一、审计项目背景与总体思路

（一）项目背景

在金融行业深化改革、监管趋严的时代浪潮下，中央金融工作会议着重强调“全面强化监管”，这对寿险公司的合规运营提出了严格要求。传统经济责任审计模式在寿险公司实践中，逐渐暴露出诸多弊端，主要体现在以下方面：

1.存在覆盖盲区：传统审计依赖抽样，难以全面、深入地穿透各类数据，导致对领导干部履职评价片面，无法完整呈现其任职期间的工作全貌。

2.风控滞后明显：传统审计多为事后审查，难以动态追踪资金异动与业务异常，无法在风险初期进行有效防控和干预。

3.定责模糊不清：评价经济责任时，缺乏对负责人决策行为科学、量化的关联分析，难以准确界定决策对经营结果的影响程度，责任划分不清晰。

为有效应对这些挑战，适应日益严格的监管环境与中国人寿广西分公司高质量发展需求，2025年，中国人寿广西分公司在对A机构负责人实施经济责任审计时，大胆创新，全面引入数智化技术，以突破传统审计困境，实现审计工作全面升级。

（二）总体审计思路与审计目标

本次审计以数智化为核心驱动力，构建“风险导向、数据支撑、多维评价”的审计模式：

1.坚持风险导向：紧密围绕寿险业务核心风险领域开展审计工作，重点关注资金流向的合理性与安全性、承保效益的稳定性与可持续性、队伍质量的高低与稳定性等关键风险点。

2.实现数据穿透：充分利用数字化技术，全面整合公司业务系统数据，构建庞大且全面的审计数据池，打破数据分散、难以整合利用的局面，为审计工作提供丰富、准确的数据支持。

3.开展多维评价：运用一套科学、全面的量化指标体系，综合评价领导干部经济责任履行情况，明确经济责任，为干部考核、任用提供可靠依据。

二、数智化审计技术的具体运用

（一）全量数据整合，筑牢审计基础

审前阶段，审计人员借助数字化审计系统，对A机构相关数据资源进行全面整合，构建“审计数据池”。该数据池涵盖该负责人任职期间业务、财务、人力、理赔等16个领域的数据，也支持导入线下数据与系统内数据联合分析，突破传统抽样限制，为全量审计提供基础。通过构建数据池，打破了各个业务系统之间的数据壁垒，实现了数据的互联互通和共享共用，审计人员能快速、便捷地获取所需数据，从海量数据中挖掘有价值的审计线索。

（二）构建智能模型，精准锁定审计疑点

在数智化审计过程中，审计人员应用了一系列智能分析模型，这些模型在精准锁定风险方面发挥了重要作用。

1.承保效益模型

承保效益模型通过对短期险保单的简单赔付率、承保费率等维度进行分析，对连续2个年度超过A机构整体赔付率的保单进行标注，分析A机构连续承保效益差业务的情况，检查否存在降费续保亏损业务。分析发现，2023年A机构承保某公司短期险团体保单，截至2024年1月1日，简单赔付率高达177.38%，明显处于亏损状态。然而，2024年A机构在续保该单位保单时，综合费率反而下降。经深入分析，发现A机构在续保决策过程中，未充分综合考虑既往赔付率情况，也缺乏有效的风险评估，属于盲目降费续保，充分揭示了A机构在业务经营中风险把控能力的不足。

2.队伍效能模型

队伍效能模型从三个维度对队伍建设成效性进行分析。一是以新增人员为基准，模型从人员留存、增员投入、增员产出对增员成效进行分析，快速锁定增员成效较差的县支公司及增员期间，确定审计发现疑点及问题；二是以销售团队维度，通过模型分析销售团队投入产出效益低下情况，快速锁定投入产出倒挂的团队；三是通过模型从销售人员出勤率、异常自保件等维度对销售人员佣金发放情况进行分析，快速锁定兑现不真实、超范围或超标准兑现奖励等情况。分析发现，2022年A机构新入司销售人员中，新人当年佣金收入高于新单保费的人数占比为73.26%。截至审计日，人员留存率仅为5.78%，长险保单失效件数及失效保费占比分别为98.09%、98.29%。进一步调查发现，部分团队存在利用基本法和奖励方案的漏洞进行套利的行为，严重影响了队伍的稳定性和业务的健康发展。

3.财务异常模型

财务异常模型通过财务趋势分析，展示A机构重点科目的变化趋势，为审计人员提供多种时间颗粒度下重点科目财务指标的值、增长率、增长率Z值的表现，快速锁定异常的科目。通过对科目波动Z值的监测，成功识别出2022年A机构培训费增长率异常的情况，当年培训费增长率达55%，增长Z值率为2.62。经审计人员进一步深入核查，发现A机构存在变通列支培训费的行为，严重违反了财务管理制度和公司规定。

（三）构建量化评价体系，实现精准画像

为全面、科学地评价领导干部履职情况，公司构建了一套涵盖“个人履职、贯彻与决策、业务发展、高质量发展、合规及廉洁自律”5个维度，共计27个具体指标的量化评价体系。通过为各项指标赋予合理权重，将各项指标得分量化，最终生成领导干部总体评价得分，直观、清晰地展示领导干部在各个方面的履职表现。在肯定A机构负责人在业务拓展、团队建设等方面取得成绩的同时，也针对发现的问题明确其应承担的领导责任，为公司干部管理提供了清晰的参考依据。

三、审计成效与经验总结

（一）主要成果

1.问题深度挖掘：通过数智化审计技术的应用，对A机构的业务经营、财务管理、队伍建设等各个方面进行了全面、深入的审查，成功揭示了包括承保亏损、队伍套利、财务违规等在内的多项重大问题，涉及金额高达百万元。这些问题的发现，不仅及时暴露了A机构在运营管理中存在的诸多漏洞和风险隐患，也为公司后续采取针对性的整改措施提供了明确的方向。

2.履职精准画像：构建的量化评价体系避免了主观评价偏差，5维27项指标体系可直接追溯数据来源，使“履职画像”客观可验证，为干部评价提供科学依据，为公司选人用人提供更具价值的决策参考。

3.审计效能革命：与传统审计模式相比，本次审计周期从原来的30天大幅压缩至15天，缩短了50%。同时，智能模型的准确率达到了79%，实现了审计工作的提质增效。

4.闭环治理机制：审计提出的10条建议，如强化短期险承保审核和效益评估，针对产生巨大亏损业务在费用薪酬人事制度中明确考核细则等，均被公司采纳，形成了“审计预警-业务整改-制度完善-风险防控”的闭环治理机制，推动公司管理水平的不断提升。

（二）经验体会

通过本次数智化经济责任审计的实践，我们总结出了以下三点经验体会：

一是数据治理是根基。数智化审计的核心在于数据的有效运用，而高质量的数据则是实现精准审计的基础。寿险公司应进一步加强数据质量管理，通过对数据的标准化处理、质量监控和全生命周期管理，确保源数据的真实性、完整性和准确性，为后续的审计分析提供可靠的数据支持。

二是人机协同是关键。数智化审计需要既懂审计业务又熟悉数据分析技术的复合型人才。一方面，审计人员能够根据业务实际情况和审计目标，合理调整和优化智能模型的参数和算法；另一方面，智能模型能够为审计人员提供全面、准确的数据支持和风险预警，帮助审计人员快速发现潜在问题和风险线索。只有实现人机的深度融合和协同工作，才能充分发挥数智化审计的优势。

三是价值转化是核心。审计工作的价值不仅在于发现问题，更在于推动问题的整改和公司治理的完善。寿险公司应构建“审计预警-业务整改-算法优化”的增强回路。通过及时将审计发现的问题反馈给业务部门，推动业务部门采取有效的整改措施；同时，根据业务整改的实际情况和反馈意见，对审计算法和模型进行优化和调整，不断提升审计工作的质量和效果。只有将审计成果切实转化为公司的管理效能和经济效益，才能真正体现数智化审计在公司发展中的核心价值。

结语

本项目通过数智化手段，在寿险经济责任审计领域实现了全量数据池构建、智能模型锁定疑点和经济责任量化画像的重大突破，审计成果直接应用于公司的干部任免决策，有力地推动了公司治理模式从传统的“经验判断”向现代的“数据驱动”转变，充分彰显了内部审计在促进公司改革、防范金融风险、治理行业乱象中的核心价值和重要作用。随着数字化技术的不断进步和创新，我们相信数智化审计将在寿险公司及整个金融行业中发挥更加重要的作用，为行业的健康、稳定发展保驾护航。