一、研究背景及文献综述 随着新一代信息技术的发展和大数据技术的不断应用，全球进入“互联网+”的新时代。生产技术持续升级、管理方式不断变革，使得各个业务领域积极投入更加充足的资源，认真研究大数据、智能设备、移动技术和云计算等新兴技术，提高生产效率和生产能力，提升全球信息技术应用能力。 商业银行是金融系统的重要组成部分，是经营风险的特殊企业。随着经济环境的变化，受国际经济环境、国内宏观政策、金融政策的影响，商业银行业务数据量、业务处理速度和产品迭代能力不断提升。管理业务全球化和广泛化的特征，以及领导者对管理层决策速度的硬约束，使管理层对商业银行审计的质量和成效提出越来越高的要求。同时，商业银行审计也面临人力资源不足、发现问题滞后、技术手段不足、风险识别能力不佳和审计覆盖不完整的困境，审计风险日益显现。为破解审计面临的这种困境，提升审计发现问题、解决问题的能力和速度，保证领导层决策的快速响应，做好“良医”，引入多维度大数据风险挖掘审计技术识别业务风险，成为商业银行审计发展的必然选择。 回顾对审计对象业务风险挖掘的实践情况可以看出，数据分析是做好审计工作的一个重要组成部分，特别是人工智能的出现为风险数据挖掘提供了广阔前景。胡家奇(2021)、王琪(2021)讨论了大数据审计的应用方法，秦荣生(2014)指出审计要想实现全覆盖就必须利用大数据挖掘技术，实现由单一审计向批量审计转变。陈丹萍(2009)研究利用孤立点和异常值来监测异常数据，提高审计工作的质量。陈伟(2016，2017)提出了利用模糊算法进行字和词之间的匹配，查找重复的字词，实现审计的可视化。王婧(2017)利用机器学习来不断优化模型。黄长胤(2020)、陈波(2020)提出审计智能化是审计未来发展的方向。袁阳春等(2021)将数据挖掘技术应用到虚拟企业，建立风险挖掘模型来提高审计效率；钟珍(2021)又进一步将数据挖掘应用到员工行为画像，将行为与数据进行挂钩，实现多维度审计分析。杨兆群等人(2020)提出在银行审计中建立非结构化数据分析应用场景，利用Python工具对文本报告进行关键情绪的分析，揭示客户的心理变动状态。陈冬梅等(2020)提出需要构建全业务数据多维度分析体系，甘露等(2020)提出用联网审计来增强审计的实效，促进审计工作的开展。上述文献的研究多是从单一技术入手，缺乏综合性应用多技术协同的研究，应用范围多局限在业务简单的普通企业，而在业务复杂的商业银行的应用还不多见。 本文通过文献研究，从商业银行审计存在的问题入手，克服单一技术应用和综合性多技术协同不足的问题，通过积极引入物联网、“互联网+”的概念，综合运用大数据分析平台、移动审计、机器学习、非结构化数据处理、微表情抓取分析等多维度大数据风险挖掘审计技术挖掘业务风险，提高审计效率和审计质量，降低审计风险，推进商业银行业务稳步发展。 二、多维度大数据风险挖掘审计技术的内容、特点和现实意义 (一)多维度大数据风险挖掘审计技术的内容 商业银行多维度大数据风险挖掘审计技术的内容就是通过利用大数据分析平台收集客户、业务、风险等数据，利用互联网与物联网将数据分析与资产实物的管理进行关联，分析数据，实时监测。同时，引入机器学习技术，通过大数据模型的迭代学习，准确识别业务运行中出现的风险。利用银行监管制度扫描、客户签字、语音、影像识别等多维度影像分析、识别技术来分析合同、双录影像、音频、授信报告文本的准确性，提高审计工作效率和效果，降低风险。 (二)多维度大数据风险挖掘审计技术的特点 1.广泛性。多维度大数据风险挖掘审计技术可应用到商业银行审计的全过程，且具有广泛的意义。多维度大数据风险挖掘审计技术不仅能够做好审计计划，使审计程序更加完善，更能实现审计发现问题的及时整改，保障整改的效果。在审计中利用多维度大数据风险挖掘审计技术可以有效地发现商业银行经营过程中存在的问题，管理流程中存在的缺陷，减少银行资产损失，让商业银行“远离麻烦”。 2.及时性。多维度大数据风险挖掘审计技术可以及时发现商业银行管理中存在的问题和经营中存在的风险，将数据分析和图文监测嵌入到业务系统和流程中去，实时监测业务运行风险，及时预警和采取措施，提高审计的效率。 3.准确性。多维度大数据风险挖掘审计技术能提高发现问题的准确性，可以利用多数据交叉分析，内外部数据的比较，提高审计准确性。同时，可以收集更多审计证据，提高审计人员判断的准确性，有利于审计发现经营管理过程中存在问题的实质，提高审计定性的准确性。 4.复杂性。多维度大数据风险挖掘审计技术可利用数据分析、综合评价、交叉检验、多数据源比对等来综合分析商业银行经营过程中出现的复杂问题，提高审计发现复杂问题的能力，将复杂问题通过层层分解和挖掘，发现复杂问题的成因，提高审计的科学性。 (三)多维度大数据风险挖掘审计技术的现实意义
