建環(huán)境，實(shí)現(xiàn)了快速構(gòu)建和部署定制化的大數(shù)據(jù)處理分析微服務(wù)組件。這使得我們形成了一個可擴(kuò)展、可移植的應(yīng)用框架，適用于多系統(tǒng)、多平臺環(huán)境下進(jìn)行可視化建模分析。

在微服務(wù)架構(gòu)下，我們按照最佳實(shí)踐原則，以適當(dāng)?shù)牧Χ葘ο到y(tǒng)功能進(jìn)行拆分，形成一系列可復(fù)用的可視化建模分析微服務(wù)組件庫。這些組件庫包括以下幾種組件，如基礎(chǔ)服務(wù)模塊，包括身份認(rèn)證、權(quán)限管理、系統(tǒng)日志、用戶中心、多語言、日志審計(jì)等功能；數(shù)據(jù)接入模塊，包括數(shù)據(jù)源管理，數(shù)據(jù)文件，數(shù)據(jù)集市，任務(wù)配置，調(diào)度執(zhí)行，資源中心；數(shù)據(jù)標(biāo)準(zhǔn)模塊，包括元素標(biāo)準(zhǔn)、字典標(biāo)準(zhǔn)、數(shù)據(jù)集標(biāo)準(zhǔn)；數(shù)據(jù)建模模塊，包括模型列表、預(yù)警列表、調(diào)度列表、風(fēng)險(xiǎn)管理組；預(yù)警分析模塊，包括風(fēng)險(xiǎn)預(yù)警統(tǒng)計(jì)、風(fēng)險(xiǎn)庫匯總、處置列表展示，主要分為風(fēng)險(xiǎn)地圖、風(fēng)險(xiǎn)庫、處置列表。

該系統(tǒng)數(shù)據(jù)模型基于Hadoop的數(shù)據(jù)倉庫工具Hive，方便用來查詢和分析大規(guī)模的分布式數(shù)據(jù)。通過可視化界面，初步建立了抽象的流程模型，底層經(jīng)過進(jìn)一步的算子解析、優(yōu)化和精簡得到可執(zhí)行的DAG業(yè)務(wù)鏈。然后，我們提取出業(yè)務(wù)鏈與數(shù)據(jù)鏈中的關(guān)鍵屬性，自動構(gòu)建出HSQL語句，而無須編寫復(fù) 雜的MapReduce代碼。最后驅(qū)動程序?qū)tage發(fā)送到集群中執(zhí)行，任務(wù)調(diào)度器負(fù)責(zé)資源協(xié)調(diào)并處理依賴關(guān)系，最終形成基于某類風(fēng)險(xiǎn)主體的全面數(shù)據(jù)。

下面我們根據(jù)數(shù)據(jù)建模的目標(biāo)，選擇合適的分析方法或算法。

3.1? ?實(shí)驗(yàn)1——數(shù)據(jù)離散度建模

在招投標(biāo)過程中，專家評標(biāo)分析階段可能會產(chǎn)生投標(biāo)企業(yè)與評標(biāo)專家串通投標(biāo)的行為。通過利益輸送，評標(biāo)專家對投標(biāo)企業(yè)的評分遠(yuǎn)遠(yuǎn)高于標(biāo)段內(nèi)的評標(biāo)平均分?？梢酝ㄟ^專家傾向性和專家打分偏差度進(jìn)行建模分析，對超過一定傾向性比例和偏差度的投標(biāo)企業(yè)預(yù)警。

在招投標(biāo)過程中，投標(biāo)報(bào)價(jià)階段投標(biāo)企業(yè)會串通其他投標(biāo)企業(yè)以高價(jià)或者低價(jià)投標(biāo)，使標(biāo)段內(nèi)的所有投標(biāo)企業(yè)的投標(biāo)均價(jià)與自身的投標(biāo)報(bào)價(jià)相近，以此來提高中標(biāo)概率。通過對投標(biāo)報(bào)價(jià)數(shù)據(jù)離散度建模分析，對報(bào)價(jià)超過一定偏離度的投標(biāo)企業(yè)進(jìn)行預(yù)警。

3.2? ?實(shí)驗(yàn)2——異常行為建模

投標(biāo)企業(yè)中標(biāo)率偏高或偏低都屬于異常行為。通過分析單個投標(biāo)企業(yè)所有投標(biāo)記錄和所有中標(biāo)記錄，得出投標(biāo)企業(yè)的中標(biāo)率。中標(biāo)率偏低可能存在陪標(biāo)的風(fēng)險(xiǎn)，中標(biāo)率偏高可能存在串標(biāo)的風(fēng)險(xiǎn)。對接招投標(biāo)公開數(shù)據(jù)，如果發(fā)現(xiàn)中標(biāo)率偏低的單位在投標(biāo)單位注冊地中標(biāo)率偏高，則有很大的概率說明這些投標(biāo)企業(yè)存在借殼投標(biāo)的行為。

3.3? ?實(shí)驗(yàn)3——技術(shù)指標(biāo)雷同建模

通過提取投標(biāo)企業(yè)電子標(biāo)書的電子信息。例如電子文件創(chuàng)建用戶、文件創(chuàng)建/修改時間戳、電子文件制作機(jī)器碼、電子文件創(chuàng)建標(biāo)識碼。對同一標(biāo)段下電子標(biāo)書的隱藏信息進(jìn)行分析比對，找出異常數(shù)據(jù)。

3.4? ?實(shí)驗(yàn)4——供應(yīng)商同源建模

關(guān)系圖譜是在大量數(shù)據(jù)集合中，按照一定的規(guī)則或規(guī)律，通過特定的算法對數(shù)據(jù)進(jìn)行分析，從而發(fā)現(xiàn)不同事物中蘊(yùn)含的關(guān)系，并將事物進(jìn)行關(guān)聯(lián)，最終形成的數(shù)據(jù)網(wǎng)絡(luò)［3］。借助關(guān)系圖譜對招投標(biāo)數(shù)據(jù)進(jìn)行建模分析及可視化展示，從不同的維度，挖掘出隱含在不同數(shù)據(jù)中的關(guān)聯(lián)關(guān)系。我們要構(gòu)建的關(guān)系圖譜包含的企業(yè)名稱、地址等信息通常不是精確的值。比如：北京市西直門外大街112號和北京市西城區(qū)西直門外大街112號，如果將這兩個地址映射為兩個實(shí)體的話，這兩個實(shí)體是沒有任何關(guān)聯(lián)關(guān)系的。為了消除實(shí)體歧義，就需要對歧義實(shí)體進(jìn)行相似度計(jì)算，利用TF-IDF算法進(jìn)行處理。

投標(biāo)企業(yè)法人、投標(biāo)企業(yè)負(fù)責(zé)人、投標(biāo)企業(yè)負(fù)責(zé)人聯(lián)系電話、投標(biāo)企業(yè)注冊地址、投標(biāo)企業(yè)統(tǒng)一社會信用代碼等一般歸屬于某家投標(biāo)企業(yè)，如果出現(xiàn)在不同的投標(biāo)企業(yè)中，很大程度上反映出企業(yè)之間的關(guān)聯(lián)密切，同時結(jié)合企業(yè)歷史投標(biāo)記錄，分析投標(biāo)企業(yè)在不同項(xiàng)目或者不同標(biāo)段下的投標(biāo)信息，挖掘出兩兩企業(yè)的潛在聯(lián)系，即投標(biāo)企業(yè)存在同源關(guān)系或者說存在圍串標(biāo)風(fēng)險(xiǎn)。

綜合以上的實(shí)驗(yàn)來看，該企業(yè)審計(jì)大數(shù)據(jù)可視化建模分析系統(tǒng)憑借其多元需求場景考慮、強(qiáng)大的功能以及易用性，足以滿足大多數(shù)場景下的建模需求。

4? ? ?結(jié)束語

本文基于大數(shù)據(jù)技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了一套企業(yè)審計(jì)大數(shù)據(jù)可視化建模分析系統(tǒng)，包括了數(shù)據(jù)接入、數(shù)據(jù)清洗、數(shù)據(jù)轉(zhuǎn)換、數(shù)值質(zhì)量檢查、數(shù)據(jù)標(biāo)準(zhǔn)、數(shù)據(jù)建模、數(shù)據(jù)可視化等模塊。自該系統(tǒng)上線以來，已成功建設(shè)了上百個模型，節(jié)省了大量的開發(fā)人力成本。同時，業(yè)務(wù)專家直接參與算法和指標(biāo)定義，使得模型的開發(fā)迭代周期大大縮短。該系統(tǒng)有效解決了招投標(biāo)過程中各類違規(guī)風(fēng)險(xiǎn)的識別問題，大大節(jié)省了審計(jì)人員的時間成本。系統(tǒng)采用多維的數(shù)據(jù)處理與分析技術(shù)，構(gòu)建了全方位的審計(jì)防護(hù)，確保招投標(biāo)項(xiàng)目工作順利執(zhí)行。未來我們將聚焦于優(yōu)化系統(tǒng)的可擴(kuò)展性、易用性，擴(kuò)展跨行業(yè)應(yīng)用，提升建模效率，實(shí)現(xiàn)更廣泛、更高效、更安全的應(yīng)用，從而成為數(shù)據(jù)建模和可視化數(shù)據(jù)分析的首選工具。

主要參考文獻(xiàn)

［1］藍(lán)星宇，王嘉喆.數(shù)據(jù)可視化設(shè)計(jì)的類型學(xué)實(shí)踐［J］.美術(shù)大觀，2022（3）：149-152.

［2］安平.數(shù)據(jù)中臺視角下產(chǎn)業(yè)數(shù)據(jù)治理系統(tǒng)的設(shè)計(jì)研究［J］.網(wǎng)格安全和信息化，2023（6）：94-96.

［3］張寒爍，楊冬菊.基于關(guān)系圖譜的科技數(shù)據(jù)分析算法［J］.計(jì)算機(jī)科學(xué)，2021，48（3）：174-179.